Olaj- és benzintartályszint előrejelzése

Data Factory
Event Hubs
Machine Learning
Stream Analytics
Synapse Analytics
Power BI

Solution Idea

Ha szeretné látni, hogyan bővítjük ki ezt a cikket olyan további információkkal, mint a lehetséges esetek, az alternatív szolgáltatások, az implementációval kapcsolatos megfontolások vagy a díjszabási útmutató, GitHub visszajelzéssel!

Napjainkban a legtöbb létesítmény reaktívan reagál a tankszintek problémáira. Ez gyakran túlcsomózáshoz, vészhelyzeti leálláshoz, költséges szervizelési költségekhez, szabályozási problémákhoz, költséges javításokhoz és finomításhoz vezet. A tankszintű előrejelzés segít ezeknek és más problémáknak a kezelésében és megoldásában.

Az előrejelzések az érzékelőkből, mérőszámokból és rekordokból rendelkezésre álló valós idejű és előzményadatok által biztosított lehetőségek kiaknázásával érhetők el, ami a következő lehetőségeket teszi lehetővé:

  • A tárolóbeömlés és a vészhelyzeti leállások megakadályozása
  • Hardverhibák vagy -hibák felderítése
  • Karbantartás, leállítások és logisztika ütemezése
  • Műveletek és létesítményhatékonyság optimalizálása
  • Folyamatszivárgások és lassú szivárgások észlelése
  • Költségek, finomhangok és állásidő csökkentése

A tankszintű előrejelzési folyamat a jól megadott adatoknál kezdődik. Az olaj mérése akkor történik, amikor mérők segítségével kerül be a létesítménybe, és a motornak küldi el. A szintek monitorozása és rögzítése a finomítási folyamat során, majd az olaj-, gáz- és vízkimenet rögzítése érzékelőkkel, mérőműveletekkel és rekordokkal. Az előrejelzések ezután a létesítményből származó adatok alapján készülnek; Az előrejelzések például 15 percenként is létrehozhatóak.

A Cortana Intelligence Suite testreszabható, és a létesítmények és vállalatok különböző követelményeinek megfelelően testre szabható.

Architektúra

Architektúradiagram Az architektúra SVG-nek letöltése.

Leírás

A megoldással kapcsolatos további részletekért keresse fel a megoldás útmutatóját a GitHub.

A Cortana Intelligence Suite fejlett elemzési eszközöket biztosít az Microsoft Azure - adatbe feldolgozása, adattárolás, adatfeldolgozás és fejlett elemzési összetevők - segítségével, amelyek a tankszintű előrejelzési megoldás építésének alapvető elemei.

Ez a megoldás számos Azure-szolgáltatást kombinál a hatékony előnyök érdekében. Event Hubs valós idejű tankszintű adatokat gyűjt. Stream Analytics összesíti a streamelési adatokat, és elérhetővé teszi a vizualizációhoz. Azure Synapse Analytics tárolja és átalakítja a tankszintű adatokat. Machine Learning implementálja és végrehajtja az előrejelzési modellt. Power BI a valós idejű tankszintet és az előrejelzési eredményeket. Végül pedig Data Factory és ütemezi a teljes adatfolyamot.

Az "Üzembe helyezés" gomb elindít egy munkafolyamatot, amely üzembe fogja helyezni a megoldás egy példányát a megadott Azure-előfizetésben található erőforráscsoportban. A megoldás több Azure-szolgáltatást is tartalmaz (lásd alább) egy webes feladattal együtt, amely úgy szimulálja az adatokat, hogy az üzembe helyezés után azonnal rendelkezésre jöjjön egy működő, végpontok között működő megoldás.

Az üzembe helyezés után tekintse meg az üzembe helyezés utáni utasításokat.

Technikai részletek és munkafolyamat

  1. Az adatok be lesznek Azure Event Hubs Azure Synapse Analytics szolgáltatásba adatpontokként vagy eseményekként, amelyek a megoldás többi folyamatában lesznek használva.
  2. Azure Stream Analytics elemezheti az adatokat, hogy közel valós idejű elemzést biztosítson az eseményközpontból származó bemeneti streamen, és közvetlenül közzéteheti őket Power BI vizualizációkhoz.
  3. Azure Machine Learning az adott régió tankszintjének előrejelzésére használható a kapott bemenetek alapján.
  4. Azure Synapse Analytics az alkalmazástól kapott előrejelzési eredmények tárolására Azure Machine Learning. Ezeket az eredményeket ezután az irányítópult Power BI fel.
  5. Azure Data Factory a vezénylést és a modell óránkénti újraképezésének ütemezését kezeli.
  6. Végül a Power BI az eredmények megjelenítésére használatos, így a felhasználók valós időben figyelhetik a tárolók szintjét egy létesítményből, és az előrejelzési szint használatával megakadályozhatják a túlcsomózást.

Összetevők

Következő lépések