Branchenspezifische Azure IoT-Referenzarchitekturen

  • Artikel

Dieser Artikel enthält eine Übersicht über branchenspezifische IoT-Referenzarchitekturen (Internet of Things, Internet der Dinge) und Beispiellösungen.

In den folgenden Azure IoT-Lösungen und -Beispielszenarien geht es um besondere geschäftliche Herausforderungen für bestimmte Branchen. Allgemeine IoT-Muster und -Leitfäden, die branchenübergreifend gelten, finden Sie unter Erste Schritte mit Azure IoT-Lösungen.

Automobilindustrie und Transportwesen

  • Verarbeiten von Fahrzeugdaten per IoT in Echtzeit. Die Erfassung, Verarbeitung und Visualisierung von Fahrzeugdaten sind Schlüsselfunktionen von vernetzten Fahrzeuglösungen. Das Erfassen und Analysieren von Fahrzeugdaten in Echtzeit bietet wertvolle Einblicke zum Erstellen neuer Lösungen.

  • Echtzeit-Ressourcennachverfolgung für Fahrzeuge. Mit Azure IoT Central und anderen Azure-Dienste können Fahrzeuge und andere Ressourcen in Echtzeit nachverfolgt und verwaltet werden.

  • Eisenbahnintegritätssystem mit IoT Edge. Edgecomputing ermöglicht schnelle, konsistente Reaktionen mit geringerer Abhängigkeit von Cloudkonnektivität und -ressourcen. In dieser Lösung für die Wartung und Sicherheit von Zügen bietet Intelligent Edge Datenverarbeitung und Speicherung in der Nähe der Datenquelle.

  • Steuerung einer Flotte von automatisierten fahrerlosen Transportfahrzeugen. Automatisierte fahrerlose Transportfahrzeuge (Automated Guided Vehicles, AGVs) sind ein wichtiger Bestandteil der Just-In-Time-Fertigung und automatisierten Logistik im Fertigungsbereich. In diesem Beispiel liefern AGVs Teile an die Montagebänder der Automobilindustrie.

Energie und Umwelt

  • Umgebungsüberwachung und Lieferkettenoptimierung mit IoT. Die Umgebungsüberwachung ist für das globale Supply Chain Management von entscheidender Bedeutung. In einem Szenario zur Lagerhallenverwaltung werden Umgebungsbedingungen überwacht und die Daten mit Machine Learning (ML) verarbeitet, um Vorhersagen zu generieren.

  • IoT-Nachhaltigkeit von Project 15 Open Platform. Die Open-Source-Software Open Platform stellt eine Verbindung mit der Cloud her und verwaltet Geräte für Wissenschafts- und Naturschutzprojekte auf sichere Weise. Diese Architektur dient als Referenz für die Erstellung von umfassenden Open-Source-IoT-Lösungen.

Einrichtungen und Immobilien

  • Erstellen intelligenter Orte mithilfe von Azure Digital Twins. Intelligente Orte sind physische Umgebungen (etwa Gebäude, Universitätsgelände und Städte), in denen verbundene Geräte und Datenquellen miteinander verbunden werden. Azure Digital Twins speichert digitale Darstellungen physischer Umgebungen, die zur Überwachung, Analyse und Verwaltung verwendet werden.

  • Sichere Umgebungen mit IoT Edge-Überwachung und -Benachrichtigung. Durch die Kombination der vorhandene CCTV-Infrastruktur (Closed-Circuit Television) mit Intelligent Edge von Azure und anderen Diensten von Azure und Microsoft können Organisationen Gesundheits- und Sicherheitsvorgaben überwachen, einhalten und verbessern.

Fertigung

  • Zustandsüberwachung für industrielles IoT. Mit der Zustandsüberwachung können Hersteller Anomalien erkennen, bevor sie kritisch werden. In dieser Lösung stellen IoT-Geräte über OPC UA und Azure Industrial IoT-Komponenten eine Verbindung mit der Cloud her.

  • Predictive Maintenance für industrielles IoT. Predictive Maintenance diagnostiziert und prognostiziert Fehlfunktionen und Wartungsbedarf auf per OPC UA verbundenen Geräten. Diese Lösung nutzt Mixed Reality- und Digital Twins-Technologien, um die Produktion in Echtzeit zu optimieren.

  • End-to-End-Fertigung durch maschinelles Sehen am Edge Branchen verwenden maschinelles Sehen und ML für Anwendungen für Sicherheit und Qualitätssicherung. Dieses Beispiel zeigt einen End-to-End-Ansatz für maschinelles IoT-Sehen, der Prozesse im Laufe der Zeit verbessert.

Retail

  • Videoaufnahme und Analysen für den Einzelhandel. Einzelhändler wie z. B. Supermärkte können Schaufensterereignisse überwachen und sofort Maßnahmen ergreifen, um das Kundenerlebnis zu verbessern. Lokale IoT Edge-Geräte analysieren Videodaten in Echtzeit, um Probleme wie leere Regalflächen oder lange Kundenschlangen zu erkennen und zu beheben.

Nächste Schritte