Les systèmes d’assurance qualité permettent aux entreprises de prévenir les défauts dans leurs processus de livraison de biens ou de services aux clients. La création d’un système de ce type qui collecte des données et identifie les problèmes potentiels dans un pipeline peut offrir d’énormes avantages. Par exemple, dans la fabrication numérique, l’assurance qualité sur la ligne de production est impérative. L’identification des ralentissements et des défaillances potentielles avant qu’ils ne se produisent et non après leur détection peut aider les entreprises à réduire les coûts de rebut et de retravail tout en améliorant la productivité.
Architecture
Téléchargez un fichier Visio de cette architecture.
Dataflow
- Le générateur d’événements du système source diffuse des données dans Azure Event Hubs.
- Event Hubs utilise Capture pour envoyer des événements bruts à Data Lake.
- Un travail Stream Analytics lit des données en temps réel à partir d’Event Hubs.
- Un travail Stream Analytics appelle un modèle ML dans Azure Machine Learning pour prédire les défaillances/défauts.
- Un travail Stream Analytics envoie des agrégations de flux à un tableau de bord Power BI en temps réel pour les opérations.
- Un travail Stream Analytics pousse les données traitées en temps réel dans le pool Azure Synapse SQL.
- Une application Logic Apps envoie des alertes à partir de données de streaming vers un téléphone mobile.
- Power BI est utilisé pour visualiser les résultats.
Composants
- Event Hubs ingère des événements de ligne d’assemblage et les transmet à Stream Analytics et à un service web Azure ML.
- Azure Stream Analytics accepte le flux d’entrée d’Event Hubs, appelle un service web Azure ML pour effectuer des prédictions et envoie le flux à Azure Synapse et Power BI et Logic Apps pour les alertes.
- Azure Machine Learning vous aide à concevoir, tester, opérationnaliser et gérer des solutions d’analyse prédictive dans le cloud, ainsi qu’à déployer des services web que Stream Analytics peut appeler.
- Comptes de stockage : le stockage Azure stocke les données de flux d’événements brutes à partir d’Event Hubs et sert à la conservation des données à long terme.
- Logic Apps envoie des alertes générées à partir des données de streaming vers un appareil d’opérateur.
- Synapse Analytics stocke des données relationnelles pour le traitement analytique ad hoc et planifié et les requêtes analytiques utilisateur.
- Power BI visualise les tableaux de bord opérationnels en temps réel et les serveurs pour les rapports analytiques.
Autres solutions
- Selon le scénario, l’architecture de base peut être simplifiée en supprimant le stockage de la couche de traitement par lots pour les événements bruts et Azure Synapse pour les données relationnelles.
- Azure SQL Database est une base de données en tant que service relationnelle managée. En fonction des volumes de données et des modèles d’accès, vous pouvez choisir Azure SQL Database.
- Azure Functions fournit une approche serverless efficace si l’architecture de la charge de travail s’articule autour de composants distribués précis, nécessitant des dépendances minimales, où les différents composants doivent uniquement être exécutés à la demande (et non de façon continue) et où l’orchestration des composants n’est pas obligatoire.
- IoT Hub joue le rôle de hub de messages central sécurisant les communications bidirectionnelles entre la plateforme cloud et les équipements et autres éléments du site de construction grâce à la gestion des identités par appareil. IoT Hub peut collecter rapidement les données de chaque appareil en vue de leur ingestion dans le pipeline d’analytique des données.
Détails du scénario
Cas d’usage potentiels
Cette solution montre comment prédire les défaillances à l’aide de l’exemple de pipelines de fabrication (lignes d’assemblage). Elle fait cela en utilisant des systèmes de test déjà en place et des données d’échec, en examinant en particulier les retours et les défaillances fonctionnelles à la fin de la ligne d’assemblage. En associant ces éléments à la connaissance du domaine et à l’analyse de la cause racine au sein d’une conception modulaire qui encapsule les principales étapes de traitement, nous fournissons une solution d’analytique avancée générique qui utilise l’apprentissage automatique pour prédire des défaillances avant qu’elles se produisent. Une prédiction précoce de défaillances futures permet d’effectuer des réparations moins coûteuses, voire de mettre au rebut, ce qui est généralement plus rentable que de s’exposer à des coûts de rappel et de garantie.
Considérations
Ces considérations implémentent les piliers d’Azure Well-Architected Framework qui est un ensemble de principes directeurs qui permettent d’améliorer la qualité d’une charge de travail. Pour plus d’informations, consultez Microsoft Azure Well-Architected Framework.
Extensibilité
La majorité des composants utilisés dans cet exemple de scénario sont des services gérés qui peuvent être mis à l’échelle en fonction de vos besoins et scénarios.
Pour obtenir des conseils d’ordre général sur la conception de solutions évolutives, consultez la liste de contrôle de l’efficacité des performances dans le Centre des architectures Azure.
Sécurité
La sécurité fournit des garanties contre les attaques délibérées, et contre l’utilisation abusive de vos données et systèmes importants. Pour plus d’informations, consultez Vue d’ensemble du pilier Sécurité.
Des identités managées pour ressources Azure permettent à d’autres ressources internes d’accéder à votre compte. Autorisez uniquement l’accès aux ressources requises dans ces identités pour vous assurer qu’aucun élément supplémentaire n’est exposé à vos fonctions (et potentiellement à vos clients).
Pour obtenir des conseils d’ordre général sur la conception de solutions sécurisées, consultez la documentation sur la sécurité Azure.
Résilience
Comme tous les composants de ce scénario sont gérés, à un niveau régional, ils sont résilients automatiquement.
Pour obtenir des conseils généraux sur la conception de solutions résilientes, consultez Principes de conception de fiabilité.
Étapes suivantes
- Créer une application web serverless dans Azure
- Créer des modèles prédictifs sur Azure
- Implémenter une solution de streaming de données avec Azure Stream Analytics
- Documentation Azure Event Hubs
- Documentation d’Azure Stream Analytics
- Documentation Azure Machine Learning
- Documentation d’Azure Storage
- Documentation d’Azure Logic Apps
- Documentation Azure Synapse Analytics
- Créer des rapports et des tableaux de bord dans Power BI - Documentation