품질 보증

Event Hubs
Machine Learning
Stream Analytics
Power BI

솔루션 아이디어

잠재적인 사용 사례, 대체 서비스, 구현 고려 사항 또는 가격 책정 지침과 같은 추가 정보를 사용하여 이 문서를 확장하려는 경우 GitHub 피드백을통해 알려주세요!

품질 보증 시스템을 통해 기업은 상품 또는 서비스를 고객에 게 제공 하는 프로세스 전체에서 결함을 방지할 수 있습니다. 데이터를 수집 하 고 파이프라인을 따라 잠재적인 문제를 식별 하는 이러한 시스템을 빌드하면 상당한 이점을 얻을 수 있습니다. 예를 들어 디지털 제조에서 어셈블리 줄 전체의 품질 보증은 필수적입니다. 검색 된 이후에 발생 하기 전에 성능 저하와 잠재적 오류를 식별 하는 것은 회사에서 생산성을 향상 시키는 동시에 스크랩 및 재작업 비용을 줄이는 데 도움이 될 수 있습니다.

이 솔루션은 제조 파이프라인 (어셈블리 라인)의 예를 사용 하 여 오류를 예측 하는 방법을 보여 줍니다. 이 작업은 이미 발생 한 테스트 시스템 및 실패 데이터를 활용 하 여 수행 됩니다. 특히 어셈블리 줄의 끝에서 반환 및 기능 오류를 확인 합니다. 주 처리 단계를 캡슐화 하는 모듈식 디자인 내의 도메인 정보 및 근본 원인 분석과 이러한 정보를 결합 하 여 오류를 예측 하는 데 machine learning을 사용 하는 일반적인 고급 분석 솔루션을 제공 합니다. 앞으로의 오류를 조기에 예측 하면 더 저렴 한 복구 나 삭제를 수행할 수 있습니다 .이는 일반적으로 회수 및 보증 비용을 통해 보다 비용 효율적입니다.

Architecture

아키텍처 다이어그램 이 아키텍처의 SVG 를 다운로드 합니다.

데이터 흐름

  1. 원본 시스템 이벤트 생성기는 Azure 이벤트 허브로 데이터를 스트리밍합니다.
  2. 이벤트 허브는 캡처를 사용 하 여 원시 이벤트를 Data Lake 보냅니다.
  3. Stream Analytics 작업은 이벤트 허브에서 실시간 데이터를 읽습니다.
  4. Stream Analytics 작업은 Azure Machine Learning의 ML 모델을 호출 하 여 오류/결함을 예측 합니다.
  5. Stream Analytics 작업은 작업을 위해 스트림 집계를 Power BI 실시간 대시보드로 보냅니다.
  6. Stream Analytics 작업은 처리 된 실시간 데이터를 Azure Synapse SQL 풀로 푸시합니다.
  7. Logic Apps는 스트리밍 데이터에서 휴대폰으로 경고를 보냅니다.
  8. Power BI은 결과 시각화에 사용 됩니다.

구성 요소

  • 수집 assembly line 이벤트를 Event Hubs 하 고 Stream Analytics 및 Azure ML 웹 서비스로 전달 합니다.
  • Azure Stream AnalyticsStream Analytics: Event Hubs에서 입력 스트림을 수락 하 고, azure ML 웹 서비스를 호출 하 여 예측을 수행 하 고, 스트림을 azure Synapse으로 전송 하 고, Power BI 하 고, 경고를 Logic Apps 합니다.
  • Azure Machine Learning: Machine Learning 클라우드에서 예측 분석 솔루션을 설계, 테스트, 운영 및 관리 하 고 Stream Analytics에서 호출할 수 있는 웹 서비스를 배포할 수 있습니다.
  • Storage 계정: Azure Storage는 원시 이벤트 스트림 데이터를 이벤트 허브에서 저장 하 고 장기 데이터 지 속성에 사용 됩니다.
  • Logic Apps: 스트리밍 데이터에서 생성 된 경고를 운영자 장치로 보냅니다.
  • Synapse Analytics: 임시 및 계획 된 분석 처리 및 사용자 분석 쿼리에 대 한 관계형 데이터를 저장 합니다.
  • Power BI: 실시간 운영 대시보드 및 분석 보고서에 대 한 서버를 시각화 합니다.

대안

  • 시나리오에 따라 기본 아키텍처는 일괄 처리 계층을 제거 하 여 단순화할 수 있습니다. 원시 이벤트에 대 한 Storage 제거 및 관계형 데이터의 경우 Azure Synapse
  • Azure SQL Database는 관리되는 관계형 Database as-a-Service입니다. 데이터 볼륨 및 액세스 패턴에 따라 Azure SQL Database를 선택할 수 있습니다.
  • Azure Functions는 워크로드 아키텍처가 세분화된 분산된 구성 요소에 집중되고, 최소한의 종속성이 필요하며, 개별 구성 요소가 요청 시에만 실행되고(불연속) 구성 요소의 오케스트레이션이 필요하지 않은 경우에 효과적인 서버리스 접근 방식을 제공합니다.
  • IoT Hub는 디바이스별 ID를 사용하여 클라우드 플랫폼과 건설 장비 및 기타 현장 요소 간에 안전한 양방향 통신이 가능하도록 중앙 메시지 허브 역할을 합니다. IoT Hub는 각 디바이스에 대한 데이터를 신속하게 데이터 분석 파이프라인으로 수집할 수 있습니다.

고려 사항

확장성

이 예제 시나리오에서 사용 되는 대부분의 구성 요소는 현재 시나리오 요구 사항에 따라 크기를 조정 하는 관리 서비스입니다.

확장 가능한 솔루션 디자인에 대 한 일반적인 지침은 Azure 아키텍처 센터의 성능 효율성 검사 목록 을 참조 하세요.

보안

Azure 리소스에 대 한 관리 id 는 계정 내부의 다른 리소스에 대 한 액세스를 제공 하는 데 사용 됩니다. 이러한 ID에 필요한 리소스에만 액세스할 수 있도록 허용하여 추가적으로 사용자의 함수에(그리고 잠재적으로 고객에게 ) 노출되지 않도록 합니다.

보안 솔루션 디자인에 대 한 일반적인 지침은 Azure 보안 설명서를 참조 하세요.

복원력

이 시나리오의 모든 구성 요소가 관리되므로 모두 지역 수준에서 자동으로 복원됩니다.

복원력 있는 솔루션 설계에 대한 일반적인 지침은 복원력 있는 Azure 애플리케이션 디자인을 참조하세요.

다음 단계