Idées de solution
Cet article présente une idée de solution. Votre architecte cloud peut s’appuyer sur ces conseils pour visualiser les principaux composants d’une implémentation typique de cette architecture. Utilisez cet article comme point de départ pour concevoir une solution bien conçue qui répond aux exigences spécifiques de votre charge de travail.
Aujourd’hui, la plupart des installations répondent de manière réactive aux problèmes des niveaux de réservoirs. Cette réactivité entraîne souvent des débordements, des arrêts d’urgence, des coûts de correction élevés, des problèmes de réglementation, des réparations coûteuses et des amendes. La prévision du niveau des réservoirs aide à gérer et à résoudre les problèmes.
Architecture
Téléchargez un fichier Visio de cette architecture.
Dataflow
- Ces données alimentent Azure Event Hubs ainsi que le service Azure Synapse Analytics et y font office de points de données, ou événements, qui seront utilisés dans le reste du flux de la solution.
- Azure Stream Analytics analyse les données pour fournir des analyses en quasi-temps réel sur le flux d’entrée à partir du hub d’événements et publier directement sur Power BI pour la visualisation.
- Azure Machine Learning sert à établir des prévisions au niveau des réservoirs d’une région particulière en fonction des données reçues.
- Azure Synapse Analytics sert à stocker les résultats de prédiction reçus de la part d’Azure Machine Learning. Ces résultats sont ensuite consommés dans le tableau de bord Power BI.
- Azure Data Factory gère l’orchestration et la planification du réentraînement du modèle horaire.
- Enfin, Power BI sert à visualiser les résultats, afin que les utilisateurs puissent monitorer le niveau des réservoirs en temps réel à partir d’une installation, mais aussi utiliser le niveau de prévision pour empêcher les débordements.
Composants
- Azure Data Factory.
- Azure Event Hubs
- Azure Machine Learning
- Azure Stream Analytics
- Azure Synapse Analytics
- Power BI
Détails du scénario
Le processus de prévision au niveau du réservoir commence à l’entrée du puits. L’huile est mesurée au fur et à mesure de son arrivée dans l’installation, par le biais des compteurs. Elle est ensuite envoyée aux réservoirs. Les niveaux sont monitorés et enregistrés dans les réservoirs pendant le processus de raffinage. Le débit du pétrole, du gaz et de l’eau est enregistré via des capteurs, des compteurs et des enregistrements. Les prévisions sont ensuite effectuées à l’aide des données de l’installation ; par exemple, les prévisions peuvent être générées toutes les 15 minutes.
Azure Cognitive Services est adaptable et peut être personnalisé pour répondre aux différentes exigences des sites et des sociétés.
Cas d’usage potentiels
Cette solution est idéale pour les secteurs de l’énergie, de l’automobile et de l’aérospatiale.
Les prévisions sont créées en exploitant la puissance des données historiques et instantanées, immédiatement disponibles à partir des capteurs, des compteurs et des enregistrements, ce qui est utile pour les scénarios suivants :
- Empêcher le débordement des réservoirs et les arrêts d’urgence
- Détecter les défaillances, y compris matérielles
- Planifier la maintenance, les arrêts et la logistique
- Optimiser les opérations et l’efficacité des installations
- Détecter les fuites et les ralentissements de pipeline
- Réduire les coûts, les amendes et les temps d’arrêt
Étapes suivantes
Documentation du produit :
- Nouveautés des concentrateurs d’événements Azure ?
- Présentation d’Azure Synapse Analytics
- Bienvenue dans Azure Stream Analytics
- Qu'est-ce que Microsoft Azure Machine Learning ?
- Présentation d’Azure Data Factory
Modules Microsoft Learn :
- Entraîner un modèle Machine Learning avec Azure Machine Learning
- Intégrer des données à un pipeline Azure Data Factory ou Azure Synapse