IoT를 사용하여 환경 모니터링 및 공급망 최적화

이 문서에서는 예측을 생성하기 위해 ML을 사용하여 처리된 센서 데이터와 공용 데이터 세트의 통합을 통해 환경 조건을 모니터링하는 창고 관리 시나리오에 대해 설명합니다. 그런 다음, 인사이트를 사용하여 사람들의 안전을 보장하고 공급망 운영을 최적화합니다.

아키텍처

이 아키텍처의 Visio 파일을 다운로드합니다.

데이터 흐름

1. 창고 시설의 센서가 연결되어 데이터를 LoRa(Long Range) 게이트웨이로 보냅니다.

2. LoRa 게이트웨이는 셀룰러 연결을 사용하여 데이터를 클라우드로 푸시합니다.

3. myDevices는 SaaS(Software as a Service) 기반 플러그 앤 플레이 솔루션입니다. 자동으로 프로비전되고 해당 고객과 연결된 디바이스 및 게이트웨이를 사용합니다.

4. 디바이스 데이터는 Azure IoT Central에 보내집니다. 고객은 디바이스를 제어하고 모니터링하는 솔루션을 사용합니다.

5. Azure Digital Twins를 사용하여 공급망 및 창고 시설을 모델링합니다. 이는 애플리케이션에서 공급망 상태를 파악하기 위해 데이터를 수집할 수 있는 라이브 실행 환경입니다. Digital Twins는 기본적으로 다른 애플리케이션이 트윈에서 데이터를 검색하기 위해 상호 작용하는 Azure Event Hub와 통합됩니다.

6. ML 모델에 필요한 임시 및 공간 데이터는 외부 데이터 원본에서 가져옵니다.

7. 키 데이터는 Azure 데이터 솔루션에 저장됩니다. Blob 스토리지는 ML 학습 데이터에 사용됩니다. Azure Cosmos DB는 채점된 데이터 및 주요 성능 인덱스에 사용됩니다.

8. 원격 분석 데이터는 데이터의 수집과 사용을 분리하기 위해 Event Hub를 통해 IoT Central에서 수집됩니다. Azure Functions는 외부 데이터 원본과 원격 분석 데이터를 결합한 다음, 이 데이터 세트를 분석하여 변칙을 찾는 데 사용됩니다. 데이터는 Digital Twins를 통해 표시됩니다.

9. Azure Databricks는 ML 모델 학습에 필요한 데이터 변환을 수행합니다.

10. 산불 예측 모델은 기록 데이터, 실시간 데이터 및 마이크로 날씨 데이터를 활용하여 Azure Machine Learning에서 학습됩니다.

11. 라우팅 업데이트는 Bing 지도 트럭 라우팅 API에서 제공합니다.

12. 애플리케이션은 Digital Twins를 직접 쿼리하여 모델에서 관련 데이터를 가져올 수 있습니다.

구성 요소

• Azure IoT Central은 IoT 관리형 플랫폼으로 사용됩니다. 고객이 비즈니스 요구 사항에 집중할 수 있도록 서비스의 일부로 보안, 확장성 및 가용성을 제공합니다. 사용자는 Power Apps 및 Power BI와 같은 비즈니스 구성 요소와 통합하고 IoT Central의 데이터 내보내기 기능을 통해 알림을 만들 수 있습니다.

• Azure 스토리지는 디바이스 정보를 비용 효율적인 안전하고 확장성 있는 방식으로 클라우드에 저장하는 데 사용됩니다. 저장된 데이터는 ML 모델 학습에 사용됩니다.

• Azure Cosmos DB는 애플리케이션 KPI(핵심 성과 지표) 및 모델 출력을 저장하는 데 사용됩니다. Azure Cosmos DB는 최신 애플리케이션 개발을 위한 완전 관리형 NoSQL 데이터베이스 서비스입니다. 고속 트랜잭션을 제공하고 글로벌 배포를 서비스를 쉽게 사용하도록 설정할 수 있습니다.

• Azure Databricks는 Microsoft Azure Cloud Services 플랫폼에 대해 최적화된 데이터 분석 플랫폼입니다. 기계 학습 파이프라인에서 제대로 사용할 수 있도록 데이터를 변환, 조작 및 정규화하는 데 사용됩니다.

• Azure Machine Learning은 산불 예측 모델을 만드는 데 사용됩니다. 이 모델은 산불 위험을 평가하는 데 필요한 인텔리전스를 제공합니다. 정확도를 위해 모델을 학습시키려면 여러 데이터 원본의 입력이 필요합니다. 이러한 원본에는 위성 이미지, 기록 데이터, 지역 토양 조건 및 날씨 데이터가 포함될 수 있습니다. 공급망 및 물류 솔루션은 모델에서 예측된 산불 지역에 따라 트럭의 경로를 변경할 수 있습니다.

자세한 내용은 Azure IoT 참조 아키텍처를 참조하여 사용 가능한 다양한 구현 옵션을 이해하고 살펴보세요.

시나리오 정보

환경 모니터링은 글로벌 공급망에서 중요한 작업이 되었습니다. 공급업체와 물류에 영향을 줄 수 있는 실시간 결정을 내리는 데 도움이 되는 주요 신호를 제공합니다. 대기질, 온도, 바람, 습도 및 CO2(이산화탄소)는 창고 운영자가 자연 재해 동안 모니터링하는 데 관심이 있는 지표 중 일부입니다. 고급 시나리오에는 기상 관측소, 대기질 센서 및 기타 원본의 실시간 및 기록 데이터의 융합이 포함될 수 있습니다. 그런 다음, ML(기계 학습) 모델을 사용하여 이러한 조건의 영향과 공급망 운영에 미칠 수 있는 효과를 예측할 수 있습니다.

잠재적인 사용 사례

이 솔루션은 환경, 제조, 운송 및 농업 산업에 적합합니다.

• 차량 관리: 이 솔루션은 주변 지역의 진화하는 조건에 따라 안전을 위해 경로를 최적화해야 하는 경우에 사용할 수 있습니다.
• 농업: 작업자와 가축의 안전에 영향을 미칠 산불을 예측하는 것이 중요합니다. 충분한 리드 타임을 위험 알림에 제공하면 영향을 받는 지역의 사람들이 안전한 곳으로 대피할 수 있습니다. 또한 농장은 동물이 탈출할 수 있도록 끔찍한 상황에서 잠금을 해제하고 열 수 있는 자동화된 문을 가축 지역에 장착할 수 있습니다.

직면한 과제

최근 몇 년 동안 산불이 크게 증가하여 인간과 글로벌 공급망에 대한 위험이 커지고 있습니다. 매년 증가하는 에이커 면적에 따라 기후 변화에 대한 공급망 복원력이 많은 리더의 최우선 과제입니다.

미국에서 산불의 영향을 받는 지역의 연간 평균 면적은 약 7,000,000에이커입니다. 이 면적은 1990년대 평균의 두 배가 넘습니다. 다른 국가/지역에서는 상황이 더 심각합니다. 예를 들어 오스트레일리아에서는 50년 전에 비해 여름이 한 달 더 길어졌고 장기간의 가뭄으로 인해 화재 상태가 더 악화되었습니다. 여기서 발생한 대규모 산불은 미국에 비해 거의 10배를 초과하는 큰 경제적 피해를 입혔습니다. 오스트레일리아 산불은 쇠고기, 우유, 와인 및 밀과 같은 상품을 포함하여 전 세계 식량 공급에 영향을 미칠 수 있습니다.

전 세계 비즈니스에 대한 위험은 매년 계속 증가하고 있으며, 자연 재해 시 공급망 복원력은 전 세계적으로 상품의 흐름을 유지하는 데 매우 중요합니다. 날씨 기반 예보 및 예측을 공급망 용량 계획에 통합하면 운영자가 생산을 조정하고 배송 일정을 관리하는 데 도움이 될 수 있습니다. 이 시스템은 혼란과 악영향을 최소화할 수 있습니다.

비즈니스 결과

창고 운영자와 주요 유통 센터는 기존 물류 인프라가 큰 화재의 경로에 있는지 여부를 확인하는 예측 방법을 활용할 수 있습니다. 조기 알림 시스템을 갖추면 시설과 직원을 보호하기 위한 예방 조치를 취할 수 있는 리드 타임을 늘릴 수 있습니다. 물류 작업의 변경 및 일시 중지에 대한 자동화된 알림을 통해 사용자가 최소한으로 개입하여 배송 경로를 변경할 수도 있습니다.

요구 사항

• 자동화는 매우 중요합니다. 운영자와 시설 관리자가 여러 시스템에서 데이터를 수집하여 적시에 결정을 내릴 수 있다고 가정할 수 없습니다.
• 창고, 유통 시설 및 운영 관리자는 즉각적인 위험이 있을 때 여러 가지 방법으로 알림을 받아야 하므로 정보를 적시에 받을 수 있도록 해야 합니다. 예로 들어 데이터 대시보드, 이메일 및 문자 메시지가 있습니다.
• 데이터의 변경 내용만 보고해야 합니다.
• 솔루션의 전달 및 배포는 간단해야 합니다. 기술자 없이 플러그 앤 플레이 기술을 사용하여 설치해야 합니다.
• 솔루션은 유지 관리가 적고 비용 효율적이어야 합니다.

문제 해결을 위한 패턴

아래 표에는 일반적인 사용 사례와 해당 IoT 솔루션이 요약되어 있습니다. 각 사용 사례는 실제 시나리오에 IoT 프로세스 패턴을 적용하는 방법의 예입니다.

고려 사항

이러한 고려 사항은 워크로드의 품질을 향상시키는 데 사용할 수 있는 일단의 지침 원칙인 Azure Well-Architected Framework의 핵심 요소를 구현합니다. 자세한 내용은 Microsoft Azure Well-Architected Framework를 참조하세요.

연결

솔루션의 현장 디바이스 및 센서는 데이터를 클라우드의 애플리케이션에 보내야 하지만 시골 지역과 같은 일부 위치에서는 안정적인 인터넷 액세스를 사용하지 못할 수 있습니다.

이 솔루션은 LoRa 네트워크를 사용하여 셀룰러 연결을 제공합니다. LoRa는 건물 침투가 뛰어나 창고 관련 애플리케이션에 적합합니다. 이 방법은 비용 효율적이며 연결하기 쉬운 IoT 디바이스 및 센서가 필요한 원격 위치에 유연성을 제공합니다.

플러그 앤 플레이

원격 설정에서는 특수한 전문 지식 없이도 디바이스를 쉽게 배포할 수 있어야 합니다. myDevices에는 여러 시나리오에 적용할 수 있는 광범위한 IoT 디바이스 및 게이트웨이 카탈로그가 있습니다. 플러그 앤 플레이 인증을 받았으므로 사용자는 올바른 위치에 배치하여 전원을 켜기만 하면 됩니다. IoT Central 통합을 사용하면 고객이 디바이스 데이터를 사용하고 경고를 만들도록 대시보드를 쉽게 사용자 지정할 수 있습니다.

참가자

Microsoft에서 이 문서를 유지 관리합니다. 원래 다음 기여자가 작성했습니다.

보안 주체 작성자:

• Ansley Yeo | 기술 리더

다음 단계

• 운송 및 물류 부문의 IoT: Azure를 사용하여 세계적 수준의 IoT 및 위치 인텔리전스 서비스를 통해 가치 체인의 효율성과 안정성을 높이는 방법입니다.
• IoT Central 연결된 물류 애플리케이션 템플릿 아키텍처: 엔드투엔드 연결된 물류 솔루션 솔루션을 개발하기 위한 앱 템플릿 및 지침입니다.
• Bing 지도 트럭 라우팅 API: 안전하고 효율적인 경로를 계산하고, 경로 제한과 관련하여 차량의 특성을 고려하는 상용 라우팅 도구입니다.
• Azure Digital Twins - 공급망 데모는 Digital Twins를 사용하여 공급망 시나리오를 모델링합니다.
• myDevices는 연결이 어렵고 광범위한 네트워크 적용 범위가 필요한 위치에 솔루션을 빠르게 배포할 수 있도록 하는 LoRa 연결 및 디바이스를 제공합니다.
• C.H. Robinson Navisphere는 Microsoft Azure 및 Azure IoT와 협력하여 공급망에 대한 실시간 가시성을 제공하고 더 많은 예측 가능성과 사전 의사 결정을 제공합니다.
• EPA AirNow API는 미국 EPA(환경 보호국) 및 기타 연방, 부족, 주 및 지역 기관에서 유지 관리하는 서비스인 AirNow의 실시간 대기질 및 산불 데이터에 대한 액세스를 제공합니다.

관련 참고 자료

• Azure IoT 참조 아키텍처
• IoT를 사용하여 실시간 차량 데이터 처리: 경로 최적화를 포함하여 분석을 위해 실시간 차량 데이터를 수집하기 위한 참조 아키텍처입니다.
• IoT 모니터링 및 관리 루프는 네트워크에 연결된 IoT 디바이스 세트에서 제어하는 물리적 시스템을 지속적으로 모니터링하는 감독 시스템을 설명하는 디자인 패턴입니다.
• IoT 분석 및 최적화 루프는 원격 분석을 소싱하고 이를 구체화하고 엔터프라이즈 데이터 원본과 결합하여 인사이트를 생성함으로써 소프트웨어에서 제어하는 물리적 시스템에 대한 비즈니스 최적화 인사이트를 생성하고 적용할 수 있도록 하는 디자인 패턴입니다.
• Azure Cosmos DB를 사용하는 IoT에서는 Azure Cosmos DB를 사용하여 디바이스 원격 분석 데이터를 빠른 속도로 수집하고 짧은 대기 시간과 고가용성으로 인덱싱된 쿼리를 다시 제공할 수 있는 예제 아키텍처를 설명합니다.