Решения для производственной отрасли
Производственный сектор, отличительная черта современного промышленного мира, охватывает все шаги от приобретения сырья до преобразования в окончательный продукт. Начиная с производства домашних хозяйств в доиндустриальную эпоху, этот сектор развивался на этапах, таких как механизированные линии сборки и автоматизация, каждый новый процесс разработки, добавляющий к более быстрым и более эффективным производственным процессам. Облачные вычисления могут привести к следующей революции для производственных компаний, преобразовав свои ИТ-инфраструктуры и процессы из локальной среды, подверженной ошибкам, в высокодоступную, безопасную и эффективную облачную среду, а также предоставляя передовые решения интернета вещей (IoT), AI/ML и аналитические решения.
Microsoft Azure обещает четвертую промышленную революцию , предоставляя производственные решения, которые могут сделать следующее:
- Помогите создавать более гибкие интеллектуальные фабрики с помощью промышленного Интернета вещей.
- Создайте более устойчивые и прибыльные цепочки поставок.
- Преобразуйте производительность рабочей силы.
- Разблокируйте инновации и новые бизнес-модели.
- Взаимодействие с клиентами новыми способами.
Чтобы узнать, как модернизировать производственный бизнес с помощью Azure, посетите Azure для производства. Дополнительные ресурсы см. в разделе Microsoft Trusted Cloud для производства.
Руководства по архитектуре для производства
В следующих статьях приведены рекомендации по архитектуре решений Azure в производственной отрасли.
Архитектура | Итоги | Фокус на технологии |
---|---|---|
Проектирование архитектуры Интернета вещей | Узнайте о основных понятиях Интернета вещей и о том, как приступить к работе с Azure IoT | IoT |
Высокомасштабный жизненный цикл машинного обучения с помощью платформы MLOps | Узнайте, как компания Fortune 500 food улучшила прогноз спроса и оптимизирована для запасов продуктов в разных магазинах в нескольких регионах США с помощью настраиваемых моделей машинного обучения. | Искусственный интеллект и машинное обучение |
По запросу масштабируемые и высокопроизводительные вычислительные ресурсы | В этой статье мы рассмотрим некоторые хорошо известные области проектирования и производства, для которых требуется большой объем вычислительной мощности, и узнаем, как может помочь платформа Microsoft Azure. | Службы вычислений |
Прогнозное обслуживание в производстве | После введения некоторого фона для прогнозного обслуживания мы обсудим, как реализовать различные части решения PdM с помощью сочетания локальных данных, машинного обучения Azure и использования моделей машинного обучения. | Искусственный интеллект и машинное обучение |
Решение прогнозного обслуживания | В этой статье описываются возможности для создания решения прогнозного обслуживания. В ней описываются различные перспективы и предоставляются справочные материалы, позволяющие приступить к работе. | Искусственный интеллект и машинное обучение |
Извлечение практических аналитических сведений из данных Интернета вещей | Это руководство содержит технический обзор компонентов, необходимых для извлечения практических полезных сведений с помощью аналитики данных Интернета вещей. | IoT |
Архитектура для производства
В следующих статьях приведен подробный анализ архитектур, разработанных и рекомендуемых для производственной отрасли.
Архитектура | Итоги | Фокус на технологии |
---|---|---|
Процесс детектора аномалий | API "Детектор аномалий" позволяет отслеживать и обнаруживать отклонения в данных временных рядов без специальных знаний в сфере машинного обучения. | Аналитика |
Автоматизированное управление автопарком управляемых транспортных средств | В этом примере архитектуры показан комплексный подход для автопроизводителя, содержащий эталонную архитектуру и несколько опубликованных вспомогательных библиотек с открытым кодом, которые можно использовать повторно. | IoT |
Создание конвейера транскрибирования речи в текст с помощью Azure Cognitive Services | Повышение эффективности центров обслуживания клиентов и преобразование бизнеса путем анализа больших объемов записанных вызовов и создания конвейера транскрибирования речи в текст с помощью Azure Cognitive Services. | Искусственный интеллект и машинное обучение |
ИИ гражданина с помощью Power Platform | Архитектура расширяет возможности комплексной аналитики с помощью сценария Azure Synapse. Она позволяет обучать пользовательскую модель ML в Машинном обучении Azure и внедрять ее в настраиваемое приложение, созданное с помощью Microsoft Power Platform. | Искусственный интеллект и машинное обучение |
Комплексное производство с использованием Компьютерного зрения в пограничной среде | В этом примере архитектуры показан комплексный подход к компьютерного зрения от края до облака и обратно. | Искусственный интеллект и машинное обучение |
Прогнозное обслуживание с помощью интеллектуального IoT Edge | Edge на основе Интернета вещей (IoT) перемещает обработку данных и хранилище ближе к источнику данных, что обеспечивает быстрые и единообразные отклики и уменьшает зависимость от подключения к облаку и ресурсам. | IoT |
Контроль качества | Это решение показывает, как прогнозировать появление сбоев на основе образцов производственных конвейеров (линии сборки). | Искусственный интеллект и машинное обучение |
Идеи решения для производства
Ниже приведены другие идеи, которые можно использовать в качестве отправной точки для вашего производственного решения.
- Безопасная среда COVID-19 с мониторингом и оповещением IoT Edge
- Создание персонализированных маркетинговых решений практически в реальном времени
- Прогнозирование спроса
- Прогнозирование спроса для доставки и распределения
- Мониторинг окружающей среды и оптимизация цепочки поставок с помощью Интернета вещей
- Управление объектами, управляемыми смешанной реальностью и IoT
- Классификация изображений с помощью сверточных нейронных сетей
- Интеллектуальный анализ знаний для поддержки клиентов и анализа отзывов
- Сетевые подключения с низкой задержкой для промышленности
- Прогнозный мониторинг двигателя самолета
- Прогнозная аналитика с телематиками транспортных средств
- Отслеживание и трассировка цепочки поставок
Обратная связь
https://aka.ms/ContentUserFeedback.
Ожидается в ближайшее время: в течение 2024 года мы постепенно откажемся от GitHub Issues как механизма обратной связи для контента и заменим его новой системой обратной связи. Дополнительные сведения см. в разделеОтправить и просмотреть отзыв по