หมายเหตุ
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลอง ลงชื่อเข้าใช้หรือเปลี่ยนไดเรกทอรีได้
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลองเปลี่ยนไดเรกทอรีได้
สถาปัตยกรรมอ้างอิงนี้แสดงวิธีใช้ Microsoft Fabric Real-Time Intelligence เพื่อสร้างโซลูชันการวิเคราะห์ฟลีตที่เชื่อมต่อ คุณสามารถจัดการข้อมูลแบบเรียลไทม์จากชุดควบคุมอิเล็กทรอนิกส์ของยานพาหนะ (ECU) เซ็นเซอร์ออนบอร์ด และระบบ telemetry เพื่อให้มั่นใจถึงการดําเนินงานของยานพาหนะที่ปลอดภัยและมีประสิทธิภาพ พร้อมทั้งให้ข้อมูลเชิงลึกที่ยอดเยี่ยมสําหรับการบํารุงรักษาเชิงคาดการณ์และการเพิ่มประสิทธิภาพการดําเนินงาน
คุณสามารถจัดหาข้อมูลยานพาหนะแบบเรียลไทม์และในอดีตได้จากหลายแหล่ง รวมถึง ECU, เครือข่ายบัส CAN, ระบบ LIN, การเชื่อมต่ออีเทอร์เน็ต และฟีดวิดีโอ ยานพาหนะที่เชื่อมต่อพร้อมอุปกรณ์บันทึกข้อมูลออนบอร์ดจะให้ข้อมูลอัปเดตเกี่ยวกับความสมบูรณ์ของเครื่องยนต์ สมรรถนะของยานพาหนะ การติดตามตําแหน่ง และตัวชี้วัดการปฏิบัติงาน ระบบการจัดการอุปกรณ์ป้อนการวัดและส่งข้อมูลทางไกลแบบสดและไฟล์ข้อมูลที่บันทึกไว้ในไปป์ไลน์ผ่านโปรโตคอล MQTT
ภาพรวมสถาปัตยกรรม
สถาปัตยกรรมการอ้างอิงกลุ่มยานพาหนะที่เชื่อมต่อใช้ Microsoft Fabric Real-Time Intelligence เพื่อสร้างแพลตฟอร์มการวิเคราะห์แบบครบวงจรที่ประมวลผลการวัดและส่งข้อมูลทางไกลของยานพาหนะแบบเรียลไทม์และเปิดใช้งานการจัดการยานพาหนะอัจฉริยะ คุณสามารถใช้สถาปัตยกรรมด้วยขั้นตอนการดําเนินงานหลักสี่ขั้นตอน: นําเข้าและประมวลผล วิเคราะห์ แปลง และเพิ่มความสมบูรณ์ ฝึกอบรม และแสดงภาพและเปิดใช้งาน
บันทึกข้อมูลยานพาหนะจากชุดควบคุมอิเล็กทรอนิกส์ (ECU) และเซ็นเซอร์ออนบอร์ดของรถ
ยานพาหนะที่เชื่อมต่อจะดําเนินการจัดการอุปกรณ์และส่งข้อมูล MQTT ไปยัง Eventstreams ภายใน Real-Time Intelligence
อุปกรณ์บันทึกข้อมูลจะส่งข้อมูลที่บันทึกไว้ files และ telemetry จาก CAN, LIN, Ethernet และแหล่งวิดีโอโดยตรงไปยัง Fabric Data Factory จากนั้นข้อมูลจะถูกนําเข้าไปยัง Eventhouse ซึ่งข้อมูลการวัดและส่งข้อมูลทางไกลทั้งหมดจะถูกรวมและจัดเก็บ ขั้นตอนนี้ช่วยให้มั่นใจได้ถึงการนําเข้าและประมวลผลสตรีมข้อมูลที่หลากหลายเพื่อการวิเคราะห์เพิ่มเติมอย่างราบรื่น
ข้อมูลที่นําเข้าไปยัง Eventstreams จะได้รับการปรับปรุงในการเคลื่อนไหวด้วยข้อมูลเมตาของสินทรัพย์และลําดับชั้นของสินทรัพย์ ซึ่งให้ข้อมูลที่สะอาดและคัดสรรมาเพื่อการใช้งาน
ข้อมูลรวมที่สมบูรณ์พร้อมการดูรายชั่วโมงและรายวันต่อสถานี
สร้าง ฝึกฝน และให้คะแนนโมเดลแมชชีนเลิร์นนิงแบบเรียลไทม์ เพื่อคาดการณ์และทําความเข้าใจรูปแบบการใช้งานได้ดียิ่งขึ้น
ผู้ปฏิบัติงานกลุ่มยานพาหนะใช้ Real-Time Dashboard เพื่อแสดงภาพข้อมูลกลุ่มยานพาหนะ รวมถึงการสืบค้นติดตามและติดตามและการคํานวณแบบเกือบเรียลไทม์
Power BI ที่หลากหลายให้การวิเคราะห์เต็มรูปแบบสําหรับการตรวจสอบตําแหน่งฟลีต เกณฑ์การบํารุงรักษาเชิงคาดการณ์ การติดตามขอบเขตตําแหน่ง และรูปแบบการใช้งาน
ใช้ตัวกระตุ้นเพื่อตั้งค่าการแจ้งเตือนอัตโนมัติและการดําเนินการตามข้อมูลยานพาหนะแบบเรียลไทม์ เช่น ความสมบูรณ์ของเครื่องยนต์หรือสมรรถนะของรถ
ขั้นตอนการดําเนินงาน
การนําเข้าและประมวลผล
ใช้ Eventstreams เพื่อนําเข้าข้อมูลการวัดและส่งข้อมูลทางไกลแบบเรียลไทม์จากยานพาหนะที่เชื่อมต่อ รวมถึงการวินิจฉัยเครื่องยนต์ การอัปเดตตําแหน่ง GPS และตัวชี้วัดพฤติกรรมของผู้ขับขี่ ประมวลผลเหตุการณ์ IoT ด้วยเวลาแฝงต่ํากว่าวินาทีเพื่อให้มองเห็นการดําเนินงานของยานพาหนะและประสิทธิภาพของยานพาหนะได้อย่างครอบคลุม ผสานรวมข้อมูลจําเพาะของยานพาหนะ รายละเอียดเส้นทาง และข้อมูลผู้ขับขี่แบบเรียลไทม์เพื่อมอบข้อมูลเชิงลึกที่นําไปใช้ได้จริงสําหรับการเพิ่มประสิทธิภาพยานพาหนะ
ใช้ Data Factory เพื่อรวบรวมและซิงโครไนซ์ข้อมูลยานพาหนะและทรัพย์สินจากระบบการจัดการยานพาหนะไปยัง OneLake อัปเดตข้อมูลเมตาทุกวัน รวมถึง:
- ข้อมูลจําเพาะของยานพาหนะและตัวชี้วัดการดําเนินงาน
- โปรไฟล์ผู้ขับขี่และการกําหนดเส้นทาง
- ตารางการบํารุงรักษาและประวัติการบริการ
- รูปแบบการใช้ยานพาหนะและเกณฑ์มาตรฐานประสิทธิภาพ
ผู้ประกอบการยานพาหนะรายใหญ่ที่จัดการยานพาหนะ 10,000 คันดําเนินการกิจกรรมยานพาหนะมากกว่า 5 ล้านครั้งต่อวัน เหตุการณ์เหล่านี้รวมถึงการวินิจฉัยเครื่องยนต์ทุกๆ 10 วินาที การอัปเดตตําแหน่ง GPS ตัวชี้วัดการสิ้นเปลืองเชื้อเพลิง และการแจ้งเตือนการบํารุงรักษา การผสานรวม Eventstreams จะประมวลผลข้อมูลนี้ในขณะที่ยังคงเวลาแฝงต่ํากว่าวินาทีสําหรับการตัดสินใจด้านการดําเนินงานที่สําคัญและการเพิ่มประสิทธิภาพกลุ่มยานพาหนะ
วิเคราะห์ แปลง และเพิ่มคุณค่า
การเปลี่ยนแปลงอย่างต่อเนื่องเกิดขึ้นภายใน Eventhouse ซึ่งข้อมูลการวัดและส่งข้อมูลทางไกลของยานพาหนะแบบเรียลไทม์ได้รับการเสริมด้วยข้อมูลเมตาของสินทรัพย์ที่จัดเก็บไว้ใน OneLake กระบวนการเพิ่มความสมบูรณ์นี้สร้างข้อมูลฟลีตที่พร้อมใช้งานและพร้อมใช้งานอย่างสมบูรณ์โดยการรวมการวัดและส่งข้อมูลทางไกลแบบเรียลไทม์กับข้อมูลต่อไปนี้:
ข้อมูลจําเพาะของยานพาหนะ - เกณฑ์มาตรฐานการปฏิบัติงานและเกณฑ์การบํารุงรักษาช่วยให้คุณเปรียบเทียบตัวชี้วัดประสิทธิภาพแบบเรียลไทม์กับค่าที่คาดไว้
บริบทเส้นทาง - รายละเอียดเส้นทางและการกําหนดผู้ขับขี่ให้ข้อมูลเชิงลึกว่าปัจจัยการดําเนินงานมีอิทธิพลต่อประสิทธิภาพของยานพาหนะและประสิทธิภาพของยานพาหนะอย่างไร
รูปแบบประสิทธิภาพในอดีต - แนวโน้มระยะยาวและประวัติการบํารุงรักษาช่วยให้คุณตรวจพบความผิดปกติ คาดการณ์ปัญหาในอนาคต และเพิ่มประสิทธิภาพการดําเนินงานของกลุ่มยานพาหนะ
ความสัมพันธ์ของข้อมูลสิ่งแวดล้อม - การรวมข้อมูลสภาพอากาศและการจราจรช่วยให้สามารถคาดการณ์ได้อย่างแม่นยําสําหรับการวางแผนเส้นทางและการปรับการดําเนินงาน
คุณสามารถเชื่อมโยงข้อมูลกลุ่มยานพาหนะที่รวมกับข้อมูลเมตาของยานพาหนะที่สมบูรณ์เพื่อให้มุมมองแบบรวมของประสิทธิภาพการดําเนินงาน การประมวลผลแบบเรียลไทม์นี้มอบความสามารถดังต่อไปนี้:
การเพิ่มประสิทธิภาพการดําเนินงาน - ความสัมพันธ์ในทันทีของประสิทธิภาพของยานพาหนะและข้อมูลเส้นทางช่วยให้มั่นใจได้ถึงการใช้ยานพาหนะและการจัดสรรทรัพยากรอย่างมีประสิทธิภาพ
การวิเคราะห์พฤติกรรมของผู้ขับขี่ - ข้อมูลเชิงลึกโดยละเอียดเกี่ยวกับรูปแบบการขับขี่ช่วยให้โปรแกรมการฝึกอบรมและการปรับปรุงความปลอดภัยปรับให้เหมาะสม
การบํารุงรักษาเชิงคาดการณ์ - การตรวจพบปัญหาที่อาจเกิดขึ้นของยานพาหนะตั้งแต่เนิ่นๆ จะช่วยลดเวลาหยุดทํางานและลดต้นทุนการบํารุงรักษา
รถไฟ
สร้าง ฝึกฝน และให้คะแนนโมเดลแมชชีนเลิร์นนิงแบบเรียลไทม์โดยใช้ความสามารถของ วิทยาศาสตร์ข้อมูล เพื่อคาดการณ์ความล้มเหลวของยานพาหนะที่อาจเกิดขึ้นและเพิ่มประสิทธิภาพการทํางานของยานพาหนะ โมเดลเหล่านี้เรียนรู้อย่างต่อเนื่องจากข้อมูลการวัดและส่งข้อมูลทางไกลที่เข้ามาและรูปแบบประสิทธิภาพในอดีตเพื่อให้ข้อมูลเชิงลึกที่นําไปใช้ได้จริงสําหรับการจัดการยานพาหนะ ความสามารถในการคาดการณ์ที่สําคัญ ได้แก่ :
แบบจําลองการคาดการณ์ความล้มเหลว - ใช้แมชชีนเลิร์นนิงเพื่อคาดการณ์ความล้มเหลวของกลไกจัดการหรือส่วนประกอบตามการวัดและส่งข้อมูลทางไกลแบบเรียลไทม์และข้อมูลในอดีต โมเดลเหล่านี้ช่วยให้สามารถกําหนดเวลาการบํารุงรักษาเชิงรุก เพื่อให้มั่นใจถึงความน่าเชื่อถือของยานพาหนะ
การวิเคราะห์พฤติกรรมผู้ขับขี่ - วิเคราะห์รูปแบบการขับขี่เพื่อระบุแนวโน้มและความผิดปกติ ใช้ข้อมูลเชิงลึกเหล่านี้เพื่อปรับปรุงโปรแกรมการฝึกอบรมผู้ขับขี่และเพิ่มความปลอดภัย
การเพิ่มประสิทธิภาพเส้นทาง - คาดการณ์รูปแบบการจราจรและปรับเส้นทางให้เหมาะสมเพื่อลดการสิ้นเปลืองเชื้อเพลิงและปรับปรุงเวลาในการจัดส่ง
แสดงภาพและเปิดใช้งาน
Activator ใน Fabric Real-Time Intelligence สร้างการแจ้งเตือนแบบเรียลไทม์เกี่ยวกับปัญหาประสิทธิภาพของยานพาหนะและความต้องการในการบํารุงรักษาเชิงคาดการณ์ ด้วยการใช้การรับรู้การแจ้งเตือนแบบเรียลไทม์นี้ ระบบจะลดการแทรกแซงด้วยตนเองและช่วยให้สามารถตอบสนองการปฏิบัติงานได้อย่างรวดเร็ว คุณสมบัติการแจ้งเตือนที่สําคัญ ได้แก่ :
การตอบสนองการบํารุงรักษาทันที - รับการแจ้งเตือนอัตโนมัติสําหรับการวินิจฉัยยานพาหนะที่บ่งชี้ถึงความล้มเหลวที่อาจเกิดขึ้น
การแจ้งเตือนความปลอดภัยของผู้ขับขี่ - ทริกเกอร์การแจ้งเตือนสําหรับการเบรกที่รุนแรง การเร่งความเร็วอย่างรวดเร็ว หรือเหตุการณ์เร่งความเร็ว ซึ่งช่วยเพิ่มความปลอดภัยของยานพาหนะโดยรวม
การเพิ่มประสิทธิภาพการดําเนินงาน - ใช้การปรับแบบเรียลไทม์เพื่อเพิ่มประสิทธิภาพเส้นทางและลดการสิ้นเปลืองเชื้อเพลิง เพื่อให้มั่นใจถึงความคุ้มค่า
ผู้ปฏิบัติงานฟลีตใช้แดชบอร์ด Power BI ที่เชื่อมต่อโดยตรงกับ Eventhouse และ OneLake เพื่อตรวจสอบข้อมูลฟลีตแบบเรียลไทม์และสร้างรายงานที่ครอบคลุม รายงานเหล่านี้ให้ข้อมูลต่อไปนี้
การวิเคราะห์ประสิทธิภาพของยานพาหนะ - รับข้อมูลเชิงลึกเกี่ยวกับรูปแบบการใช้ยานพาหนะและประเมินประสิทธิภาพการดําเนินงานผ่านรายงานโดยละเอียด
การติดตามการบํารุงรักษา - ตรวจสอบตารางการบริการและวิเคราะห์ประวัติการบํารุงรักษาเพื่อให้มั่นใจถึงความน่าเชื่อถือของกลุ่มยานพาหนะ
ข้อมูลเชิงลึกเกี่ยวกับพฤติกรรมของผู้ขับขี่ - วิเคราะห์รูปแบบการขับขี่เพื่อเปิดเผยแนวโน้มและความผิดปกติ ซึ่งช่วยให้สามารถฝึกอบรมและปรับปรุงความปลอดภัยได้ตามเป้าหมาย
แดชบอร์ด Real-Time ให้การมองเห็นการดําเนินงานแบบสดพร้อมมุมมองที่ปรับแต่งได้สําหรับบทบาทต่างๆ ทําให้ทีมสามารถตรวจสอบและตอบสนองต่อเหตุการณ์แบบเรียลไทม์ได้อย่างมีประสิทธิภาพ แดชบอร์ดเหล่านี้มีความสามารถดังต่อไปนี้:
ภาพรวมของกลุ่มยานพาหนะ - รับมุมมองที่ครอบคลุมของกลุ่มยานพาหนะทั้งหมด รวมถึงสถานะยานพาหนะแบบเรียลไทม์และตัวชี้วัดการดําเนินงาน เพื่อทําการตัดสินใจอย่างชาญฉลาด
การตรวจสอบระดับยานพาหนะ - เข้าถึงการตรวจสอบโดยละเอียดของยานพาหนะแต่ละคัน รวมถึงการวินิจฉัย ตําแหน่ง และตัวชี้วัดประสิทธิภาพ
KPI การดําเนินงาน - ติดตามตัวบ่งชี้ประสิทธิภาพหลัก (KPI) แบบเรียลไทม์ เช่น ประสิทธิภาพการใช้เชื้อเพลิง การปฏิบัติตามเส้นทาง และการปฏิบัติตามข้อกําหนดการบํารุงรักษา
Copilot ช่วยให้คุณใช้การสืบค้นภาษาธรรมชาติเพื่อตรวจสอบการทํางานของยานพาหนะ วิเคราะห์ข้อมูลยานพาหนะแบบเรียลไทม์ และระบุปัญหาที่อาจเกิดขึ้นหรือโอกาสในการเพิ่มประสิทธิภาพ เครื่องมือนี้ช่วยลดความยุ่งยากในการสํารวจข้อมูลที่ซับซ้อน ช่วยให้คุณตัดสินใจได้อย่างชาญฉลาดเพื่อเพิ่มประสิทธิภาพของกลุ่มยานพาหนะและประสิทธิภาพการดําเนินงาน
ประโยชน์ทางเทคนิคและผลลัพธ์
ระบบอัจฉริยะของยานพาหนะแบบเรียลไทม์
แพลตฟอร์มข้อมูลแบบครบวงจร - สร้างแหล่งข้อมูลเดียวสําหรับข้อมูลการวัดและส่งข้อมูลทางไกลของยานพาหนะทั้งหมด
การตรวจจับความผิดปกติแบบเรียลไทม์ - รับการระบุปัญหาสมรรถนะของยานพาหนะได้ทันที
สถาปัตยกรรมที่ปรับขนาดได้ - จัดการสตรีมข้อมูลความเร็วสูงจากยานพาหนะที่เชื่อมต่อหลายพันคัน
การวิเคราะห์แบบบูรณาการ - รวมข้อมูลแบบเรียลไทม์และข้อมูลในอดีตเพื่อข้อมูลเชิงลึกของกลุ่มยานพาหนะที่ครอบคลุม
การจัดการยานพาหนะอัตโนมัติ
การแจ้งเตือนอัจฉริยะ - รับการแจ้งเตือนตามบริบทตามกฎประสิทธิภาพของยานพาหนะ
เวิร์กโฟลว์อัตโนมัติ - ตั้งค่าทริกเกอร์สําหรับการจัดกําหนดการบํารุงรักษา การตรวจสอบขอบเขตทางภูมิศาสตร์ และการแจ้งเตือนผู้ขับขี่
การจัดการปัญหาเชิงรุก - ใช้ระบบเตือนภัยล่วงหน้าเพื่อความสมบูรณ์ของยานพาหนะและการเพิ่มประสิทธิภาพ
การเพิ่มประสิทธิภาพทรัพยากร - เปิดใช้งานการจัดสรรยานพาหนะ เส้นทาง และทรัพยากรการบํารุงรักษาแบบไดนามิก
ความสามารถในการวิเคราะห์ขั้นสูง
การประมวลผลภาษาธรรมชาติ - สืบค้นข้อมูลกลุ่มที่ซับซ้อนโดยใช้ AI การสนทนา
การวิเคราะห์เชิงคาดการณ์ - ใช้โมเดลแมชชีนเลิร์นนิงสําหรับการคาดการณ์การบํารุงรักษาและการเพิ่มประสิทธิภาพ
การวิเคราะห์แนวโน้มในอดีต - ระบุรูปแบบสมรรถนะและประสิทธิภาพของยานพาหนะ
ความสัมพันธ์ข้ามระบบ - เชื่อมโยงเหตุการณ์แบบเรียลไทม์กับข้อมูลการดําเนินงานในอดีต
ข้อควรพิจารณาการใช้งาน
ข้อกําหนดของสถาปัตยกรรมข้อมูล
การนําเข้าปริมาณงานสูง - ออกแบบระบบของคุณเพื่อประมวลผลเหตุการณ์ยานพาหนะหลายพันล้านครั้งต่อวินาทีสําหรับกลุ่มยานพาหนะขนาดใหญ่ (10,000+ คัน) โดยมีความจุที่เพิ่มขึ้นในช่วงการทํางานสูงสุด
การประมวลผลที่มีความหน่วงต่ํา - รับประกันเวลาตอบสนองต่ํากว่าวินาทีสําหรับการแจ้งเตือนด้านความปลอดภัยที่สําคัญ ต่ํากว่าการตอบสนองสามวินาทีสําหรับการแจ้งเตือนประสิทธิภาพ และการประมวลผลต่ํากว่า 15 วินาทีสําหรับคําแนะนําการบํารุงรักษา
คุณภาพและการตรวจสอบความถูกต้องของข้อมูล - ใช้การตรวจสอบความถูกต้องแบบเรียลไทม์สําหรับหมายเลขประจําตัวยานพาหนะ (VIN), ความสมบูรณ์ของข้อมูล ECU, ค่าการสอบเทียบเซ็นเซอร์ และพิกัด GPS ด้วยการติดธงข้อผิดพลาดอัตโนมัติ
การวางแผนความสามารถในการปรับขนาด - ออกแบบสถาปัตยกรรมของคุณเพื่อรองรับการใช้งานยานพาหนะที่เปลี่ยนแปลงไปตามฤดูกาล สนับสนุนการขยายกลุ่มยานพาหนะ และรองรับประเภทยานพาหนะและเทคโนโลยีเซ็นเซอร์ใหม่
ข้อกําหนดในการจัดเก็บ - วางแผนสําหรับข้อมูลยานพาหนะหลายเทราไบต์ต่อเดือนสําหรับกลุ่มยานพาหนะขนาดใหญ่ พร้อมการเก็บรักษาสองปีสําหรับการวิเคราะห์ประสิทธิภาพ และพื้นที่จัดเก็บข้อมูลแบบร้อนสําหรับข้อมูลการดําเนินงาน
การรักษาความปลอดภัยและการปฏิบัติตามข้อกำหนด
การควบคุมการเข้าถึง - ใช้การควบคุมการเข้าถึงตามบทบาทที่สอดคล้องกับความรับผิดชอบในการปฏิบัติงาน (ผู้จัดการกลุ่มยานพาหนะ ผู้มอบหมายงาน ทีมบํารุงรักษา คนขับ) ใช้การรับรองความถูกต้องแบบหลายปัจจัยสําหรับการเข้าถึงระบบทั้งหมด และจัดการการเข้าถึงที่มีสิทธิพิเศษสําหรับฟังก์ชันการดูแลระบบ
เส้นทางการตรวจสอบ - สร้างการบันทึกที่ครอบคลุมสําหรับการปฏิบัติตามกฎระเบียบ รวมการเข้าถึงข้อมูล การปรับเปลี่ยน และการดําเนินการของระบบทั้งหมดด้วยบันทึกการตรวจสอบที่ไม่เปลี่ยนแปลงและการรายงานการปฏิบัติตามข้อกําหนดอัตโนมัติ
ความเป็นส่วนตัวของข้อมูล - ตรวจสอบให้แน่ใจว่าสอดคล้องกับกฎระเบียบความเป็นส่วนตัวระดับภูมิภาค (GDPR, CCPA) และข้อกําหนดเฉพาะกลุ่มยานพาหนะสําหรับการปกป้องข้อมูลผู้ขับขี่และยานพาหนะ
จุดรวม
ระบบการจัดการยานพาหนะ: ผสานรวมกับแพลตฟอร์มการจัดการยานพาหนะ ระบบติดตามยานพาหนะ และเครื่องมือกําหนดเวลาการบํารุงรักษาที่มีอยู่โดยใช้ API และรูปแบบข้อมูลมาตรฐานอุตสาหกรรม
ผู้ให้บริการเทเลเมติกส์: ใช้ API สําหรับอุปกรณ์เทเลเมติกส์ของบริษัทอื่น
ระบบการบํารุงรักษา: การแบ่งปันข้อมูลที่ปลอดภัยกับแพลตฟอร์มการจัดการการบํารุงรักษา ระบบสินค้าคงคลังชิ้นส่วน และแอปพลิเคชันการจัดตารางเวลาบริการ
แอปพลิเคชันไดรเวอร์: ให้ฟีดข้อมูลแบบเรียลไทม์สําหรับแอพมือถือสําหรับผู้ขับขี่ แดชบอร์ดสถานะยานพาหนะ และเครื่องมือเพิ่มประสิทธิภาพเส้นทางด้วยความสามารถออฟไลน์
การตรวจสอบและการสังเกต
การตรวจสอบการปฏิบัติงาน:
แดชบอร์ดสถานภาพของระบบ: การตรวจสอบปริมาณงาน Eventstreams แบบเรียลไทม์ ประสิทธิภาพการสืบค้น Eventhouse และการดําเนินการตามกฎ Activator พร้อมการแจ้งเตือนอัตโนมัติสําหรับความผิดปกติของระบบ
การตรวจสอบคุณภาพข้อมูล: การตรวจสอบสตรีมข้อมูลยานพาหนะขาเข้าอย่างต่อเนื่องพร้อมการแจ้งเตือนสําหรับเซ็นเซอร์ที่ขาดหายไปหรือการส่งข้อมูลที่เสียหาย
ตัวชี้วัดประสิทธิภาพ: การติดตามเวลาแฝงในการนําเข้าข้อมูล เวลาตอบสนองการสืบค้น และเวลาส่งการแจ้งเตือนด้วยการตรวจสอบ SLA และการยกระดับอัตโนมัติ
การเพิ่มประสิทธิภาพต้นทุน:
การจัดการความจุ: ปรับขนาดความจุ Fabric ให้เหมาะสมตามขนาดฟลีตและรูปแบบการใช้งาน การใช้การปรับขนาดอัตโนมัติสําหรับช่วงเวลาเร่งด่วน และการเพิ่มประสิทธิภาพต้นทุนในช่วงที่มีกิจกรรมต่ํา
การจัดการวงจรชีวิตข้อมูล: การเก็บถาวรอัตโนมัติของข้อมูลยานพาหนะรุ่นเก่าไปยังระดับพื้นที่จัดเก็บที่มีต้นทุนต่ํา นโยบายการเก็บรักษาที่สอดคล้องกับความต้องการทางธุรกิจ และการลบข้อมูลการวัดและส่งข้อมูลทางไกลที่ไม่จําเป็น
ขั้นตอนถัดไป
เริ่มต้นใช้งาน
ระยะที่ 1: การตั้งค่ารากฐาน
ตรวจสอบความสามารถของ Microsoft Fabric Real-Time Intelligence และทําความเข้าใจข้อกําหนดความจุสําหรับขนาดฟลีตของคุณ
วางแผนกลยุทธ์การนําเข้าข้อมูล Eventstreams ของคุณ เริ่มต้นด้วยข้อมูลยานพาหนะที่สําคัญ (การวินิจฉัยเครื่องยนต์ การติดตาม GPS การสิ้นเปลืองเชื้อเพลิง)
ออกแบบการใช้งานการวิเคราะห์ แบบเรียลไทม์ของ Eventhouse ของคุณ มุ่งเน้นไปที่การตรวจสอบสภาพรถและการแจ้งเตือนการบํารุงรักษา
กําหนดค่า OneLake สําหรับการจัดเก็บและวิเคราะห์ข้อมูลในอดีตด้วยนโยบายการเก็บรักษาที่เหมาะสม
ระยะที่ 2: การนําร่องไปใช้
ใช้ชุดย่อยของกลุ่มยานพาหนะของคุณ (50-100 คัน) เพื่อตรวจสอบสถาปัตยกรรม
ใช้โฟลว์ข้อมูลหลักสําหรับการตรวจสอบยานพาหนะ การวิเคราะห์พฤติกรรมของผู้ขับขี่ และการแจ้งเตือนขั้นพื้นฐาน
สร้างการผสานรวมกับระบบการจัดการกลุ่มยานพาหนะที่มีอยู่ของคุณเพื่อการไหลของข้อมูลที่ราบรื่น
ปรับใช้ Real-Time Dashboard สําหรับการตรวจสอบการดําเนินงานของยานพาหนะด้วยมุมมองที่กําหนดเองสําหรับบทบาทต่างๆ
ระยะที่ 3: การตรวจสอบความถูกต้องของการดําเนินงาน
ทดสอบประสิทธิภาพของระบบในช่วงการทํางานสูงสุดและสภาพการขับขี่ต่างๆ
ตรวจสอบกฎ Activator สําหรับการแจ้งเตือนการบํารุงรักษา การตรวจสอบขอบเขตตําแหน่ง และการเพิ่มประสิทธิภาพ
รับรองการปฏิบัติตามกฎระเบียบด้านความเป็นส่วนตัวของข้อมูลและข้อกําหนดการจัดการกลุ่มยานพาหนะ
ฝึกอบรมทีมปฏิบัติการของคุณเกี่ยวกับการใช้งานแดชบอร์ดและขั้นตอนการจัดการการแจ้งเตือน
การใช้งานขั้นสูง
ระบบอัตโนมัติอัจฉริยะและ AI
ตั้งค่า Activator สําหรับระบบอัตโนมัติของยานพาหนะที่ซับซ้อน รวมถึงเวิร์กโฟลว์การบํารุงรักษาเชิงคาดการณ์ การเพิ่มประสิทธิภาพเส้นทาง และโปรแกรมการฝึกสอนผู้ขับขี่
ใช้ Copilot สําหรับการวิเคราะห์ภาษาธรรมชาติ ช่วยให้ทีมของคุณสามารถสืบค้นสถานการณ์ที่ซับซ้อน เช่น "แสดงยานพาหนะทั้งหมดที่ประสิทธิภาพการใช้เชื้อเพลิงต่ํากว่าค่าเฉลี่ยในสัปดาห์ที่แล้ว"
ปรับใช้โมเดลการบํารุงรักษาเชิงคาดการณ์ที่ใช้ข้อมูลเซ็นเซอร์ยานพาหนะในอดีตเพื่อคาดการณ์ความล้มเหลวของส่วนประกอบและปรับตารางการบริการให้เหมาะสม
สร้างระบบช่วยเหลือผู้ขับขี่อัจฉริยะที่ให้ข้อเสนอแนะแบบเรียลไทม์และการฝึกสอนตามข้อมูลสมรรถนะของยานพาหนะ
การปรับใช้ระดับองค์กร
ปรับขนาดเพื่อการดําเนินงานของกลุ่มยานพาหนะเต็มรูปแบบด้วยการตรวจสอบแบบรวมศูนย์และการประมวลผลข้อมูลแบบกระจายในหลายภูมิภาค
ใช้การวิเคราะห์ขั้นสูงสําหรับการเพิ่มประสิทธิภาพเส้นทาง การปรับปรุงประสิทธิภาพการใช้เชื้อเพลิง และการวิเคราะห์ต้นทุนรวมในการเป็นเจ้าของ
สร้างแดชบอร์ดที่ครอบคลุมด้วย Power BI และ Real-Time Dashboard สําหรับการรายงานผู้บริหาร การตรวจสอบการดําเนินงาน และการปฏิบัติตามกฎระเบียบ
พัฒนาโมเดลแมชชีนเลิร์นนิงสําหรับการคาดการณ์ความต้องการ การเพิ่มประสิทธิภาพการจัดสรรยานพาหนะ และการปรับปรุงประสิทธิภาพของผู้ขับขี่