Redigera

Dela via

Kvalitetskontroll

Azure Event Hubs
Azure Machine Learning
Azure Stream Analytics
Power BI

Med kvalitetssäkringssystem kan företag förhindra defekter i processen med att leverera varor eller tjänster till kunderna. Att skapa ett sådant system som samlar in data och identifierar potentiella problem längs en pipeline kan ge enorma fördelar. Inom digital tillverkning är det till exempel livsviktigt med kvalitetssäkring längs hela monteringslinjen. Att identifiera flaskhalsar och potentiella fel i förväg kan hjälpa företaget att minska kostnaderna för kassering och omarbeten och samtidigt öka produktiviteten.

Arkitektur

Arkitekturdiagram visar data i Azure Event Hubs, sedan till Data Lake och sedan processer med Stream Analytics, slutligen till Power BI-visualisering.

Ladda ned en Visio-fil med den här arkitekturen.

Dataflöde

  1. Källsystemhändelsegeneratorn strömmar data till Azure Event Hubs.
  2. Event Hubs använder Capture för att skicka rådatahändelser till Data Lake.
  3. Ett Stream Analytics-jobb läser realtidsdata från Event Hubs.
  4. Ett Stream Analytics-jobb anropar ML-modellen i Azure Mašinsko učenje för att förutsäga fel/defekter.
  5. Ett Stream Analytics-jobb skickar strömaggregeringar till Power BI-realtidsinstrumentpanelen för åtgärder.
  6. Ett Stream Analytics-jobb skickar bearbetade realtidsdata till Azure Synapse SQL-pool.
  7. En Logic Apps skickar aviseringar från strömmande data till en mobiltelefon.
  8. Power BI används för resultatvisualisering.

Komponenter

  • Event Hubs matar in sammansättningsradshändelser och skickar dem vidare till Stream Analytics och en Azure ML-webbtjänst.
  • Azure Stream Analytics: Stream Analytics accepterar indataströmmen från Event Hubs, anropar en Azure ML-webbtjänst för att göra förutsägelser och skickar strömmen till Azure Synapse och Power BI och Logic Apps för aviseringar.
  • Azure Mašinsko učenje: Mašinsko učenje hjälper dig att utforma, testa, operationalisera och hantera förutsägelseanalyslösningar i molnet och distribuera webbtjänster som kan anropas av Stream Analytics.
  • Lagringskonton: Azure Storage lagrar rådataströmmar från Event Hubs och hanterar långsiktig datapersistence.
  • Logic Apps: Skickar aviseringar som genererats från strömmande data till operatörsenheten.
  • Synapse Analytics: Lagra relationsdata för ad hoc- och planerad analysbearbetning och användaranalysfrågor.
  • Power BI: visualiserar driftinstrumentpaneler i realtid och även servrar för analysrapporter.

Alternativ

  • Beroende på scenariot kan den grundläggande arkitekturen förenklas genom att ta bort batchlagret – ta bort Lagring för rådatahändelser och Azure Synapse för relationsdata
  • Azure SQL Database är en hanterad relationsdatabas som en tjänst. Beroende på dina datavolymer och åtkomstmönster kan du välja Azure SQL Database.
  • Azure Functions tillhandahåller en effektiv serverlös metod om arbetsbelastningsarkitekturen är centrerad kring detaljerade distribuerade komponenter, vilket kräver minimala beroenden, där enskilda komponenter endast krävs för att köras på begäran (inte kontinuerligt) och orkestrering av komponenter inte krävs.
  • IoT Hub fungerar som en central meddelandehubb för säker dubbelriktad kommunikation med identitet per enhet mellan molnplattformen och byggutrustningen och andra platselement. IoT Hub kan snabbt samla in data för varje enhet för inmatning till dataanalyspipelinen.

Information om scenario

Potentiella användningsfall

Den här lösningen visar hur du kan förutse fel i exemplet med pipelines för tillverkning (löpande band). Detta görs genom att använda testsystem som redan finns och feldata, särskilt genom att titta på returer och funktionella fel i slutet av monteringslinjen. Om du kombinerar detta med branschkunskaper och analyser av grundorsaker till problemen får du en modulbaserad design som rymmer alla huvudsakliga steg i processen. Du får tillgång till allmänna och avancerade analyser som använder maskininlärning till att förutsäga fel innan de inträffar. Om fel kan förutses tidigt kassera produkter eller lägga pengar på kostsamma reparationer. Förebyggande arbete är i regel mindre kostsamt än återkallelse av produkter och garantireparationer.

Att tänka på

Dessa överväganden implementerar grundpelarna i Azure Well-Architected Framework, som är en uppsättning vägledande grundsatser som kan användas för att förbättra kvaliteten på en arbetsbelastning. Mer information finns i Microsoft Azure Well-Architected Framework.

Skalbarhet

Majoriteten av de komponenter som används i det här exempelscenariot är hanterade tjänster som skalas baserat på dina aktuella scenariobehov.

Allmän vägledning om hur du utformar skalbara lösningar finns i checklistan för prestandaeffektivitet i Azure Architecture Center.

Säkerhet

Säkerhet ger garantier mot avsiktliga attacker och missbruk av dina värdefulla data och system. Mer information finns i Översikt över säkerhetspelare.

Hanterade identiteter för Azure-resurser används för att ge åtkomst till andra resurser som är interna för ditt konto. Tillåt endast åtkomst till nödvändiga resurser i dessa identiteter för att säkerställa att inget extra exponeras för dina funktioner (och potentiellt för dina kunder).

Allmän vägledning om hur du utformar säkra lösningar finns i Azure Security-dokumentationen.

Motståndskraft

Alla komponenter i det här scenariot hanteras, så på regional nivå är de alla motståndskraftiga automatiskt.

Allmän vägledning om hur du utformar motståndskraftiga lösningar finns i Principer för tillförlitlighetsdesign.

Nästa steg