製造業的解決方案
製造業是現代工業化世界的標誌,包括從採購原材料到轉型為最終產品的所有步驟。 從工業前時代的家庭製造業開始,這個行業已經發展到機械化組裝線和自動化等階段,每個新的開發都增加了更快、更有效率的製造流程。 雲端運算可以為製造公司帶來下一場革命,方法是將其IT基礎結構和流程從容易出錯的內部部署轉換為高可用性、安全且有效率的雲端,以及提供尖端物聯網 (IoT)、AI/ML 和分析解決方案。
Microsoft Azure 提供可執行下列作業的製造解決方案,以保有第四次 工業革命 的承諾:
- 協助使用工業IoT建置更敏捷的智慧工廠。
- 建立更具彈性且有利可圖的供應鏈。
- 轉換您的勞動力生產力。
- 解鎖創新和新的商業模式。
- 以新方式與客戶互動。
若要瞭解如何使用 Azure 將製造業務現代化,請造訪 Azure 進行製造。 如需更多資源,請參閱 Microsoft受信任的雲端進行製造。
製造架構指南
下列文章提供製造業中 Azure 解決方案的架構指導方針。
架構 | 摘要 | 技術焦點 |
---|---|---|
物聯網 (IoT) 架構設計 | 瞭解基本物聯網 (IoT) 概念,以及如何開始使用 Azure IoT | IoT |
使用 MLOps 架構來升級機器學習生命週期 | 了解財富 500 食品公司如何透過自定義機器學習模型,改善其需求預測,並將美國數個地區不同商店的產品庫存優化。 | AI/ML |
隨選、可調整、高功率計算 | 在本文中,我們會逐步解說一些工程和製造領域,這些領域需要大型運算能力,並探索 azure 平臺Microsoft如何協助。 | 計算 |
製造中的預測性維護 | 在引進一些預測性維護背景之後,我們將討論如何使用內部部署數據、Azure 機器學習和機器學習模型使用方式的組合,實作 PdM 解決方案的各種部分。 | AI/ML |
預測性維護解決方案 | 本文提供建置預測性維護解決方案的選項。 它呈現不同的檢視方塊和參考現有數據,讓您開始著手。 | AI/ML |
從 IoT 資料擷取可採取動作的深入解析 | 本指南提供從IoT數據分析擷取可採取動作見解所需的元件技術概觀。 | IoT |
製造架構
下列文章提供針對製造業所開發及建議之架構的詳細分析。
架構 | 摘要 | 技術焦點 |
---|---|---|
異常偵測器程式 | Anomaly Detector API 可讓您監視和偵測時間序列資料中的異常狀況,而無需知道機器學習。 | 分析 |
自動化引導車輛車隊控制 | 此範例架構示範汽車原始設備製造商 (OEM) 的端對端方法,並包含參考架構和數個已發佈的支持開放原始碼連結庫,可重複使用。 | IoT |
使用 Azure 認知服務建置語音轉換文字轉譯管線 | 藉由分析大量錄製的通話,並使用 Azure 認知服務建置語音轉文字轉譯管線,以改善客戶服務中心的效率,並轉換您的業務。 | AI/ML |
使用 Power Platform 的公民 AI | 此架構會以 Azure Synapse 案例在 Analytics 端對端擴充。 它可讓自定義 ML 模型在 Azure 機器學習 中定型,並使用使用 Microsoft Power Platform 建置的自定義應用程式來實作。 | AI/ML |
使用邊緣上的電腦視覺進行端對端製造 | 此範例架構顯示從邊緣到雲端和後端的電腦視覺端對端方法。 | AI/ML |
使用智慧型IoT Edge進行預測性維護 | 物聯網 (IoT) Edge 讓數據處理和記憶體接近數據源,以降低對雲端連線和資源的相依性,啟用快速、一致的回應。 | IoT |
質量保證 | 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。 | AI/ML |
製造的解決方案構想
以下是您可以做為製造解決方案起點的其他想法。
意見反應
https://aka.ms/ContentUserFeedback。
即將登場:在 2024 年,我們將逐步淘汰 GitHub 問題作為內容的意見反應機制,並將它取代為新的意見反應系統。 如需詳細資訊,請參閱:提交並檢視相關的意見反應