Kontrola jakości

Event Hubs
Usługa Machine Learning
Stream Analytics
Power BI

Pomysł na rozwiązanie

Jeśli chcesz, abyśmy rozszerzyli ten artykuł o więcej informacji, takich jak potencjalne przypadki użycia, alternatywne usługi, zagadnienia dotyczące implementacji lub wskazówki dotyczące cen, daj nam znać, GitHub opinie!

Systemy zapewniania jakości umożliwiają firmom zapobieganie usterkom w procesach dostarczania towarów lub usług klientom. Tworzenie takiego systemu, który zbiera dane i identyfikuje potencjalne problemy w potoku, może zapewnić ogromne korzyści. Na przykład w produkcji cyfrowej kontrola jakości na linii produkcyjnej jest niezbędna. Identyfikowanie spowolnień i potencjalnych awarii, zanim wystąpią, a nie po ich wykryciu, może pomóc firmom obniżyć koszty złomu i prac przy jednoczesnym polepszeniu produktywności.

To rozwiązanie pokazuje, jak przewidywać awarie przy użyciu przykładu potoków produkcyjnych (linii montażowych). Jest to wykonywane przez wykorzystanie już w miejscu systemów testowych i danych awarii, w szczególności ze względu na zwroty i błędy funkcjonalne na końcu linii montażowej. Łącząc je z wiedzą na temat domeny i analizą głównych przyczyn w projekcie modułowym, który hermetyzuje główne kroki przetwarzania, zapewniamy ogólne, zaawansowane rozwiązanie analityczne, które używa uczenia maszynowego do przewidywania błędów przed ich rozpoczęciem. Wczesne przewidywanie przyszłych awarii umożliwia tańszą naprawę, a nawet odrzucenie, które są zwykle bardziej ekonomiczne niż w przypadku kosztów zwrotu i gwarancji.

Architektura

Diagram architektury Pobierz format SVG tej architektury.

Przepływ danych

  1. Generator zdarzeń systemu źródłowego przesyła strumieniowo dane do usługi Azure Event Hub.
  2. Centrum zdarzeń używa przechwytywania do wysyłania nieprzetworzonych zdarzeń do usługi Data Lake.
  3. Zadanie Stream Analytics odczytuje dane w czasie rzeczywistym z centrum zdarzeń.
  4. Zadanie Stream Analytics wywołuje ML w Azure Machine Learning, aby przewidzieć awarię/usterkę.
  5. Zadanie Stream Analytics wysyła agregacje strumienia do Power BI pulpitu nawigacyjnego w czasie rzeczywistym dla operacji.
  6. Zadanie Stream Analytics wypycha przetworzone dane w czasie rzeczywistym do Azure Synapse SQL puli.
  7. Aplikacja Logic Apps alerty z danych przesyłanych strumieniowo na telefon komórkowy.
  8. Power BI służy do wizualizacji wyników.

Składniki

  • Event Hubs pozysłuje zdarzenia linii zestawu i przekazuje je do Stream Analytics i usługi internetowej Azure ML Web Service.
  • Azure Stream Analytics:program Stream Analytics akceptuje strumień wejściowy z usługi Event Hubs, wywołuje usługę sieci Web azure ML w celu prognozowania i wysyła strumień do usług Azure Synapse, Power BI i Logic Apps na alerty.
  • Azure Machine Learning:usługa Machine Learning pomaga projektować, testować, zarządzać rozwiązaniami analizy predykcyjnej w chmurze oraz wdrażać usługi internetowe, które mogą być wywoływane przez Stream Analytics.
  • Storage Kont:usługa Azure Storage przechowuje nieprzetworzone zdarzenia przesyłać strumieniowo dane z centrum zdarzeń i służy do długoterminowego utrwalania danych.
  • Logic Apps:wysyła alerty wygenerowane na podstawie danych przesyłanych strumieniowo do urządzenia operatora
  • Synapse Analytics:przechowywanie danych relacyjnych do celów ad hoc i planowanego przetwarzania analitycznego oraz zapytań analitycznych użytkownika
  • Power BI:wizualizuje operacyjne pulpity nawigacyjne w czasie rzeczywistym, a także serwery raportów analitycznych.

Alternatywy

  • W zależności od scenariusza podstawową architekturę można uprościć przez usunięcie warstwy wsadowej — usunięcie Storage zdarzeń pierwotnych i Azure Synapse danych relacyjnych
  • Azure SQL Database zarządzaną relacyjną bazą danych jako usługą. W zależności od woluminów danych i wzorców dostępu można wybrać Azure SQL Database.
  • Azure Functions zapewnia efektywne podejście bez serwera, jeśli architektura obciążenia jest wyśrodkowana wokół precyzyjnie rozmieszczonych składników, co wymaga minimalnych zależności, gdzie poszczególne składniki są wymagane tylko do działania na żądanie (nie w sposób ciągły) i orkiestracji składników nie jest wymagana.
  • IoT Hub pełni rolę centralnego centrum komunikatów do bezpiecznej dwukierunkowej komunikacji z tożsamościami poszczególnych urządzeń między platformą w chmurze a sprzętem konstrukcyjnym i innymi elementami lokacji. IoT Hub szybko zbierać dane dla każdego urządzenia w celu pozyskiwania ich do potoku analizy danych.

Zagadnienia do rozważenia

Skalowalność

Większość składników używanych w tym przykładowym scenariuszu to usługi zarządzane, które skalują się zgodnie z bieżącymi potrzebami scenariusza.

Ogólne wskazówki dotyczące projektowania skalowalnych rozwiązań można znaleźć na liście kontrolnej dotyczącej wydajności w Centrum architektury platformy Azure.

Zabezpieczenia

Tożsamości zarządzane dla zasobów platformy Azure służą do zapewnienia dostępu do innych zasobów wewnętrznych twojego konta. Zezwalaj na dostęp do wymaganych zasobów w tych tożsamościach, aby mieć pewność, że żadne dodatkowe zasoby nie będą widoczne dla Twoich funkcji (i potencjalnie dla Twoich klientów).

Ogólne wskazówki dotyczące projektowania bezpiecznych rozwiązań można znaleźć w dokumentacji zabezpieczeń platformy Azure.

Odporność

Wszystkie składniki w tym scenariuszu są zarządzane, więc na poziomie regionalnym są one automatycznie odporne.

Aby uzyskać ogólne wskazówki dotyczące projektowania rozwiązań odpornych na błędy, zobacz Projektowanie aplikacji odpornych na błędy dla platformy Azure.

Następne kroki