Integrazione dell'apprendimento automatico di Microsoft Azure

Semplificare l'invio di dati da Tulip a Microsoft Fabric per ampliare le opportunità di analisi

Scopo

Questa guida spiega come sfruttare Azure Machine Learning per addestrare modelli e distribuirli come endpoint accessibili tramite Tulip Connectors.

L'architettura più ampia di Azure Machine Learning è illustrata di seguito.

Impostazione

Addestrare il modello

Per addestrare il modello è possibile utilizzare la ML automatizzata di Azure Machine Learning (no-code), Designer (low-code) o un notebook (codice).

Distribuire il modello

Quindi, è possibile salvare il modello, registrarlo e creare un endpoint specifico per esso. Per accedere a questo endpoint in Tulip, è possibile creare un connettore con i dettagli dell'endpoint:

Esempio di architettura

Di seguito è riportata un'architettura Azure più ampia con Azure Machine Learning integrato.

Casi d'uso e passi successivi

Una volta completati l'endpoint e il connettore di Azure Machine Learning, è possibile creare e distribuire facilmente modelli predittivi per le applicazioni Tulip. Di seguito alcuni esempi:

1. Previsione dei difetti- Identificare i difetti di produzione prima che si verifichino e aumentare il numero di errori al primo tentativo - Identificare i principali fattori di produzione della qualità per implementare i miglioramenti.

2. Previsione e ottimizzazione delle consegne e della pianificazione- Ottimizzazione del programma di produzione in base alla domanda dei clienti e alla pianificazione degli ordini in tempo reale.

3. Funzionalità di manutenzione predittiva- Comprendere i requisiti di manutenzione in base ad altri input, come gli ordini di lavoro, l'usura della macchina, il tempo trascorso dall'ultimo ordine di manutenzione e altro ancora.