解决方案构想
本文介绍了一种解决方案构想。 云架构师可以通过本指南来帮助可视化此体系结构的典型实现的主要组件。 以本文为起点，设计一个符合工作负荷特定要求的架构合理的解决方案。
如今，大多数设施在运行时都是被动响应液位问题。 这种反应会导致泼溅、紧急关闭、昂贵的补救成本、法规问题、高昂的维修和罚款。 液位预测有助于管理和减少这些问题及其他问题。
体系结构
下载此体系结构的 Visio 文件。
数据流
- 数据将馈送到 Azure 事件中心和 Azure Synapse Analytics 服务，作为将在剩余解决方案流中使用的数据点或事件。
- Azure 流分析将分析数据，以便对事件中心的输入流提供准实时分析，并将直接结果发布到 Power BI 进行可视化。
- Azure 机器学习用于在接收输入后预测特定区域的储罐液位。
- Azure Synapse Analytics 用于存储从 Azure 机器学习收到的预测结果。 然后这些结果在 Power BI 仪表板中使用。
- Azure 数据工厂处理每小时模型重新训练的业务流程和计划。
- 最后，Power BI 用于将结果可视化，以便用户可以实时监视设施的储罐液位，并使用预测液位信息防止溢出。
组件
方案详细信息
储罐液位预测过程从井输入开始。 石油在进入设施时会通过计量器进行测量，然后进入储罐。 在提炼过程中，系统会监视和记录储罐中的液位。 石油、天然气和水输出量通过传感器、计量器和记录进行记录。 然后，系统使用设施中的数据进行预测；例如，可以每隔 15 分钟进行一次预测。
Azure 认知服务具有可适应性，并且可以进行自定义来满足设施和公司的不同要求。
可能的用例
此解决方案非常适合能源、汽车和航空航天行业。
系统通过利用传感器、计量器和记录中随时可用的实时和历史数据来创建预测，这些数据在以下方案中有帮助：
- 防止储罐溢出和紧急关闭
- 发现硬件故障或其他故障
- 计划维护、关闭和物流
- 优化运营和设施效率
- 检测管道泄漏和腾涌
- 降低成本、罚款和停机时间
后续步骤
产品文档：
Microsoft Learn 模块：