TulipからMicrosoft Fabricへのデータ送信を合理化し、アナリティクスの機会を拡大
目的
このガイドでは、Azure Machine Learningを活用してモデルをトレーニングし、Tulip Connectors経由でアクセス可能なエンドポイントとしてデプロイする方法を説明します。
Azure Machine Learningの広範なアーキテクチャを以下に示します。
セットアップ
モデルのトレーニング
Azure Machine Learningの自動ML（コードなし）、Designer（ローコード）、またはノートブック（コード）を使用して、モデルをトレーニングできます。
モデルのデプロイ
次に、モデルを保存して登録し、特定のエンドポイントを作成します。 Tulipでこのエンドポイントにアクセスするには、指定されたエンドポイントの詳細でコネクタを作成します：
アーキテクチャ例
以下は、Azure Machine Learningを組み込んだ、より広範なAzureアーキテクチャです。
ユースケースと次のステップ
Azure Machine Learningのエンドポイントとコネクタを確定したら、Tulipアプリの予測モデルを簡単に構築してデプロイできます。以下にいくつかの例を示す：
1.不具合予測- 製造上の不具合を事前に特定し、初回での不具合を増加させる - 改善を実施するために、品質の中核となる製造上の要因を特定する
2.納期と計画の予測と最適化- 顧客の需要とリアルタイムの受注スケジュールに基づいて生産スケジュールを最適化する。
3.予知保全機能- 作業指示、機械の磨耗・損傷、前回のメンテナンス作業指示からの経過時間など、その他の入力に基づくメンテナンス要件を把握します。