需要予測

Data Factory
Event Hubs
Machine Learning
SQL Database
Stream Analytics

ソリューションのアイデア Solution Idea

さらなる情報、実装の詳細、価格ガイダンス、コード例を追加してこの記事を拡張することをお望みの場合は、GitHub のフィードバックでご連絡ください。If you'd like to see us expand this article with more information, implementation details, pricing guidance, or code examples, let us know with GitHub Feedback!

製品やサービスに対する需要の急増を正確に予測することで、企業は競争上の優位性を得ることができます。Accurately forecasting spikes in demand for products and services can give a company a competitive advantage. このソリューションは、エネルギー部門の需要予測に重点を置いています。This solution focuses on demand forecasting within the energy sector.

ArchitectureArchitecture

アーキテクチャ図 このアーキテクチャの SVG をダウンロードしてください。Architecture diagram Download an SVG of this architecture.

概要Overview

製品やサービスに対する需要の急増を正確に予測することで、企業は競争上の優位性を得ることができます。Accurately forecasting spikes in demand for products and services can give a company a competitive advantage. 予測が改善されると、需要の増加に合わせて拡大できるようになり、不要な在庫を保持するリスクが軽減されます。The better the forecasting, the more they can scale as demand increases, and the less they risk holding onto unneeded inventory. ユースケースには、小売店/オンライン ストアの製品に対する需要の予測、病院訪問の予測、電力消費の予測などがあります。Use cases include predicting demand for a product in a retail/online store, forecasting hospital visits, and anticipating power consumption.

このソリューションは、エネルギー部門の需要予測に重点を置いています。This solution focuses on demand forecasting within the energy sector. エネルギーを貯蔵することはコスト効率がよくないので、ユーティリティや電力会社は将来の電力消費量を予測して、供給を需要に効率的に分配できるようにする必要があります。Storing energy is not cost-effective, so utilities and power generators need to forecast future power consumption so that they can efficiently balance the supply with the demand. ピーク時には、供給が足りないと停電が発生する可能性があります。During peak hours, short supply can result in power outages. 反対に、供給が多すぎるとリソースが無駄になる可能性があります。Conversely, too much supply can result in waste of resources. 高度な需要予測手法では、特定の日の 1 時間ごとの需要とピーク時間を詳細に示し、電力会社が電力生成プロセスを最適化できるようにします。Advanced demand forecasting techniques detail hourly demand and peak hours for a particular day, allowing an energy provider to optimize the power generation process. Cortana Intelligence を使用したこのソリューションにより、電力会社は優れた予測テクノロジをビジネスにすばやく導入できます。This solution using Cortana Intelligence enables energy companies to quickly introduce powerful forecasting technology into their business.

詳細Details

Cortana Intelligence Suite は、Microsoft Azure を介して、高度な分析ツールを提供します。データ インジェスト、データ ストレージ、データ処理および高度な分析の各コンポーネントのすべてが、電力ソリューションの需要予測を構築するための重要な要素です。The Cortana Intelligence Suite provides advanced analytics tools through Microsoft Azure - data ingestion, data storage, data processing and advanced analytics components - all of the essential elements for building an demand forecasting for energy solution.

このソリューションでは、複数の Azure サービスを組み合わせることで、強力なメリットを生み出しています。This solution combines several Azure services to provide powerful advantages. Event Hubs は、リアルタイムの消費データを収集します。Event Hubs collects real-time consumption data. Stream Analytics は、ストリーミング データを集計して、視覚化に使用できるようにします。Stream Analytics aggregates the streaming data and makes it available for visualization. Azure SQL は、消費データを格納して変換します。Azure SQL stores and transforms the consumption data. Machine Learning は、予測モデルを実装して実行します。Machine Learning implements and executes the forecasting model. PowerBI は、予測結果だけでなく、リアルタイムのエネルギー消費も視覚化します。PowerBI visualizes the real-time energy consumption as well as the forecast results. 最後に、Data Factory はデータ フロー全体を調整およびスケジュールします。Finally, Data Factory orchestrates and schedules the entire data flow.

[Deploy](デプロイ) ボタンをクリックすると、指定した Azure サブスクリプションのリソース グループ内にソリューションのインスタンスをデプロイするワークフローが開始されます。The 'Deploy' button will launch a workflow that will deploy an instance of the solution within a Resource Group in the Azure subscription you specify. このソリューションには、デプロイ直後にエンド ツー エンド ソリューションが動作するように、データをシミュレートする Web ジョブと共に (以下で説明する) 複数の Azure サービスが含まれています。The solution includes multiple Azure services (described below) along with a web job that simulates data so that immediately after deployment you have a working end-to-end solution. このソリューションのサンプル データは、NYISO から公開されているデータでシミュレートされています。The sample data of this solution is simulated from publicly available data from the NYISO.

技術的な詳細とワークフローTechnical details and workflow

  1. サンプルデータは、新しくデプロイされた Azure Web ジョブによってストリーミングされます。The sample data is streamed by newly deployed Azure Web Jobs.
  2. この合成データは、Azure Event Hubs と Azure SQL サービスにデータ ポイントまたはイベントとしてフィードされます。これは、ソリューション フローの残りの部分で使用されます。This synthetic data feeds into the Azure Event Hubs and Azure SQL service as data points or events, that will be used in the rest of the solution flow.
  3. Azure Stream Analytics はデータを分析して、イベントハブからの入力ストリームにほぼリアルタイムの分析を提供し、PowerBI に直接公開して視覚化します。Azure Stream Analytics analyze the data to provide near real-time analytics on the input stream from the event hub and directly publish to PowerBI for visualization.
  4. Azure Machine Learning は、受け取った入力を基に特定の地域のエネルギー需要を予測するために使用されます。Azure Machine Learning is used to make forecast on the energy demand of particular region given the inputs received.
  5. Azure SQL Database は、Azure Machine Learning から受け取った予測の結果を格納するために使用されます。Azure SQL Database is used to store the prediction results received from Azure Machine Learning. これらの結果は、Power BI ダッシュボードで使用されます。These results are then consumed in the Power BI dashboard.
  6. Azure Data Factory は、モデルの再トレーニングのオーケストレーションと 1 時間ごとのスケジュール設定を処理します。Azure Data Factory handles orchestration, and scheduling of the hourly model retraining.
  7. 最後に、Power BI が結果の視覚化に使用され、ユーザーは地域のエネルギー消費量をリアルタイムで監視し、需要予測を使用して発電や分配プロセスを最適化できます。Finally, Power BI is used for results visualization, so that users can monitor the energy consumption from a region in real time and use the forecast demand to optimize the power generation or distribution process.

価格情報Pricing Info

デプロイに使用される Azure サブスクリプションでは、このソリューションで使用されるサービスの従量課金が発生します。Your Azure subscription used for the deployment will incur consumption charges on the services used in this solution. 料金の詳細については、Azure 料金ページを参照してください。For pricing details, visit the Azure Pricing Page.