Prognozowanie poziomu zbiornika ropy naftowej i gazu

Data Factory
Event Hubs
Usługa Machine Learning
Stream Analytics
Synapse Analytics

Pomysły dotyczące rozwiązań

Ten artykuł jest pomysłem na rozwiązanie. Jeśli chcesz, abyśmy rozszerzyli zawartość o więcej informacji, takich jak potencjalne przypadki użycia, alternatywne usługi, zagadnienia dotyczące implementacji lub wskazówki dotyczące cen, daj nam znać, przekazując opinię w usłudze GitHub.

Obecnie większość obiektów działa reaktywnie do problemów na poziomie zbiornika. Ta reakcyjność często prowadzi do wycieków, zamykania awaryjnego, kosztownych kosztów korygowania, problemów regulacyjnych, kosztownych napraw i kar. Prognozowanie poziomu zbiornika pomaga zarządzać tymi i innymi problemami.

Architektura

Diagram architektury przedstawia dane w Azure Event Hubs/Azure Synapse. Usługa Azure Stream Analytics analizuje dane, podczas gdy usługa Power BI monitoruje poziom zbiornika oleju.Pobierz svG tej architektury.

Przepływ danych

  1. Dane są wprowadzane do usługi Azure Event Hubs i Azure Synapse Analytics jako punkty danych lub zdarzenia, które będą używane w pozostałej części przepływu rozwiązania.
  2. Usługa Azure Stream Analytics analizuje dane w celu zapewnienia analizy niemal w czasie rzeczywistym w strumieniu wejściowym z centrum zdarzeń i bezpośredniego publikowania w usłudze Power BI na potrzeby wizualizacji.
  3. Usługa Azure Machine Learning służy do prognozowania na poziomie zbiornika określonego regionu, biorąc pod uwagę otrzymane dane wejściowe.
  4. Azure Synapse Analytics służy do przechowywania wyników przewidywania odebranych z usługi Azure Machine Learning. Te wyniki są następnie używane na pulpicie nawigacyjnym usługi Power BI.
  5. Azure Data Factory obsługuje aranżację i planowanie ponownego trenowania modelu godzinowego.
  6. Na koniec usługa Power BI jest używana do wizualizacji wyników, dzięki czemu użytkownicy mogą monitorować poziom zbiornika z obiektu w czasie rzeczywistym i używać poziomu prognozy, aby zapobiec wyciekowi.

Składniki

Szczegóły scenariusza

Proces prognozowania poziomu zbiornika rozpoczyna się od źródła danych wejściowych. Olej jest mierzony, gdy wchodzi do obiektu za pośrednictwem mierników i jest wysyłany do zbiorników. Poziomy są monitorowane i rejestrowane w zbiornikach podczas procesu rafinacji. Ropa naftowa, gaz i woda są rejestrowane za pośrednictwem czujników, mierników i rekordów. Prognozy są następnie wykonywane przy użyciu danych z obiektu; na przykład prognozy można wykonywać co 15 minut.

Usługi Azure Cognitive Services można dostosować i dostosować do różnych wymagań, które mają obiekty i korporacje.

Potencjalne przypadki użycia

To rozwiązanie jest idealne dla przemysłu energetycznego, motoryzacyjnego i lotniczego.

Prognozy są tworzone przez wykorzystanie mocy danych w czasie rzeczywistym i danych historycznych dostępnych z czujników, mierników i rekordów, które pomagają w następujących scenariuszach:

  • Zapobieganie wyciekowi zbiornika i zamykania awaryjnego
  • Odnajdywanie awarii sprzętu lub awarii
  • Planowanie konserwacji, zamykania i logistyki
  • Optymalizowanie operacji i wydajności obiektu
  • Wykrywanie wycieków potoku i ich spowolnienia
  • Zmniejszanie kosztów, kar i przestojów

Wdrażanie tego scenariusza

Aby uzyskać więcej informacji na temat sposobu tworzenia tego rozwiązania, odwiedź przewodnik po rozwiązaniu w usłudze GitHub. Ten przewodnik został utworzony przy użyciu podobnego, poprzedniego zestawu usług Azure AI.

To rozwiązanie udostępnia zaawansowane narzędzia analityczne za pośrednictwem platformy Microsoft Azure — pozyskiwanie danych, przechowywanie danych, przetwarzanie danych i zaawansowane składniki analizy — wszystkie podstawowe elementy służące do tworzenia rozwiązania do prognozowania na poziomie zbiornika.

To rozwiązanie łączy kilka usług platformy Azure, aby zapewnić zaawansowane korzyści. Usługa Event Hubs zbiera dane na poziomie zbiornika w czasie rzeczywistym. Usługa Stream Analytics agreguje dane przesyłane strumieniowo i udostępnia je do wizualizacji. Azure Synapse Analytics przechowuje i przekształca dane na poziomie zbiornika. Uczenie maszynowe implementuje i wykonuje model prognozowania. Usługa Power BI wizualizuje poziom zbiornika w czasie rzeczywistym i wyniki prognozy. Na koniec usługa Data Factory organizuje i planuje cały przepływ danych.

Przycisk "Wdróż" uruchomi przepływ pracy. Ten proces wdraża wystąpienie rozwiązania w ramach grupy zasobów w określonej subskrypcji platformy Azure. Rozwiązanie obejmuje wiele usług platformy Azure (opisanych poniżej) wraz z zadaniem internetowym, które symuluje dane, dzięki czemu natychmiast po wdrożeniu masz działające kompleksowe rozwiązanie.

Po wdrożeniu zobacz instrukcje po wdrożeniu w usłudze GitHub.

Następne kroki

Dokumentacja produktu:

Moduły usługi Microsoft Learn: