解決方案構想
本文說明解決方案概念。 您的雲端架構師可以使用本指南，協助視覺化此架構的一般實作的主要元件。 以本文為起點，設計符合您工作負載具體要求的完善解決方案。
目前，多數的設備都會對油槽液位的問題作出反應。 這種反應通常會導致溢出、緊急關機、昂貴的補救成本、法規問題、昂貴的修復和罰款。 油槽液位預測有利於管理及消除這些及其他問題。
架構
下載此架構的 Visio 檔案。
資料流程
- 數據會饋送至 Azure 事件中樞 和 Azure Synapse Analytics 服務，作為將用於解決方案流程其餘部分的數據點或事件。
- Azure 串流分析 會分析數據，以針對來自事件中樞的輸入數據流提供近乎即時的分析，並直接發佈至 Power BI 以取得視覺效果。
- Azure 機器學習 可用來根據收到的輸入，對特定區域的坦克層級進行預測。
- Azure Synapse Analytics 用來儲存從 Azure Machine Learning 收到的預測結果。 Power BI 儀表板中隨後會取用這些結果。
- Azure Data Factory 會處理每小時模型重新定型的協調流程和排程。
- 最後， Power BI 會用於結果視覺效果，讓使用者可以即時監視設施的油箱層級，並使用預測層級來防止溢出。
元件
案例詳細資料
油槽液位預測流程從良好的輸入開始。 透過計量器量測進入設備及送入油槽的石油。 在煉油過程中，油箱中會監測並記錄水準。 石油、天然氣和水輸出會透過感測器、計量和記錄來記錄。 然後使用設備的資料建立預測，例如，可每 15 分鐘建立預測。
Azure 認知服務可調整，並可自定義以符合設施和公司所擁有的不同需求。
潛在使用案例
此解決方案適用於能源、汽車和航空航天產業。
預測是利用感測器、計量和記錄中隨時可用的即時和歷史數據的強大功能來建立的，可協助處理下列案例：
- 預防油槽溢漏及緊急關機
- 探索硬體故障或失敗
- 排程維護、關機和運輸
- 最佳化作業和設備效率
- 偵測管線漏油及重擊
- 降低成本、罰款和停機
下一步
產品文件：
- 什麼是 Azure 事件中樞？
- 什麼是 Azure Synapse Analytics？
- 歡迎使用 Azure 串流分析
- 什麼是 Azure Machine Learning 服務？
- 什麼是 Azure Data Factory？
Microsoft Learn 模組：