Hibák megelőzése prediktív karbantartással elemzés és gépi tanulás használatával

Event Hubs
Machine Learning
Stream Analytics
Synapse Analytics
Power BI

Solution Idea

Ha szeretné, hogy ezt a cikket további információkkal bővítse ki, például a lehetséges használatot, az alternatív szolgáltatásokat, az implementációval kapcsolatos szempontokat vagy a díjszabási útmutatót, az GitHub visszajelzésével.

Megtudhatja, hogyan jelezhet előre Azure Machine Learning hibákat a valós idejű szerelvénysor-adatokkal való bekövetkezésük előtt.

Ez a megoldás az Azure által felügyelt szolgáltatásokra épül: Azure Stream Analytics,Event Hubs,Azure Machine Learning,Azure Synapse Analytics, és Power BI. Ezek a szolgáltatások magas rendelkezésre állású környezetben futnak, javításokkal és támogatással, így Ön a megoldásra összpontosíthat az azok által futtatott környezet helyett.

Architektúra

Architektúradiagram: hibák megelőzése prediktív karbantartással.Töltse le az architektúra SVG-ját.

Összetevők

  • Event Hubs a nyers szerelvénysoradatokat, és továbbítja az adatokat a Azure Stream Analytics.
  • Azure Stream Analytics közel valós idejű elemzést biztosít a bemeneti streamről a Event Hubs. A rendszer szűri a bemeneti adatokat, és továbbküldi őket Azure Machine Learning végpontnak. A gépi tanulás eredményeit egy irányítópultra Power BI el.
  • Azure Machine Learning lehetséges hibákat jelez előre a valós idejű szerelvénysor adatai alapján a Stream Analytics.
  • Azure Synapse Analytics a szerelvénysor adatait és a hiba-előrejelzéseket.
  • Power BI lehetővé teszi a felhasználóktól származó valós idejű szerelvénysor-adatok, Stream Analytics hibák és riasztások megjelenítését a Data Warehouse.

Következő lépések

Tekintse meg a termék dokumentációját:

Tekintse meg a következő kapcsolódó Azure Architecture Center cikkeket: