Petrol ve Doğalgaz Tank Düzeyi Tahmini

Data Factory
Event Hubs
Machine Learning
Stream Analytics
Synapse Analytics
Power BI

Çözüm Fikri

Olası kullanım örnekleri, alternatif hizmetler, uygulama konuları veya fiyatlandırma kılavuzu gibi daha fazla bilgiyle bu makaleyi genişletmemizi görmek için Geri Bildirim ile GitHub!

Günümüzde çoğu tesis, depo düzeylerinde sorunlara karşı tepkisel olarak çalışır. Bu genellikle taşmalara, acil durum kapatmalarına, pahalı düzeltme maliyetlerine, mevzuat sorunlarına, pahalı onarımlara ve para cezalarına yol açtır. Depo düzeyinde tahmin, bunları ve diğer sorunları yönetmeye ve kısaltmaya yardımcı olur.

Tahminler algılayıcılardan, metrelerden ve kayıtlardan edinilen gerçek zamanlı ve geçmiş verilerin gücünden yararlanarak oluşturulur ve bu da aşağıdakilere yardımcı olur:

  • Depo taşmalarını ve acil durum kapatmalarını önleme
  • Donanım arızası veya arızası bulma
  • Bakım, kapatma ve lojistik zamanlama
  • Operasyon ve tesis verimliliğini iyileştirme
  • İşlem hattı sızıntılarını ve slugging'i algılama
  • Maliyetleri, para cezalarını ve kapalı kalma süresini azaltma

Üst düzey tahmin süreci, iyi girişle başlar. Petrol, metreler aracılığıyla tesis içine geldiğinden ölçülür ve fabrikaya gönderilir. Düzeyler, refining işlemi sırasında izlenir ve depoya kaydedilir ve ardından algılayıcılar, metreler ve kayıtlar aracılığıyla petrol, gaz ve su çıkışı kaydedilir. Tahminler daha sonra tesis verileri kullanılarak yapılır; Örneğin, tahminler 15 dakikada bir yapılır.

Bu Cortana Intelligence Suite uyarlanabilir ve tesislerin ve şirketlerin sahip olduğu farklı gereksinimleri karşılayacak şekilde özelleştirilebilir.

Mimari

Mimari diyagramı Bu mimarinin SVG'lerini indirin.

Açıklama

Bu çözümün nasıl inşa edildikleri hakkında daha fazla bilgi için GitHub.

Bu Cortana Intelligence Suite, Microsoft Azure veri alımı, veri depolama, veri işleme ve gelişmiş analiz bileşenleri (bir depo düzeyinde tahmin çözümü oluşturmak için gerekli tüm temel öğeler) aracılığıyla gelişmiş analiz araçları sağlar.

Bu çözüm, güçlü avantajlar sağlamak için çeşitli Azure hizmetlerini birleştirir. Event Hubs gerçek zamanlı depo düzeyi verileri toplar. Stream Analytics, akış verilerini toplar ve görselleştirme için kullanılabilir yapar. Azure Synapse Analytics depolar ve depolar ve depolar. Machine Learning tahmin modelini uygulayan ve yürüten bir uygulamadır. Power BI, gerçek zamanlı depo düzeyini ve tahmin sonuçlarını görselleştirmektedir. Son olarak Data Factory akışın tamamını düzenleme ve zamanlama.

'Dağıt' düğmesi, belirttiğiniz Azure aboneliğinde bir Kaynak Grubu içinde çözümün bir örneğini dağıtacak bir iş akışı başlatacak. Çözüm, birden çok Azure hizmeti (aşağıda açıklanmıştır) ile birlikte, dağıtımdan hemen sonra çalışan bir 4.000 çözüme sahip olmak için verilerin simülasyonunu yapılan bir web işini içerir.

Dağıtımdan sonra dağıtım sonrası yönergelerine bakın.

Teknik ayrıntılar ve iş akışı

  1. Veri akışı, Azure Event Hubs Azure Synapse Analytics akışında kullanılacak veri noktaları veya olaylar olarak kullanılır.
  2. Azure Stream Analytics analiz edip olay hub'ına gelen giriş akışında gerçek zamanlıya yakın analizler sağlar ve görselleştirme için doğrudan Power BI yayımlar.
  3. Azure Machine Learning, alınan girişlere göre belirli bir bölgenin depo düzeyinde tahminde etmek için kullanılır.
  4. Azure Synapse Analytics, bu sorgudan alınan tahmin sonuçlarını depolamak için Azure Machine Learning. Bu sonuçlar daha sonra panoda Power BI tüketilir.
  5. Azure Data Factory model yeniden eğitme düzenleme ve zamanlama işlerini sağlar.
  6. Son Power BI, kullanıcıların bir tesisten depo düzeyini gerçek zamanlı olarak izlemesi ve taşmayı önlemek için tahmin düzeyini kullanmaları için sonuçlar görselleştirmesi için kullanılır.

Bileşenler

Sonraki adımlar