Bewerken

Delen via

Kwaliteitscontrole

Azure Event Hubs
Azure Machine Learning
Azure Stream Analytics
Power BI

Kwaliteitsgarantiesystemen bieden bedrijven de mogelijkheid om defecten in hun processen voor het leveren van goederen of services aan klanten te voorkomen. Het bouwen van een dergelijk systeem dat gegevens verzamelt en mogelijke problemen in een pijplijn kan identificeren, kan enorme voordelen bieden. Zo is kwaliteitscontrole in de assemblagelijn in digitale productie van cruciaal belang. De identificatie van vertragingen en mogelijke defecten voordat ze plaatsvinden in plaats van nadat ze zijn gedetecteerd, kan bedrijven helpen de kosten voor uitval en nabewerking te verlagen en de productiviteit te verbeteren.

Architectuur

Architecture diagram shows data into Azure Event Hubs, then to Data Lake, then processes with Stream Analytics, finally to Power BI visualization.

Een Visio-bestand van deze architectuur downloaden.

Gegevensstroom

  1. Bronsysteemgebeurtenisgenerator streamt gegevens naar Azure Event Hubs.
  2. Event Hubs maakt gebruik van Capture om onbewerkte gebeurtenissen naar Data Lake te verzenden.
  3. Een Stream Analytics-taak leest realtime gegevens uit Event Hubs.
  4. Een Stream Analytics-taak roept ML-model aan in Azure Machine Learning om fouten/defecten te voorspellen.
  5. Een Stream Analytics-taak verzendt streamaggregaties naar een realtime Power BI-dashboard voor bewerkingen.
  6. Een Stream Analytics-taak pusht de verwerkte realtime gegevens naar azure Synapse SQL-pool.
  7. Een Logic Apps verzendt waarschuwingen van streaminggegevens naar een mobiele telefoon.
  8. Power BI wordt gebruikt voor resultatenvisualisatie.

Onderdelen

  • Event Hubs neemt assemblyregelgebeurtenissen op en geeft deze door aan Stream Analytics en een Azure ML-webservice.
  • Azure Stream Analytics: Stream Analytics accepteert de invoerstroom van Event Hubs, roept een Azure ML-webservice aan om voorspellingen uit te voeren en verzendt de stream naar Azure Synapse en Power BI en Logic Apps voor waarschuwingen.
  • Azure Machine Learning: Machine Learning helpt u bij het ontwerpen, testen, operationeel maken en beheren van predictive analytics-oplossingen in de cloud en het implementeren van webservices die kunnen worden aangeroepen door Stream Analytics.
  • Opslagaccounts: Azure Storage slaat onbewerkte gebeurtenissen gegevens van Event Hubs op en dient voor persistentie van gegevens op lange termijn.
  • Logic Apps: hiermee worden waarschuwingen verzonden die zijn gegenereerd op basis van de streaminggegevens naar het operatorapparaat.
  • Synapse Analytics: relationele gegevens opslaan voor ad-hoc en geplande analytische verwerking en analytische query's van gebruikers.
  • Power BI: visualiseert realtime operationele dashboards en servers voor analytische rapporten.

Alternatieven

  • Afhankelijk van het scenario kan de basisarchitectuur worden vereenvoudigd door de batchlaag te verwijderen: opslag voor onbewerkte gebeurtenissen en Azure Synapse voor relationele gegevens verwijderen
  • Azure SQL Database is een beheerde relationele database als een service. Afhankelijk van uw gegevensvolumes en toegangspatronen, kunt u Azure SQL Database kiezen.
  • Azure Functions biedt een effectieve serverloze benadering als de workloadarchitectuur is gecentreerd rond fijnmazige gedistribueerde onderdelen, waarbij minimale afhankelijkheden vereist zijn, waarbij afzonderlijke onderdelen alleen nodig zijn om op aanvraag (niet continu) en indeling van onderdelen te kunnen uitvoeren.
  • IoT Hub fungeert als een centrale berichtenhub voor veilige bidirectionele communicatie met identiteit per apparaat tussen het cloudplatform en de bouwapparatuur en andere site-elementen. IoT Hub kan snel gegevens verzamelen voor elk apparaat voor opname in de pijplijn voor gegevensanalyse.

Scenariodetails

Potentiële gebruikscases

Deze oplossing laat zien hoe storingen kunnen worden voorspeld aan de hand van het voorbeeld van productiepijplijnen (assemblagelijnen). Dit wordt gedaan door gebruik te maken van testsystemen die al aanwezig zijn en foutgegevens, met name door te kijken naar retouren en functionele storingen aan het einde van de assemblylijn. Door deze te combineren met domeinkennis en oorzakenanalyse binnen een modulair ontwerp met de belangrijkste productiestappen, beschikt u over een geavanceerde analyseoplossing waarin wordt gebruikgemaakt van machine learning om fouten te voorspellen voordat ze optreden. Door vroegtijdige voorspelling van toekomstige fouten worden reparaties minder duur en hoeven er minder producten te worden afgekeurd. Dit is meestal kostenefficiënter dan het verwerken van de terugroepings- en garantiekosten.

Overwegingen

Met deze overwegingen worden de pijlers van het Azure Well-Architected Framework geïmplementeerd. Dit is een set richtlijnen die kunnen worden gebruikt om de kwaliteit van een workload te verbeteren. Zie Microsoft Azure Well-Architected Framework voor meer informatie.

Schaalbaarheid

Het merendeel van de onderdelen die in dit voorbeeldscenario worden gebruikt, zijn beheerde services die worden geschaald op basis van uw huidige scenariobehoeften.

Zie de controlelijst voor prestatie-efficiëntie in het Azure Architecture Center voor algemene richtlijnen voor het ontwerpen van schaalbare oplossingen.

Beveiliging

Beveiliging biedt garanties tegen opzettelijke aanvallen en misbruik van uw waardevolle gegevens en systemen. Zie Overzicht van de beveiligingspijler voor meer informatie.

Beheerde identiteiten voor Azure-resources worden gebruikt om toegang te bieden tot andere resources die intern zijn voor uw account. Alleen toegang tot de vereiste resources in deze identiteiten toestaan om ervoor te zorgen dat er niets extra's beschikbaar is voor uw functies (en mogelijk voor uw klanten).

Zie de Documentatie voor Azure-beveiliging voor algemene richtlijnen voor het ontwerpen van beveiligde oplossingen.

Tolerantie

Alle onderdelen in dit scenario worden beheerd, dus op regionaal niveau zijn ze allemaal automatisch tolerant.

Zie ontwerpprincipes voor betrouwbaarheid voor algemene richtlijnen voor het ontwerpen van flexibele oplossingen.

Volgende stappen