Notatka
Dostęp do tej strony wymaga autoryzacji. Może spróbować zalogować się lub zmienić katalogi.
Dostęp do tej strony wymaga autoryzacji. Możesz spróbować zmienić katalogi.
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.
Przechwyć dane pojazdu z elektronicznych jednostek sterujących pojazdu (ECU) i czujników pokładowych.
Połączone pojazdy wykonują zarządzanie urządzeniami i wysyłają dane MQTT do Eventstreams w ramach Real-Time Intelligence.
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.
Dane pozyskane do usługi Eventstreams są wzbogacane w czasie rzeczywistym przy użyciu metadanych zasobów i hierarchii zasobów, zapewniając czyste i wyselekcjonowane dane do wykorzystania.
Agregowanie wzbogaconych danych z godzinowymi i codziennymi widokami na stację.
Tworzenie, trenowanie i ocenianie modeli uczenia maszynowego w czasie rzeczywistym w celu lepszego przewidywania i zrozumienia wzorców wykorzystania.
Operatorzy floty używają pulpitu nawigacyjnego w czasie rzeczywistym do wizualizowania informacji o flocie, w tym zapytań śledzenia i obliczeń prawie w czasie rzeczywistym.
Bogata usługa Power BI zapewnia pełną analizę monitorowania pozycji floty, progów konserwacji predykcyjnej, śledzenia geofencingu i wzorców wykorzystania.
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
Przejrzyj możliwości Microsoft Fabric Real-Time Intelligence i zrozum wymagania dotyczące pojemności dla rozmiaru Twojej floty.
Zaplanuj strategię pozyskiwania danych usługi Eventstreams . Zacznij od danych o krytycznym pojeździe (diagnostyka silnika, śledzenie GPS, zużycie paliwa).
Zaprojektuj implementację analizy w czasie rzeczywistym w usłudze Eventhouse. Skoncentruj się na monitorowaniu kondycji pojazdów i alertach dotyczących konserwacji.
Skonfiguruj usługę OneLake na potrzeby przechowywania danych historycznych i analizy przy użyciu odpowiednich zasad przechowywania.
Faza 2. Implementacja pilotażowa
Użyj podzbioru floty (50-100 pojazdów), aby zweryfikować architekturę.
Zaimplementuj podstawowe przepływy danych na potrzeby monitorowania pojazdów, analizy zachowania kierowcy i podstawowego alertu.
Ustanów integrację z istniejącymi systemami zarządzania flotą w celu zapewnienia bezproblemowego przepływu danych.
Wdrażanie pulpitu nawigacyjnego Real-Time na potrzeby monitorowania operacji floty przy użyciu dostosowanych widoków dla różnych ról.
Faza 3. Walidacja operacyjna
Przetestuj wydajność systemu w szczytowych okresach operacyjnych i różnych warunkach jazdy.
Zweryfikuj reguły Activatora dla alertów konserwacji, monitorowania stref geofencingowych i optymalizacji wydajności.
Zapewnienie zgodności z przepisami dotyczącymi prywatności danych i wymaganiami dotyczącymi zarządzania flotą.
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.
Powiązane zasoby
- Dokumentacja analizy w czasie rzeczywistym
- Aktywacja na potrzeby automatycznego zgłaszania alertów
- Strumienie zdarzeń na potrzeby pozyskiwania danych w czasie rzeczywistym
- Zaawansowana analiza i uczenie maszynowe
- Planowanie pojemności usługi Microsoft Fabric Real-Time Intelligence
- Omówienie magazynu danych usługi OneLake