أفكار الحل
هذه المقالة هي فكرة حل. إذا كنت ترغب في توسيع المحتوى بمزيد من المعلومات، مثل حالات الاستخدام المحتملة أو الخدمات البديلة أو اعتبارات التنفيذ أو إرشادات التسعير، فقم بإعلامنا من خلال تقديم ملاحظات GitHub.
توضح هذه المقالة حـل إنترنت الأشياء (IoT) الذي يوفر خدمات الطاقة والضوء والإنترنت للمواقع البعيدة.
بناء الأنظمة
حـل التطبيق
قم بتنزيل ملف Visio لهذه البنية.
تدفق البيانات
هذا تطبيق خدمات مصغرة في حاويات مع واجهات المستخدم النهائي:
- يستخدم وكلاء المبيعات والخدمات الميدانية نظاما أساسيا للجوال للتفاعل مع تطبيق السحابة عبر Azure Application Gateway. يستخدم المستخدمون النهائيون واجهة مضمنة أو تطبيق الأجهزة المحمولة للوصول إلى أجهزتهم والتحكم بها.
- تستخدم بوابة التطبيق بروتوكولات المُراسلة للتفاعل مع المستخدمين والمشغلين.
- يتكون تطبيق السحابة من خدمات مُصغرة في حاويات توفر ميزات وواجهات مثل إدارة الهوية والوصول وترقيات الأجهزة والإعلامات والخدمات التجارية.
- اعتمادا على الميزات المستخدمة، يصل التطبيق إلى خدمات وموارد مثل Azure Blob Storage لتخزين البيانات غير المهيكلة، Azure Cosmos DB لقواعد البيانات المنظمة الكبيرة، وخدمات Azure Media Services لمحتوى الترفيه.
- ترسل بوابة IoT أيضا بيانات تتبع الاستخدام المُتدفقة وبيانات المستخدم إلى السحابة عبر Azure IoT Hub، لاستخدامها في التحليلات والتعلم الآلي (ML).
حـل التحليلات والتعلم الآلي
يتضمن جزء المعلومات المهنية من العملية حـلقة تحليل البيانات والتحكم التالية:
قم بتنزيل ملف Visio لهذه البنية.
تدفق البيانات
- يتلقى IoT Hub بيانات تتبع الاستخدام المُتدفقة وبيانات المُستخدم من أجهزة IoT، ويوجه الأحداث إلى Azure Databricks عبر Azure Functions.
- يقوم Azure Databricks باستخراج بيانات الحدث وتحويلها وتحميلها (ETLs) .
- يستخدم Azure Databricks الخدمة Azure Functions لإرسال بعض الأحداث، مثل المنبهات، مباشرة إلى تطبيق دعم العملاء لاتخاذ إجراء.
- يُرسل Azure Databricks بيانات ETL إلى Azure Synapse، والتي تقوم بإجراء التحليلات وتخزين البيانات.
- تستخدم تقارير Power BI البيانات والتحليلات التي تـم تحليلها. يُمكن لموفر الخدمة استخدام البيانات لتقييم النظام والتخطيط المستقبلي.
- يستخدم Azure التعلم الآلي مجموعة Databricks لتدريب نماذج التعلم الآلي وإعادة تدريبها لإدارة الطـاقة. تجمع إعادة تدريب النموذج بين البيانات الحالية والبيانات الخارجية المـخزنة، مثل الطقس والتنبؤات التاريخية، على Azure Cosmos DB.
- يقوم النموذج المعاد تدريبه بتشغيل البنية الأساسية لبرنامج ربط العمليات التجارية التي تحزم النموذج وترسل النماذج المُعاد تدريبها إلى IoT Hub. يرسل IoT Hub النماذج المُحدثة إلى أجهزة IoT لاستخدامها لإدارة الأجهزة.
المكونات
- تدير Azure Application Gateway حركة المرور وتوازنها مـن وإلى تطبيقات الويب السحابية.
- تستضيف خدمة Azure Kubernetes (AKS) وتبسط تنسيق Kubernetes لتطبيقات Docker الحاوية.
- Azure Container Registry هي خدمة تسجيل خاصة مدارة تدعم تطبيقات AKS على نطاق واسع.
- Azure IoT Hub هو مركز رسائل سحابي مركزي للاتصالات ثنائية الاتجاه بين تطبيقات وأجهزة IoT.
- Azure Databricks هي خدمة تحليلات سريعة وسهلة وتعاونية تستند إلى Apache Spark لمسارات البيانات الضخمة.
- Azure Synapse Analytics، مخزن بيانات SQL سابقًا، هي خدمة تحليلات تجمع بين تخزين بيانات المؤسسة وتحليلات البيانات الضخمة.
- Power BI عبارة عن مجموعة من خدمات البرامج والتطبيقات والموصلات التي تحول البيانات إلى تصورات وتقارير متماسكة وشاملة وتفاعلية.
- التعلم الآلي من Microsoft Azure هي بيئة التعلم الآلي المستندة إلى السحابة التي تستخدم البيانات الموجودة للتنبؤ بالسلوكيات والنتائج والاتجاهات المستقبلية.
تفاصيل السيناريو
وتقوم شركة اتصالات واسعة النطاق بإنشاء الحل على أجهزة إنترنت الأشياء التي يُمكن أن تعمل كمراكز للطاقة والإنترنت للمنازل والشركات الصغيرة.
تحتوي أجهزة IoT على بوابة IoT تعمل كمركز لنقل البيانات وتسليم الخدمة المُخصصة. تستخدم الأجهزة لوحة شمسية على السـطح لشحن البطارية، والتي توفر ضوء LED وطاقة USB والاتصال الخلوي. تجمع البوابة بيانات تتبع الاستخدام وترسلها من الألواح الشـمسية والبطارية وأجهزة الإخراج. يتضمن الحل أيضًا جهاز IoT مع بطاقة SIM متكاملة وكمبيوتر لوحي لتوفير واجهة مستخدم.
يوفر جهاز IoT الأساسي ضوء LED وشحن جهاز USB والاتصال بالإنترنت ودعم المُستخدم من خلال التنبيهات وروبوتات الدردشة. يُمكن للمستخدمين الحصول على المزيد من الخدمات والمحتوى عند الطلب أو عن طريق الاشتراك.
يجمع الحل العام بين الأجهزة المتصلة بـ IoT وتطبيقات الأجهزة المحمولة المستندة إلى النظام الأساسي لـ Azure. يوفر الحل خدمات طاقة وإنترنت نظيفة ومُنخفضة التكلفة مع موثوقية عالية وأقل وقت تعطل.
يَدعم Azure اثنين من تدفقات العمل الرئيسية في حل IoT هذا:
يكشف القياس عن بُعد لجهاز IoT في الوقت الحقيقي عن حالات شاذة عابرة أو طويلة الأمد. يُمكن للنظام الاستجابة عبر روبوتات الدردشة في الوقت الحقيقي واتخاذ إجراءات الجهاز. على سبيل المثال، في ظروف الطاقة المنخفضة، يُمكن للجهاز تقليل استخدام الطاقة للخلفية أو الميزات غير النشطة. يستمر المُستخدم في الحصول على تجربة جيدة مع الخدمات التي يستخدمها بنشاط.
تقوم تحليلات البيانات والتعلم الآلي بعد المُعالجة بتقييم الاستخدام والحوادث لتحديد الصيانة التنبؤية والاحتياجات المستقبلية. يُمكن للتنبيهات إعلام العملاء بالأجزاء التي من المتوقع أن تفشل قريبا.
حالات الاستخدام المحتملة
يُمكن للسيناريوهات والصناعات التالية استخدام هذا الحل:
- المواقع ذات الطاقة المركزية المـحدودة والاتصال بالإنترنت.
- الأخبار والترفيه والمؤسسات التعليمية لتقديم المُحتوى والبرمجة.
- المؤسسات المالية، لتقديم خدمات التجارة والخدمات المَصرفية عبر الإنترنت.
- الوكالات الحكومية ووكـالات الصحة العامة لاتصالات الطوارئ والدعم.
الخطوات التالية
- مفاهيم IoT وAzure IoT Hub
- مقدمة إلى سجلات حاوية Docker الخاصة في Azure
- ما هو تجمع SQL المخصص (المعروف سابقا ب SQL DW) في Azure Synapse Analytics؟
- MLOps: إدارة النموذج والنشر والانتشار والمراقبة باستخدام Azure التعلم الآلي
- إعداد بيئة تطوير باستخدام Azure Databricks و AutoML في التعلم الآلي من Microsoft Azure
- جهاز مزود بالطاقة الشمسية سيجلب الترفيه عبر الإنترنت والتعليم إلى القرى
- دراسة حالة فيريون