分析と機械学習を使用した予測メンテナンスによる不具合の防止

Event Hubs
Machine Learning
Stream Analytics
Synapse Analytics
Power BI

ソリューションのアイデア

この記事にさらに多くの情報 (想定されるユース ケース、代替サービス、実装に関する考慮事項、価格ガイダンスなど) の掲載をご希望の方は、GitHub のフィードバックでお知らせください。

Azure Machine Learning を使用して、リアルタイムの組み立てライン データで不具合が発生する前に予測する方法について説明します。

このソリューションは、以下の Azure で管理されるサービスに基づいて構築されています。Azure Stream AnalyticsEvent HubsMachine LearningAzure Synapse Analytics および Power BI です。 これらのサービスは高可用性環境で実行され、パッチが適用され、サポートされているので、実行される環境ではなく、ソリューションに注力できます。

Architecture

アーキテクチャ図: 予測メンテナンスによる欠陥防止。このアーキテクチャの SVG をダウンロードします。

Components

  • Azure Event Hubs は未加工の組み立てライン データを取り込み、Azure Stream Analytics に渡します。
  • Azure Stream Analytics は、Azure Event Hub から取得した入力ストリームをほぼリアルタイムで分析できます。 入力データがフィルター処理され、Azure Machine Learning エンドポイントに渡されます。 Machine Learning の結果は、Power BI ダッシュボードに送信されます。
  • Azure Machine Learning は、Azure Stream Analytics からのリアルタイムの組み立てライン データに基づいて潜在的な障害を予測します。
  • Azure Synapse Analytics は、エラー予測と共に組み立てライン データを格納します。
  • Power BI は、Azure Stream Analytics からのリアルタイムの組み立てライン データ、および Data Warehouse からの予測されたエラーとアラートを視覚化できます。

次のステップ

次の製品ドキュメントを参照してください。

次の関連する Azure アーキテクチャ センターの記事を参照してください。