Architektura referencyjna analizy danych połączonej floty

Ta architektura referencyjna pokazuje, jak używać usługi Microsoft Fabric Real-Time Intelligence do tworzenia połączonych rozwiązań do analizy floty. Możesz obsługiwać dane w czasie rzeczywistym z jednostek sterowania elektronicznego pojazdu (ECU), czujników dołączanych i systemów telemetrycznych, aby zapewnić bezpieczne, wydajne operacje floty przy jednoczesnym zapewnieniu wyjątkowych szczegółowych informacji na temat konserwacji predykcyjnej i optymalizacji operacyjnej.

Dane pojazdu w czasie rzeczywistym i historyczne można uzyskiwać z wielu źródeł, takich jak ECU, sieci magistrali CAN, systemy LIN, połączenia Ethernet i kanały wideo. Połączone pojazdy z dołączonymi urządzeniami do przechwytywania danych udostępniają aktualizacje dotyczące kondycji silnika, wydajności pojazdów, śledzenia lokalizacji i metryk operacyjnych. Systemy zarządzania urządzeniami przesyłają dane telemetryczne w czasie rzeczywistym i zarejestrowane pliki danych do potoku za pomocą protokołów MQTT.

Omówienie architektury

Architektura referencyjna połączonej floty używa usługi Microsoft Fabric Real-Time Intelligence do utworzenia ujednoliconej platformy analitycznej, która przetwarza dane telemetryczne pojazdów w czasie rzeczywistym i umożliwia inteligentne zarządzanie flotą. Architekturę można zaimplementować z czterema głównymi fazami operacyjnymi: pozyskiwanie i przetwarzanie, analizowanie, przekształcanie i wzbogacanie, trenowanie i wizualizowanie oraz aktywowanie.

Zrzut ekranu przedstawiający diagram architektury analizy danych połączonej floty.

  1. Przechwyć dane pojazdu z elektronicznych jednostek sterujących pojazdu (ECU) i czujników pokładowych.

  2. Połączone pojazdy wykonują zarządzanie urządzeniami i wysyłają dane MQTT do Eventstreams w ramach Real-Time Intelligence.

  3. Urządzenie przechwytywania danych przesyła zarejestrowane pliki danych i dane telemetryczne z źródeł CAN, LIN, Ethernet i wideo bezpośrednio do usługi Fabric Data Factory. Następnie dane są wprowadzane do systemu Eventhouse, gdzie wszystkie dane telemetryczne są łączone i przechowywane. Ten krok zapewnia bezproblemowe pozyskiwanie i przetwarzanie różnych strumieni danych w celu dalszej analizy.

  4. Dane pozyskane do usługi Eventstreams są wzbogacane w czasie rzeczywistym przy użyciu metadanych zasobów i hierarchii zasobów, zapewniając czyste i wyselekcjonowane dane do wykorzystania.

  5. Agregowanie wzbogaconych danych z godzinowymi i codziennymi widokami na stację.

  6. Tworzenie, trenowanie i ocenianie modeli uczenia maszynowego w czasie rzeczywistym w celu lepszego przewidywania i zrozumienia wzorców wykorzystania.

  7. Operatorzy floty używają pulpitu nawigacyjnego w czasie rzeczywistym do wizualizowania informacji o flocie, w tym zapytań śledzenia i obliczeń prawie w czasie rzeczywistym.

  8. Bogata usługa Power BI zapewnia pełną analizę monitorowania pozycji floty, progów konserwacji predykcyjnej, śledzenia geofencingu i wzorców wykorzystania.

  9. Za pomocą aktywatora można skonfigurować automatyczne alerty i akcje na podstawie danych pojazdu w czasie rzeczywistym, takich jak kondycja silnika lub wydajność pojazdu.

Fazy operacyjne

Pozyskiwanie i przetwarzanie

Usługa Eventstreams umożliwia pozyskiwanie danych telemetrycznych w czasie rzeczywistym z połączonych pojazdów, w tym diagnostyki silnika, aktualizacji lokalizacji GPS i metryk zachowania kierowcy. Przetwarzaj zdarzenia IoT z opóźnieniem poniżej sekundy, aby dostarczać kompleksowy wgląd w operacje floty pojazdów i wydajność pojazdów. Integruj specyfikacje pojazdów, szczegóły trasy i informacje o kierowcy w czasie rzeczywistym, aby dostarczać szczegółowe informacje umożliwiające podejmowanie działań na potrzeby optymalizacji floty.

Usługa Data Factory umożliwia zbieranie i synchronizowanie informacji o pojazdach i zasobach z systemów zarządzania flotą w usłudze OneLake. Codziennie aktualizuj metadane, w tym:

  • Specyfikacje pojazdów i metryki operacyjne
  • Profile sterowników i przydział tras
  • Harmonogramy konserwacji i historia usługi
  • Wzorce wykorzystania floty i testy porównawcze wydajności

Główny operator floty zarządzający 10 000 pojazdów przetwarza ponad 5 milionów zdarzeń pojazdów dziennie. Zdarzenia te obejmują diagnostykę silnika co 10 sekund, aktualizacje lokalizacji GPS, metryki zużycia paliwa i alerty dotyczące konserwacji. Integracja usługi Eventstreams przetwarza te dane, utrzymując opóźnienie poniżej sekundy dla krytycznych decyzji operacyjnych i optymalizacji floty.

Analizowanie, przekształcanie i wzbogacanie

Ciągłe przekształcenia odbywają się w usłudze Eventhouse, gdzie dane telemetryczne pojazdu w czasie rzeczywistym są wzbogacone o metadane zasobów przechowywane w usłudze OneLake. Ten proces wzbogacania tworzy w pełni wyselekcjonowane, gotowe do użycia dane floty, łącząc dane telemetryczne w czasie rzeczywistym z następującymi informacjami:

  • Specyfikacje pojazdów — operacyjne testy porównawcze i progi konserwacji ułatwiają porównywanie metryk wydajności w czasie rzeczywistym z oczekiwanymi wartościami, umożliwiając identyfikację nieefektywności lub anomalii.

  • Kontekst trasy — szczegóły trasy i przypisania sterowników zapewniają wgląd w wpływ czynników operacyjnych na wydajność pojazdów i wydajność floty.

  • Historyczne wzorce wydajności — długoterminowe trendy i historia konserwacji ułatwiają wykrywanie anomalii, prognozowanie przyszłych problemów i optymalizowanie operacji floty.

  • Korelacja danych środowiskowych — integracja danych pogodowych i drogowych umożliwia dokładne prognozowanie planowania tras i korekt operacyjnych.

Możesz skorelować zagregowane dane floty z wzbogaconymi metadanymi pojazdów, aby zapewnić ujednolicony widok wydajności operacyjnej. To przetwarzanie w czasie rzeczywistym zapewnia następujące możliwości:

  • Optymalizacja operacyjna — natychmiastowa korelacja wydajności pojazdów i danych tras zapewnia efektywne wykorzystanie floty i alokację zasobów.

  • Analiza zachowania kierowcy — szczegółowe informacje na temat wzorców jazdy umożliwiają dostosowane programy szkoleniowe i ulepszenia bezpieczeństwa.

  • Konserwacja predykcyjna — wczesne wykrywanie potencjalnych problemów z pojazdem minimalizuje przestoje i zmniejsza koszty konserwacji.

Pociąg

Tworzenie, trenowanie i ocenianie modeli uczenia maszynowego w czasie rzeczywistym przy użyciu możliwości nauki o danych w celu przewidywania potencjalnych awarii pojazdów i optymalizowania operacji floty. Te modele stale uczą się na podstawie przychodzących danych telemetrycznych i historycznych wzorców wydajności, aby zapewnić praktyczne informacje na temat zarządzania flotą. Najważniejsze możliwości predykcyjne obejmują:

  • Modele przewidywania błędów — za pomocą uczenia maszynowego można prognozować błędy aparatu lub składników na podstawie danych telemetrycznych i historycznych w czasie rzeczywistym. Te modele umożliwiają proaktywne planowanie konserwacji, zapewniając niezawodność floty.

  • Analiza zachowań kierowców — analizowanie wzorców jazdy w celu identyfikowania trendów i anomalii. Skorzystaj z tych szczegółowych informacji, aby poprawić programy szkolenia kierowców i zwiększyć bezpieczeństwo.

  • Optymalizacja tras — przewidywanie wzorców ruchu i optymalizowanie tras w celu zmniejszenia zużycia paliwa i skrócenia czasu dostawy.

Wizualizowanie i aktywowanie

Aktywacja w usłudze Fabric Real-Time Intelligence generuje powiadomienia w czasie rzeczywistym dotyczące problemów z wydajnością pojazdów i potrzeb związanych z konserwacją predykcyjną. Dzięki użyciu tej świadomości alertów w czasie rzeczywistym system zmniejsza interwencję ręczną i umożliwia szybkie reagowanie operacyjne. Najważniejsze funkcje alertów obejmują:

  • Natychmiastowa odpowiedź na konserwację — otrzymywanie automatycznych alertów dotyczących diagnostyki pojazdów, które wskazują potencjalne awarie, umożliwiając szybkie działanie, aby zapobiec awariom.

  • Alerty bezpieczeństwa kierowcy — wyzwalacz powiadomienia o ostrym hamowaniu, szybkim przyspieszaniu lub zdarzeniach przyspieszających, zwiększając ogólne bezpieczeństwo floty.

  • Optymalizacja operacyjna — zaimplementuj korekty w czasie rzeczywistym, aby zoptymalizować trasy i zmniejszyć zużycie paliwa, zapewniając efektywność kosztową.

Operatorzy floty używają pulpitów nawigacyjnych usługi Power BI połączonych bezpośrednio z usługą Eventhouse i OneLake do monitorowania danych floty w czasie rzeczywistym i generowania kompleksowych raportów. Te raporty zapewniają:

  • Analiza wydajności floty — uzyskaj wgląd w wzorce wykorzystania pojazdów i oceń wydajność operacyjną za pomocą szczegółowych raportów.

  • Śledzenie konserwacji — monitorowanie harmonogramów usług i analizowanie historii konserwacji w celu zapewnienia niezawodności floty.

  • Szczegółowe informacje o zachowaniu kierowcy — analizowanie wzorców jazdy w celu odkrywania trendów i anomalii, umożliwiając ukierunkowane szkolenia i ulepszenia bezpieczeństwa.

Panele na żywo zapewniają operacyjną widoczność na żywo z dostosowywalnymi widokami dla różnych ról, umożliwiając zespołom efektywne monitorowanie i reagowanie na zdarzenia na żywo. Te pulpity nawigacyjne zapewniają następujące możliwości:

  • Omówienie floty — uzyskiwanie kompleksowego widoku całej floty, w tym stanu pojazdów w czasie rzeczywistym i metryk operacyjnych, w celu podejmowania świadomych decyzji.

  • Monitorowanie na poziomie pojazdu — dostęp do szczegółowego monitorowania poszczególnych pojazdów, w tym diagnostyki, lokalizacji i metryk wydajności.

  • Operacyjne wskaźniki KPI — śledzenie kluczowych wskaźników wydajności (KPI) w czasie rzeczywistym, takich jak efektywność paliwowa, przestrzeganie tras i zgodność z konserwacją.

Copilot umożliwia używanie zapytań języka naturalnego do monitorowania operacji floty, analizowania danych pojazdów w czasie rzeczywistym oraz identyfikowania potencjalnych problemów lub możliwości optymalizacji. To narzędzie upraszcza złożoną eksplorację danych, pomagając podejmować świadome decyzje w celu zwiększenia wydajności floty i wydajności operacyjnej.

Korzyści techniczne i wyniki

Analiza floty w czasie rzeczywistym

  • Ujednolicona platforma danych — tworzenie pojedynczego źródła danych prawdziwych dla wszystkich danych telemetrycznych pojazdów.

  • Wykrywanie anomalii w czasie rzeczywistym — uzyskaj natychmiastową identyfikację problemów z wydajnością pojazdów.

  • Skalowalna architektura — obsługa strumieni danych o wysokiej szybkości z tysięcy połączonych pojazdów.

  • Zintegrowana analiza — łączenie danych historycznych i czasu rzeczywistego w celu uzyskania kompleksowych szczegółowych informacji o floty.

Zautomatyzowane zarządzanie flotą

  • Inteligentne alerty — odbieranie powiadomień kontekstowych opartych na regułach wydajności pojazdów.

  • Zautomatyzowane przepływy pracy — konfigurowanie wyzwalaczy na potrzeby planowania konserwacji, monitorowania geofencingu i alertów sterowników.

  • Proaktywne zarządzanie problemami — korzystaj z systemów wczesnego ostrzegania w celu optymalizacji kondycji i wydajności pojazdów.

  • Optymalizacja zasobów — umożliwia dynamiczną alokację pojazdów, tras i zasobów konserwacji.

Zaawansowane możliwości analizy

  • Przetwarzanie języka naturalnego — wykonywanie zapytań dotyczących złożonych danych floty przy użyciu konwersacyjnej sztucznej inteligencji.

  • Analiza predykcyjna — używaj modeli uczenia maszynowego do przewidywania i optymalizacji konserwacji.

  • Analiza trendów historycznych — identyfikowanie wzorców wydajności i wydajności pojazdów.

  • Korelacja między systemami — łączenie zdarzeń w czasie rzeczywistym przy użyciu historycznych danych operacyjnych.

Uwagi dotyczące implementacji

Wymagania dotyczące architektury danych

  • Ingestia o wysokiej przepustowości — zaprojektuj system tak, aby przetwarzał miliardy zdarzeń pojazdów na sekundę dla dużych flot (10 000+ pojazdów), z możliwością zwiększenia wydajności podczas szczytowych operacji.

  • Przetwarzanie o małych opóźnieniach — upewnij się, że czasy odpowiedzi w ułamkach sekundy dla krytycznych alertów bezpieczeństwa, trzysekundowa odpowiedź na powiadomienia o wydajności i poniżej 15-sekundowe przetwarzanie zaleceń dotyczących konserwacji.

  • Jakość i walidacja danych — zaimplementuj walidację w czasie rzeczywistym dla numerów identyfikacyjnych pojazdów (VIN), integralność danych ECU, wartości kalibracji czujnika i współrzędne GPS z automatycznym flagowaniem błędów.

  • Planowanie skalowalności — zaprojektuj swoją architekturę, aby obsługiwać sezonowe różnice w użyciu pojazdów, wspierać rozszerzanie floty i uwzględniać nowe typy pojazdów i technologie czujników.

  • Wymagania dotyczące magazynowania — planowanie terabajtów danych pojazdów miesięcznie dla dużych flot z dwuletnim przechowywaniem na potrzeby analizy wydajności i gorącym magazynem danych operacyjnych.

Zabezpieczenia i zgodność

  • Kontrola dostępu — zaimplementuj kontrolę dostępu opartą na rolach zgodnie z obowiązkami operacyjnymi (menedżerowie floty, dyspozytorzy, zespoły konserwacyjne, kierowcy). Uwierzytelnianie wieloskładnikowe umożliwia dostęp do wszystkich systemów i zarządzanie uprzywilejowanym dostępem dla funkcji administracyjnych.

  • Dzienniki inspekcji — tworzenie kompleksowego rejestrowania pod kątem zgodności z przepisami. Uwzględnij cały dostęp do danych, modyfikacje i akcje systemowe z niezmiennymi dziennikami inspekcji i automatycznym raportowaniem zgodności.

  • Prywatność danych — zapewnienie zgodności z regionalnymi przepisami dotyczącymi prywatności (RODO, KPI) i wymaganiami specyficznymi dla floty dla ochrony danych kierowców i pojazdów.

Punkty integracji

  • Systemy zarządzania flotą: integracja z istniejącymi platformami zarządzania flotą, systemami śledzenia pojazdów i narzędziami do planowania konserwacji przy użyciu standardowych w branży interfejsów API i formatów danych.

  • Dostawcy telematyki: używaj interfejsów API dla urządzeń telematycznych innych firm, usług łączności komórkowej i systemów bram pojazdów.

  • Systemy konserwacji: zabezpieczanie udostępniania danych za pomocą platform zarządzania konserwacją, systemów spisu części i aplikacji do planowania usług.

  • Aplikacje sterowników: udostępniaj źródła danych w czasie rzeczywistym dla aplikacji mobilnych sterowników, pulpitów nawigacyjnych stanu pojazdów i narzędzi do optymalizacji tras przy użyciu funkcji trybu offline.

Monitorowanie i obserwowanie

Monitorowanie operacyjne:

  • Pulpity kondycji systemu: Monitorowanie przepustowości strumieni zdarzeń w czasie rzeczywistym, wydajności zapytań Eventhouse i wykonywania reguł Activatora z automatycznym powiadamianiem o anomaliach systemowych.

  • Monitorowanie jakości danych: ciągła weryfikacja przychodzących strumieni danych pojazdu z alertami dotyczącymi brakujących czujników lub uszkodzonych transmisji danych.

  • Metryki wydajności: Śledzenie opóźnienia pozyskiwania danych, czasów odpowiedzi na zapytania i czasów dostarczania alertów dzięki monitorowaniu umowy SLA i automatycznej eskalacji.

Optymalizacja kosztów:

  • Zarządzanie pojemnością: Odpowiednie ustalanie rozmiaru pojemności Fabriku w oparciu o wielkość floty i wzorce użycia, implementowanie automatycznego skalowania podczas okresów szczytowych i optymalizacja kosztów podczas okresów niskiej aktywności.

  • Zarządzanie cyklem życia danych: automatyczne archiwizowanie starszych danych pojazdów w warstwach magazynowania niższego kosztu, zasady przechowywania zgodne z wymaganiami biznesowymi i usuwanie nieistotnych danych telemetrycznych.

Dalsze kroki

Wprowadzenie

Faza 1. Instalacja fundamentu

  1. Przejrzyj możliwości Microsoft Fabric Real-Time Intelligence i zrozum wymagania dotyczące pojemności dla rozmiaru Twojej floty.

  2. Zaplanuj strategię pozyskiwania danych usługi Eventstreams . Zacznij od danych o krytycznym pojeździe (diagnostyka silnika, śledzenie GPS, zużycie paliwa).

  3. Zaprojektuj implementację analizy w czasie rzeczywistym w usłudze Eventhouse. Skoncentruj się na monitorowaniu kondycji pojazdów i alertach dotyczących konserwacji.

  4. Skonfiguruj usługę OneLake na potrzeby przechowywania danych historycznych i analizy przy użyciu odpowiednich zasad przechowywania.

Faza 2. Implementacja pilotażowa

  1. Użyj podzbioru floty (50-100 pojazdów), aby zweryfikować architekturę.

  2. Zaimplementuj podstawowe przepływy danych na potrzeby monitorowania pojazdów, analizy zachowania kierowcy i podstawowego alertu.

  3. Ustanów integrację z istniejącymi systemami zarządzania flotą w celu zapewnienia bezproblemowego przepływu danych.

  4. Wdrażanie pulpitu nawigacyjnego Real-Time na potrzeby monitorowania operacji floty przy użyciu dostosowanych widoków dla różnych ról.

Faza 3. Walidacja operacyjna

  1. Przetestuj wydajność systemu w szczytowych okresach operacyjnych i różnych warunkach jazdy.

  2. Zweryfikuj reguły Activatora dla alertów konserwacji, monitorowania stref geofencingowych i optymalizacji wydajności.

  3. Zapewnienie zgodności z przepisami dotyczącymi prywatności danych i wymaganiami dotyczącymi zarządzania flotą.

  4. Trenowanie zespołów operacyjnych na temat użycia pulpitu nawigacyjnego i procedur zarządzania alertami.

Implementacja zaawansowana

Inteligentna automatyzacja i sztuczna inteligencja

  • Skonfiguruj Aktywatora w celu zaawansowanej automatyzacji floty, w tym przepływów pracy związanych z konserwacją predykcyjną, optymalizacją tras oraz programami szkoleniowymi dla kierowców.

  • Zaimplementuj copilot na potrzeby analizy języka naturalnego. Umożliwiaj zespołom wykonywanie zapytań dotyczących złożonych scenariuszy, takich jak "Pokaż mi wszystkie pojazdy z wydajnością paliwową poniżej średniej w zeszłym tygodniu".

  • Wdrażanie modeli konserwacji predykcyjnej, które używają historycznych danych z czujników pojazdów w celu przewidywania awarii składników i optymalizowania harmonogramów usług.

  • Twórz inteligentne systemy pomocy kierowcy, które zapewniają informacje zwrotne i coaching w czasie rzeczywistym na podstawie danych dotyczących wydajności pojazdów.

Wdrażanie w skali przedsiębiorstwa

  • Skalowanie do pełnych operacji floty przy użyciu scentralizowanego monitorowania i rozproszonego przetwarzania danych w wielu regionach.

  • Zaimplementuj zaawansowaną analizę na potrzeby optymalizacji tras, poprawy wydajności paliwa i całkowitego kosztu analizy własności.

  • Twórz kompleksowe dashboardy za pomocą Power BI i Real-Time Dashboard na potrzeby raportowania kadry kierowniczej, monitorowania operacyjnego i zgodności z przepisami.

  • Opracowywanie modeli uczenia maszynowego do prognozowania zapotrzebowania, optymalizacji alokacji pojazdów i poprawy wydajności kierowców.