Dzięki systemom kontroli jakości firmy mogą zapobiegać występowaniu usterek w procesach dostarczania towarów i usług klientom. Zbudowanie takiego systemu, który zbiera dane i znajduje potencjalne problemy na wszystkich etapach procesu, może zapewnić ogromne korzyści. Na przykład w produkcji cyfrowej kontrola jakości na całej linii montażowej ma kluczowe znaczenie. Możliwość wykrywania zastojów i potencjalnych usterek przed ich wystąpieniem może znacznie obniżyć koszty związane ze stratami i poprawkami, a przy okazji poprawić wydajność.
Architektura
Pobierz plik programu Visio z tą architekturą.
Przepływ danych
- Generator zdarzeń systemu źródłowego przesyła strumieniowo dane do usługi Azure Event Hubs.
- Usługa Event Hubs używa funkcji Capture do wysyłania nieprzetworzonych zdarzeń do usługi Data Lake.
- Zadanie usługi Stream Analytics odczytuje dane w czasie rzeczywistym z usługi Event Hubs.
- Zadanie usługi Stream Analytics wywołuje model uczenia maszynowego w usłudze Azure Machine Learning w celu przewidywania awarii/wady.
- Zadanie usługi Stream Analytics wysyła agregacje strumienia do pulpitu nawigacyjnego usługi Power BI w czasie rzeczywistym na potrzeby operacji.
- Zadanie usługi Stream Analytics wypycha przetworzone dane w czasie rzeczywistym do puli SQL usługi Azure Synapse.
- Usługa Logic Apps wysyła alerty z danych przesyłanych strumieniowo na telefon komórkowy.
- Usługa Power BI jest używana do wizualizacji wyników.
Składniki
- Usługa Event Hubs pozyskiwa zdarzenia linii zestawu i przekazuje je do usługi Stream Analytics i usługi internetowej Azure ML.
- Azure Stream Analytics: usługa Stream Analytics akceptuje strumień wejściowy z usługi Event Hubs, wywołuje usługę internetową usługi Azure ML do przewidywania i wysyła strumień do usług Azure Synapse i Power BI oraz Logic Apps na potrzeby alertów.
- Azure Machine Learning: usługa Machine Learning ułatwia projektowanie, testowanie, operacjonalizacja i zarządzanie rozwiązaniami analizy predykcyjnej w chmurze oraz wdrażanie usług internetowych, które mogą być wywoływane przez usługę Stream Analytics.
- Konta magazynu: usługa Azure Storage przechowuje nieprzetworzone dane strumienia zdarzeń z usługi Event Hubs i służy do długoterminowego utrwalania danych.
- Logic Apps: wysyła alerty wygenerowane na podstawie danych przesyłanych strumieniowo do urządzenia operatora.
- Synapse Analytics: przechowywanie danych relacyjnych na potrzeby przetwarzania ad hoc i zaplanowanego przetwarzania analitycznego oraz zapytań analitycznych użytkowników.
- Power BI: wizualizuje pulpity nawigacyjne operacyjne w czasie rzeczywistym, a także serwery na potrzeby raportów analitycznych.
Alternatywy
- W zależności od scenariusza podstawowa architektura może zostać uproszczona przez usunięcie warstwy wsadowej — usunięcie magazynu dla nieprzetworzonych zdarzeń i usługi Azure Synapse dla danych relacyjnych
- Usługa Azure SQL Database to zarządzana relacyjna baza danych jako usługa. W zależności od ilości danych i wzorców dostępu możesz wybrać usługę Azure SQL Database.
- Usługa Azure Functions zapewnia efektywne podejście bezserwerowe, jeśli architektura obciążenia jest skoncentrowana na precyzyjnych składnikach rozproszonych, wymagających minimalnych zależności, gdzie poszczególne składniki są wymagane tylko do uruchamiania na żądanie (nie stale) i orkiestracji składników nie są wymagane.
- Usługa IoT Hub pełni rolę centralnego centrum komunikatów w celu zapewnienia bezpiecznej dwukierunkowej komunikacji z tożsamością poszczególnych urządzeń między platformą w chmurze a sprzętem budowlanym i innymi elementami lokacji. Usługa IoT Hub może szybko zbierać dane dla każdego urządzenia w celu pozyskiwania danych do potoku analizy danych.
Szczegóły scenariusza
Potencjalne przypadki użycia
To rozwiązanie przedstawia sposób przewidywania usterek na przykładzie wieloetapowych procesów produkcyjnych (linii montażowych). Jest to realizowane przez wykorzystanie już działających systemów testowych i danych o awarii, w szczególności patrząc na zwroty i błędy funkcjonalne na końcu linii montażowej. Dzięki połączeniu ich ze znajomością dziedziny i analizą przyczyn w ramach struktury modułowej obejmującej główne kroki przetwarzania powstaje zaawansowane ogólne rozwiązanie do analizy, które przy użyciu uczenia maszynowego przewiduje awarie przed ich wystąpieniem. Wcześniejsze przewidywanie przyszłych awarii umożliwia obniżenie kosztów napraw czy nawet odrzucenie produktu, które jest zazwyczaj bardziej opłacalne niż wycofanie i realizacja gwarancji.
Kwestie wymagające rozważenia
Te zagadnienia implementują filary struktury Azure Well-Architected Framework, która jest zestawem wytycznych, które mogą służyć do poprawy jakości obciążenia. Aby uzyskać więcej informacji, zobacz Microsoft Azure Well-Architected Framework.
Skalowalność
Większość składników używanych w tym przykładowym scenariuszu to usługi zarządzane skalowane na podstawie bieżących potrzeb scenariusza.
Aby uzyskać ogólne wskazówki dotyczące projektowania skalowalnych rozwiązań, zobacz listę kontrolną wydajności w Centrum architektury platformy Azure.
Zabezpieczenia
Zabezpieczenia zapewniają ochronę przed celowymi atakami i nadużyciami cennych danych i systemów. Aby uzyskać więcej informacji, zobacz Omówienie filaru zabezpieczeń.
Tożsamości zarządzane dla zasobów platformy Azure służą do zapewniania dostępu do innych zasobów wewnętrznych dla twojego konta. Zezwalaj tylko na dostęp do wymaganych zasobów w tych tożsamościach, aby upewnić się, że żadne dodatkowe zasoby nie są widoczne dla Twoich funkcji (i potencjalnie dla klientów).
Ogólne wskazówki dotyczące projektowania bezpiecznych rozwiązań można znaleźć w dokumentacji zabezpieczeń platformy Azure.
Odporność
Wszystkie składniki w tym scenariuszu są zarządzane, więc na poziomie regionalnym wszystkie są odporne automatycznie.
Aby uzyskać ogólne wskazówki dotyczące projektowania odpornych rozwiązań, zobacz Zasady projektowania niezawodności.
Następne kroki
- Tworzenie bezserwerowej aplikacji internetowej na platformie Azure
- Dowiedz się, jak tworzyć modele predykcyjne na platformie Azure
- Dowiedz się, jak zaimplementować rozwiązanie do przesyłania strumieniowego danych za pomocą usługi Azure Streaming Analytics
- Dokumentacja usługi Azure Event Hubs
- Dokumentacja usługi Azure Stream Analytics
- Dokumentacja usługi Azure Machine Learning
- Dokumentacja usługi Azure Storage
- Dokumentacja usługi Azure Logic Apps
- Dokumentacja usługi Azure Synapse Analytics
- Tworzenie raportów i pulpitów nawigacyjnych w usłudze Power BI — dokumentacja