品質保證系統可讓企業預防在商品或服務遞送給消費者的過程中出現缺失。 建置此類沿管線收集資料及識別可能問題的系統，可獲得莫大好處。 例如，在數位製造業中，保證整條裝配線的品質勢在必行。 在延遲與可能失敗發生前即找出它們，而不是在偵測到問題後才找出它們，可協助業者降低處理廢品和重做的費用，同時提高生產力。
架構
資料流程
- 來源系統事件產生器會將資料串流至Azure 事件中樞。
- 事件中樞會使用擷取將原始事件傳送至 Data Lake。
- 串流分析作業會從事件中樞讀取即時資料。
- 串流分析作業會呼叫 Azure 中的 ML 模型機器學習來預測失敗/瑕疵。
- 串流分析作業會將串流匯總傳送至 Power BI 即時儀表板以進行作業。
- 串流分析作業會將已處理的即時資料推送至 Azure Synapse SQL 集區。
- Logic Apps 會將警示從串流資料傳送至行動電話。
- Power BI 用於結果視覺效果。
元件
- 事件中 樞會擷取元件行事件，並將其傳遞至串流分析和 Azure ML Web 服務。
- Azure 串流分析：串流分析 會接受來自事件中樞的輸入串流、呼叫 Azure ML Web 服務來執行預測，並將串流傳送至 Azure Synapse 和 Power BI 和 Logic Apps 以進行警示。
- Azure 機器學習 ：機器學習可協助您在雲端設計、測試、運作及管理預測性分析解決方案，以及部署可由串流分析呼叫的 Web 服務。
- 儲存體帳戶 ：Azure 儲存體儲存來自事件中樞的原始事件資料流程資料，並用於長期資料持續性。
- Logic Apps ：將從串流資料產生的警示傳送到操作員裝置。
- Synapse Analytics ：儲存關聯式資料，以進行臨機操作和計劃性分析處理和使用者分析查詢。
- Power BI ：視覺化即時操作儀表板，以及分析報表的伺服器。
替代項目
- 視案例而定，您可以移除批次層來簡化基本架構 - 移除原始事件的儲存體，以及關聯式資料的 Azure Synapse
- Azure SQL 資料庫 是受控關係資料庫即服務。 視您的資料磁片區和存取模式而定，您可以選擇 Azure SQL 資料庫。
- 如果工作負載架構以精細的分散式元件為中心，需要最少的相依性，Azure Functions 會提供有效的無伺服器方法，其中個別元件只需要隨選執行（而非持續）且不需要元件的協調流程。
- IoT 中樞 可作為中央訊息中樞，以在雲端平臺與建築設備和其他網站元素之間，使用個別裝置身分識別進行安全雙向通訊。 IoT 中樞可以快速收集每個裝置的資料，以擷取到資料分析管線。
案例詳細資料
潛在的使用案例
此解決方案示範如何使用製造流水線範例 (裝配線) 預測失敗。 這是藉由利用已經就地的測試系統與失敗資料來完成，特別是查看元件行結尾的傳回和功能失敗。 我們將這些與包含主要處理步驟之模組化設計內的專業知識和根本原因分析結合，提供一般的進階分析解決方案，該解決方案使用機器學習服務在發生失敗之前預測失敗。 提早預測未來失敗就能進行成本較低的修復甚至是捨棄，這通常比進行回收和瑕疵擔保成本更符合成本效益。
考量
這些考慮會實作 Azure Well-Architected Framework 的支柱，這是一組指導原則，可用來改善工作負載的品質。 如需詳細資訊，請參閱 Microsoft Azure Well-Architected Framework 。
延展性
此範例案例中使用的大部分元件都是根據您的目前案例需求進行調整的受控服務。
如需設計可調整解決方案的一般指引，請參閱 Azure 架構中心的效能效率檢查清單 。
安全性
安全性可提供針對蓄意攻擊和濫用寶貴資料和系統的保證。 如需詳細資訊，請參閱 安全性要素 概觀。
Azure 資源的 受控識別可用來提供帳戶內部其他資源的存取權。 只允許存取這些身分識別中的必要資源，以確保不會向您的函式公開任何額外專案（且可能向您的客戶公開）。
如需設計安全解決方案的一般指引，請參閱 Azure 安全性檔案 。
復原
此案例中的所有元件都會受到管理，因此在區域層級，它們都會自動復原。
如需設計復原解決方案的一般指引，請參閱 可靠性設計原則 。
下一步
- 在 Azure 中建置無伺服器 Web 應用程式
- 瞭解如何在 Azure 上建立預測模型
- 瞭解如何使用 Azure 串流分析實作資料串流解決方案
- Azure 事件中樞檔
- Azure 串流分析文件
- Azure Machine Learning 文件
- Azure 儲存體文件
- Azure Logic Apps 文件
- Azure Synapse Analytics 文件
- 在 Power BI 中建立報表和儀表板 - 文件