Прогнозирование уровня нефти и газа в резервуаре

Фабрика данных
Центры событий
Машинное обучение
Stream Analytics
Synapse Analytics
Power BI

Концепция решения

если вы хотите узнать больше о том, как получить дополнительные сведения о возможных вариантах использования, альтернативных службах, рекомендациях по реализации или ценах, сообщите нам о GitHub.

В настоящее время большинство средств активно работают с проблемами на уровнях Tank. Это часто приводит к сбросу, аварийному завершению работы, затратам на исправление, нормативным проблемам, дорогостоящим ремонту и пени. Прогнозирование на уровне Tank помогает управлять этими и многиеми и другими проблемами.

Прогнозы создаются за счет использования возможностей данных в режиме реального времени и журналов, которые легко доступны на датчиках, метрах и записях, что помогает:

  • Предотвращение сброса и аварийного завершения Tank
  • Обнаружение неисправности оборудования или сбоя
  • Планирование обслуживания, завершения работы и логистики
  • Оптимизация операций и эффективности оборудования
  • Обнаружение утечек конвейера и слуггинг
  • Сокращение затрат, тонкости и времени простоя

Процесс прогнозирования на уровне Tank начинается с правильного ввода. Топливо измеряется по мере поступающих в модуль через измерительные приборы и отправляется в резервуары. Уровни отслеживаются и записываются в резервуары в процессе уточнения, а затем записываются с помощью датчиков, измерительных приборов и записей. Затем прогнозы выполняются с помощью данных из средства. Например, прогнозы могут выполняться каждые 15 минут.

Cortana Intelligence Suite подстраивается и может быть настроена в соответствии с различными требованиями, предъявляемыми функциями и организациями.

Architecture

Схема архитектуры . Скачайте SVG этой архитектуры.

Описание

Дополнительные сведения о построении этого решения см. в GitHub.

Cortana Intelligence Suite предоставляет средства расширенной аналитики с помощью компонентов Microsoft Azure приема данных, хранения данных, обработки данных и расширенной аналитики. все они являются важными элементами для создания решения прогнозирования уровня tank.

Это решение сочетает несколько служб Azure для предоставления мощных преимуществ. Концентраторы событий собирают данные уровня Tank в реальном времени. Stream Analytics выполняет статистическую обработку данных потоковой передачи и делает их доступными для визуализации. Azure синапсе Analytics сохраняет и преобразует данные уровня Tank. Машинное обучение реализует и выполняет модель прогнозирования. Power BI визуализировать уровень tank в режиме реального времени, а также результаты прогноза. Наконец, фабрика данных управляет и планирует весь поток данных.

Кнопка "развернуть" запустит рабочий процесс, который будет развертывать экземпляр решения в группе ресурсов в указанной подписке Azure. Решение содержит несколько служб Azure (описанных ниже), а также веб-задание, моделирующее данные, поэтому сразу после развертывания вы получите работающее комплексное решение.

После развертывания ознакомьтесь с инструкциями после развертывания.

Технические сведения и рабочий процесс

  1. Веб-каналы данных в концентраторы событий Azure и служба Azure синапсе Analytics в качестве точек данных или событий, которые будут использоваться в оставшейся части последовательности решения.
  2. Azure Stream Analytics проанализируйте данные, чтобы обеспечить аналитику практически в реальном времени во входном потоке из концентратора событий и непосредственно опубликовать в Power BI для визуализации.
  3. Машинное обучение Azure используется для создания прогноза на уровне tank в определенном регионе с учетом полученных входных данных.
  4. Azure синапсе Analytics используется для хранения результатов прогноза, полученных от Машинное обучение Azure. затем эти результаты используются на панели мониторинга Power BI.
  5. Фабрика данных Azure обрабатывает оркестрации и планирует повторное обучение почасовой модели.
  6. наконец, Power BI используется для визуализации результатов, чтобы пользователи могли отслеживать уровень tank с помощью средства в режиме реального времени и использовать уровень прогноза для предотвращения появления.

Компоненты

Дальнейшие действия