Microsoft Azure 머신 러닝 통합

더 광범위한 분석 기회를 위해 Tulip에서 Microsoft Fabric으로 데이터 전송 간소화

목적

이 가이드에서는 Azure Machine Learning을 활용하여 모델을 학습하고 Tulip 커넥터를 통해 액세스할 수 있는 엔드포인트로 배포하는 방법을 안내합니다.

Azure Machine Learning의 광범위한 아키텍처는 아래에 나와 있습니다

설정

모델 훈련

Azure Machine Learning의 자동화된 ML(코드 없음), 디자이너(로우코드) 또는 노트북(코드)을 사용하여 모델을 학습할 수 있습니다.

모델 배포

그런 다음 모델을 저장하고 등록하고 특정 엔드포인트를 만들 수 있으며, Tulip에서 이 엔드포인트에 액세스하려면 지정된 엔드포인트 세부 정보로 커넥터를 만들 수 있습니다(아래 예제 참조):

아키텍처 예시

아래는 Azure 머신 러닝이 구워진 더 광범위한 Azure 아키텍처입니다.

사용 사례 및 다음 단계

Azure 머신 러닝 엔드포인트 및 커넥터를 완성한 후에는 Tulip 앱에 대한 예측 모델을 쉽게 빌드하고 배포할 수 있습니다. 다음은 몇 가지 예입니다:

1. 결함 예측 - 생산 결함이 발생하기 전에 식별하고 처음에 올바르게 증가 - 개선 사항을 구현하기 위해 품질의 핵심 생산 동인 식별

2. 배송 및 계획 예측 및 최적화- 고객 수요와 실시간 주문 일정을 기반으로 생산 일정 최적화

3. 예측 유지보수 기능- 작업 주문, 기계 마모 및 손상, 마지막 유지보수 작업 주문 이후 시간 등과 같은 기타 입력을 기반으로 유지보수 요구 사항을 이해합니다.