MENU
    Интеграция машинного обучения в Microsoft Azure
    • 13 May 2024
    • 1 Минута для чтения
    • Авторы

    Интеграция машинного обучения в Microsoft Azure


    Вводный текст

    Оптимизация отправки данных из Tulip в Microsoft Fabric для расширения возможностей аналитики

    Цель

    В этом руководстве рассказывается о том, как использовать Azure Machine Learning для обучения моделей и их развертывания в качестве конечных точек, доступных через Tulip Connectors.

    Более широкая архитектура Azure Machine Learning показана ниже.image

    Настройка

    Обучение модели

    Для обучения модели можно использовать автоматический ML в Azure Machine Learning (без кода), конструктор (с низким кодом) или блокнот (с кодом).

    Развертывание модели

    Затем вы можете сохранить модель, зарегистрировать ее и создать для нее определенную конечную точку. Чтобы получить доступ к этой конечной точке в Tulip, вы можете создать коннектор с заданными данными конечной точки. пример смотрите ниже:

    image.png

    Пример архитектуры

    Ниже приведена более широкая архитектура Azure с Azure Machine Learning.image.png

    Примеры использования и дальнейшие шаги

    После завершения работы над конечной точкой и коннектором Azure Machine Learning вы сможете легко создавать и развертывать прогнозные модели для приложений Tulip. Некоторые примеры приведены ниже:

    1. Прогнозирование дефектов- выявление производственных дефектов до их возникновения и увеличение количества правильных решений с первого раза. - Выявление основных факторов качества производства для внедрения улучшений.

    2. Прогнозирование и оптимизация поставок и планирования- Оптимизация графика производства на основе спроса клиентов и графика заказов в реальном времени.

    3. Возможности предиктивного технического обслуживания- понимание потребностей в техническом обслуживании на основе других данных, таких как наряд-заказ, износ оборудования, время, прошедшее с момента последнего наряда-заказа на техническое обслуживание, и т. д.


    Была ли эта статья полезной?