--- title: "Microsoft Fabric Integration" slug: "microsoft-fabric-integration" updated: 2024-05-13T13:35:18Z published: 2024-05-13T13:35:18Z canonical: "support.tulip.co/microsoft-fabric-integration" --- > ## Documentation Index > Fetch the complete documentation index at: https://support.tulip.co/llms.txt > Use this file to discover all available pages before exploring further. # Microsoft Fabric integráció *Az adatok Tulipből a Microsoft Fabricba történő küldésének egyszerűsítése a szélesebb körű elemzési lehetőségek érdekében* ## Cél Ez az útmutató lépésről lépésre bemutatja, hogyan küldhetünk adatokat a Tulip táblákból a Fabricba egy oldalankénti REST API-lekérdezéssel. Ez hasznos a Tulip táblák adatainak Azure Data Lakehouse-ban, Synapse Data Warehouse-ban vagy más Azure Data tárolási helyen történő elemzéséhez. A Fabric -- Microsoft Cloud for Manufacturing tágabb architektúrája az alábbiakban látható ![image](https://cdn.document360.io/7c6ff534-cad3-4fc8-9583-912c4016362f/Images/Documentation/msft_cloud_mfg.webp) ## Beállítás A részletes beállítási videó alább van beágyazva: Általános követelmények: * A Tulip Tables API használata (API-kulcs és titok lekérése a fiókbeállításokban) * Tulip Table (A Table Unique ID. Folyamat: 1. A Fabric kezdőlapján lépjen az Adatgyárra 2. Hozzon létre egy új adatcsővezetéket a Data Factory-n. 3. Indítsa el az "Adatok másolása asszisztenssel" a létrehozási folyamat egyszerűsítése érdekében 4. Copy Data Assistant részletek: 1. Adatforrás: REST 2. Alap URL: https://[instance].tulip.co/api/v3 3. Hitelesítés típusa: A hitelesítés típusa: A hitelesítés típusa: A hitelesítés típusa: Basic 4. Felhasználónév: API kulcs a Tuliptól 5. Jelszó: API titok a Tuliptól 6. Relatív URL: tables/[TABLE_UNIQUE_ID]/records?limit=100&offset={offset} 7. Kérés: GET 8. Paginálási opció neve: QueryParameters.{offset} 9. Pagination Option Value: RANGE:0:10000:100 *Megjegyzés: A határérték szükség esetén 100-nál alacsonyabb is lehet, de a lépésszámnak a lapozásban meg kell egyeznie**Megjegyzés: A tartomány lapozási értékének nagyobbnak kell lennie, mint a táblázatban lévő rekordok száma*. ![image.png](https://cdn.document360.io/7c6ff534-cad3-4fc8-9583-912c4016362f/Images/Documentation/image%28600%29.png) 1. Ezután elküldheti ezeket az adatokat különböző adatcélokra, például az Azure Lakehouse-ra. 2. Csatlakozzon az adatcélhoz, vizsgálja felül a mezőket / nevezze át szükség szerint, és már készen is van! ## Példa architektúra ![image.png](https://cdn.document360.io/7c6ff534-cad3-4fc8-9583-912c4016362f/Images/Documentation/image%28601%29.png) ## Felhasználási esetek és következő lépések Miután véglegesítette a kapcsolatot, könnyedén elemezheti az adatokat egy Spark notebookkal, PowerBI-val vagy számos más eszközzel. **1. Hibák előrejelzése**- A gyártási hibák azonosítása, mielőtt bekövetkeznének, és az első alkalommal történő helyes hibák növelése - A minőség alapvető gyártási tényezőinek azonosítása a fejlesztések végrehajtása érdekében. **2. Minőségi költségek optimalizálása**- Azonosítsa a terméktervezés optimalizálásának lehetőségeit anélkül, hogy az befolyásolná az ügyfelek elégedettségét. **3. Termelési energiaoptimalizálás**- Az optimális energiafogyasztás érdekében a termelésben alkalmazott mozgatórugók azonosítása. **4. Szállítási és tervezési előrejelzés és optimalizálás**- A gyártási ütemezés optimalizálása a vevői kereslet és a valós idejű rendelési ütemezés alapján. **5. Globális gép/sor teljesítményértékelés**- Hasonló gépek vagy berendezések összehasonlítása normalizálással. **6. Globális / regionális digitális teljesítménymenedzsment**Összevont adatok valós idejű műszerfalak létrehozásához.