MENU
    Intégration de Microsoft Azure Machine Learning
    • 13 May 2024
    • 1 Minute à lire
    • Contributeurs

    Intégration de Microsoft Azure Machine Learning


    Résumé de l’article

    Rationaliser l'envoi de données de Tulip vers Microsoft Fabric pour élargir les possibilités d'analyse

    Objectif

    Ce guide explique comment exploiter Azure Machine Learning pour entraîner des modèles et les déployer en tant que points de terminaison accessibles via les connecteurs Tulip.

    L'architecture générale d'Azure Machine Learning est présentée ci-dessousimage

    Configuration

    Entraîner le modèle

    Vous pouvez utiliser Azure Machine Learning's automated ML (no-code), Designer (low-code), ou un notebook (code) pour former votre modèle.

    Déployer le modèle

    Ensuite, vous pouvez sauvegarder le modèle, l'enregistrer et créer un endpoint spécifique pour lui. Pour accéder à cet endpoint dans Tulip, vous pouvez créer un connecteur avec les détails de l'endpoint donné. voir ci-dessous pour un exemple :

    image.png

    Exemple d'architecture

    Ci-dessous se trouve une architecture Azure plus large avec Azure Machine Learning intégré.image.png

    Cas d'utilisation et prochaines étapes

    Une fois que vous avez finalisé le point de terminaison et le connecteur Azure Machine Learning, vous pouvez facilement construire et déployer des modèles prédictifs pour les applications Tulip. Quelques exemples ci-dessous :

    1. Prédiction desdéfauts - Identifier les défauts de production avant qu'ils ne se produisent et augmenter la qualité dès la première fois - Identifier les principaux facteurs de production de la qualité afin de mettre en œuvre des améliorations.

    2. Prédiction et optimisation des livraisons et de la planification- Optimiser le programme de production en fonction de la demande du client et du programme de commande en temps réel.

    3. Capacités de maintenance prédictive- Comprendre les besoins de maintenance en fonction d'autres données telles que les ordres de travail, l'usure des machines, le temps écoulé depuis le dernier ordre de travail, etc.


    Cet article vous a-t-il été utile ?