Akıllı IoT Edge ile tahmine dayalı bakım

Blob Depolama

Cosmos DB

IoT

IoT Hub

Pipelines

Nesnelerin interneti (IoT) ucu , veri işleme ve depolama işlemlerini veri kaynağına yakın hale getirerek, bulut bağlantısı ve kaynakları üzerinde daha az bağımlılığı olan hızlı ve tutarlı yanıtları etkinleştirir. Edge bilgi işlem, daha fazla işlem ve güvenlik için bulutla tümleştirilen akıllı sınır cihazları ve ağları oluşturmak üzere yapay zeka (aı) ve makine öğrenimi (ML) modellerini birleştirebilirler.

Bu makalede, bir akıllı bulut ve akıllı kenar tren bakımı ve güvenlik çözümü oluşturmak için Microsoft ticari yazılım mühendisliği (CSE) ekibi ile ana demiryolu şirketi arasındaki bir işbirliği açıklanır. Demiryolu şirketi, kusurlu bileşenleri önceden tanımlayarak, bakım ve onarımın planlanmasına ve bulguları ve tahminleri sürekli olarak iyileştirerek Railroad güvenliğini ve verimliliğini artırmak istiyor. ML Edge çözümü için pilot proje, bir eğitme sistem durumu analiz sistemidir.

4.000 ' den fazla trackside algılayıcıları, tüm şirket eğitimlerine sürekli olarak izleme ve akış verilerini izler. Detekçler, parçaları ve parçaların zorlayarak kullanımını ölçmekte, görünmeyen bir tekerlek için kusurları veya tekerlek izlerini dinlemeyi ve eksik veya yanlış yerleştirilmiş parçaları belirler. Edge sistemindeki ML, risk altında çalışan donanımları belirlemek, tamir aciliyet 'i belirlemek, uyarıları oluşturmak ve depolama için Azure bulutuna veri göndermek üzere neredeyse gerçek zamanlı olarak bu sürekli akış algılayıcısı verilerini işler ve üzerinde işlem yapar. IoT Edge modülleri, diğer iş yüklerinin gelecekte paralel dağıtımına izin veren trackside Bungalow 'da sunucu sınıfı donanımlarda çalışır.

ML ve iş mantığını veri kaynaklarına yaklaştırma, cihazların yerel değişikliklere ve kritik olaylara daha hızlı tepki vermesini sağlar. Cihazlar güvenilir bir şekilde çevrimdışı veya bağlantı sınırlı olduğunda çalışabilir. Edge ağı, buluta hangi verilerin gönderileceğini belirleyebilir veya öncelikle acil ve önemli verileri önceliklendirebilir.

Tekerlek sistem durumu çözümleme sistemi, olası donanım arızalarının erken tanımlanmasını sağlar. Şirket, eğilimleri belirlemek ve öngörülü bakım ve fazla mesafe zamanlamalarını bilgilendirmek için depolanan verileri kullanabilir.

Olası kullanım örnekleri

IoT Edge uygulamalar, gerçek zamanlı olarak yakalanan büyük miktarlarda veri, çok az veya hiç gecikme süresi olan kararlar veya kararlara ihtiyaç duyacak şekilde ilgilidir. Örnek sistem% 99,999 çalışma süresini korumak, günde 24 ' e kadar işlem ve 35.000.000 ' i kadar veri işlemek ve uyarı ve bildirimlerin tek saatlik teslimatını garanti altına almamıştı.

Mimari

Bir bgalow içindeki görüntü dosya sunucusu (NAS) işlenen ve sınıflandırılan resimleri eğitme görüntüler. Her bir tekerlek için üç resim, bir veya daha fazla görüntü oluşturur.
Yoklama modülü, yeni görüntülerin işlenmek üzere uygun olduğunu sınır cihazına göre uyarır.
bir üçüncü taraf ML modeli görüntüleri işler ve daha fazla inceleme gerektiren tekerlek alanını tanımlar.
uyarı işleyicisi, tüm görüntüleri, olası hataları olan görüntülerle başlayarak Azure Blob Depolama yükler ve görüntü blobu urı 'lerini döndürür.
IoT Edge hub, görüntü URI 'Lerini görüntü meta verileriyle ilişkilendirir ve meta verileri ve uyarıları Azure IoT Hub 'ye yükler.
IoT Hub, meta verileri olay Hub 'ı ve Azure işlevleri aracılığıyla bir Azure Cosmos DB veritabanına gönderir.
Cosmos DB veritabanı görüntü meta verilerini (ekipman/araba #, Axle, zaman damgası, algılayıcı konumu vb.) barındırır ve Azure Blob Depolama resimlerin konumunu işaret eder.

Bileşenler

Dağıtılan çözüm, hizmet sorumlularını ekleme ve Azure kaynakları oluşturma özelliği için izne sahip bir Azure aboneliği gerektirir. Daha fazla bilgi için bkz. kapsayıcı kayıt defterleri ve hizmet sorumluları.

Azure IoT Edge üç bileşenden oluşur:
- IoT Edge modüller Azure, üçüncü taraf veya özel bileşenleri çalıştırabilen kapsayıcılardır. Geçerli örnek, performans için özelleştirilmiş Endüstriyel Otomasyon kartları ve grafik işlem birimleri (GPU 'Lar) ile sunucu sınıfı donanımı kullanarak trackside Bungalow 'da IoT Edge modüllerini dağıtır.
- IoT Aracısı ve IoT Edge Hub 'ındanoluşan IoT Edge çalışma zamanı, dağıtılan modülleri yönetmek ve koordine etmek için IoT Edge cihazlarında çalışır.
- Azure IoT Hub arabirimi, IoT Edge modüllerinin güvenli çift yönlü bulut iletişimine, yönetimine ve izlenmesine izin verebilir.
IoT Edge ML modülleri Azure Machine Learning, üçüncü taraf ML modellerini veya özel kodu destekler. geçerli çözüm, bir adım adım verileri eğitme ve olası kusurları tanımak için biliac adlı bir üçüncü taraf açık kaynaklı ML modeli kullanır. ML yazılım, ML modelini yeniden eğitmek için yüksek ve düşük güvenilirlikli hata görüntülerinin geçmiş örneklerini kullanır.
Azure Blob Depolama , Microsoft 'un bulut için nesne depolama çözümüdür. BLOB depolama, bu örnekteki görüntü verileri gibi büyük miktarda yapılandırılmamış veriyi depolamak için iyileştirilmiştir.
Azure Cosmos DB , düşük yanıt süreleri ve yüksek kullanılabilirlik ve ölçeklenebilirlik içeren, tam olarak yönetilen bir nosql veritabanı hizmetidir.
Azure Pipelines iş akışı, yerleşik Azure IoT Edge görevleri aracılığıyla IoT Edge çözümünü oluşturur, sınar, dağıtır ve arşivler.

Dikkat edilmesi gerekenler

Takım çeşitli tasarım konuları tanımladı:

Sistem, 24 saat içinde %99 çalışma süresi ve şirket içi ileti teslimi gerektirir. Ogalow ve Azure arasındaki en son bağlantının hizmet kalitesi (QoS), uçtan veri QoS 'yi belirler. Yerel İnternet hizmet sağlayıcıları (ISS 'Ler) son bağlantıyı yönetir ve bildirimler veya toplu veri yükleme için gerekli QoS 'yi desteklemeyebilir.
Bu sistem, tekerlek kameralarını ve bu verileri yedeklemeyi desteklemez, bu nedenle kamera sistemi veya görüntü sunucusu hatalarıyla ilgili bir denetim veya uyarı oluşturma yeteneği yoktur.
demiryolu şirketi yalnızca ınsema sistemine sahiptir ve ML model oluşturma için bir üçüncü taraf satıcıyı kullanır. ML modülünün siyah kutu doğası bağımlılığın bir riskini doğurur. Uzun süreli çözüm bakımı, üçüncü tarafın varlıkları nasıl kullandığını ve paylaştığını anlamak için gerekir. sistem, ML varlıkları kullanılamadığı zaman, gelecekteki görevlendirmeler için yer tutucu ML modüllerini kullanabilir.
Güvenlik ve izleme IoT Edge sistemlerine yönelik hususlar. Bu katılım için şirketin mevcut üçüncü taraf Kurumsal çözümü sistem izleme ele alınmıştır. Trackside Bungalow ve ağ güvenliğinin fiziksel güvenliği zaten vardı ve IoT Edge, buluta olan bağlantılar varsayılan olarak güvenlidir.
Bu çözüm, şirket ve Federal mevzuat yetkilileri tarafından belirlenen mevcut el ile denetleme gereksinimlerini değiştirmez.
Edge mimarisi Şu anda birden çok modüle bölünmüştür, ancak çözüm performans gereksinimlerine veya geliştirme ekibi yapısına bağlı olarak tek bir modüle dönüştürülebilir.
Bu çözüm, üretim, yağ ve gaz, doğal kaynak yönetim sektörleriyle ilgili olarak aşağıdaki önceki CSE müşteri görevlendirmeleriyle ilgili olarak oluşturulur:

Dağıtım

Demiryolu şirketi, şirket içinde sürekli tümleştirme/sürekli dağıtım (CI/CD) sistemi barındırır. aşağıdaki diyagramda dağıtım için DevOps mimarisi gösterilmektedir:

mimari diyagramı DevOps.

İlk CI ardışık düzeninde, git deposuna bir kod gönderme IoT Edge modülünün derlemesini tetikler ve modül görüntüsünü Azure Container Registry kaydeder.
CI işlem hattı tamamlandığında, dağıtım bildirimini oluşturan ve modülü IoT Edge cihazlara dağıtan CD ardışık düzenini tetikler.

Dağıtımda üç ortam vardır: dev, QA ve Production. Dev 'den QA 'e ve QA 'e kadar olan modül yükseltmesi hem otomatik hem de el ile geçişli denetimleri destekler.

Çözümün oluşturulması ve dağıtımı da şunları kullanır:

Azure CLI
Kapsayıcı modüllerini derlemek ve dağıtmak için Docker CE veya Moby
docker, Azure ıot ve ilgili dil uzantıları ile geliştirme, Visual Studio veya Visual Studio Code

Sonraki adımlar

kod projelerini GitHub

Çözüm öğrenme kaynakları