Ideias de soluções
Este artigo descreve uma ideia de solução. Seu arquiteto de nuvem pode usar essa orientação para ajudar a visualizar os principais componentes para uma implementação típica dessa arquitetura. Use este artigo como ponto de partida para projetar uma solução bem arquitetada que se alinhe aos requisitos específicos de sua carga de trabalho.
Este artigo descreve um cenário de gerenciamento de armazém que monitora as condições ambientais por meio da integração de dados de sensor e conjuntos de dados públicos, processados com ML para gerar previsões. Os insights são usados para garantir a segurança das pessoas e otimizar as operações da cadeia de suprimentos.
Arquitetura
Baixe um Arquivo Visio dessa arquitetura.
Fluxo de dados
Os sensores na instalação do armazém são conectados e enviam dados para um gateway LoRa (Long Range).
O gateway LoRa envia dados para a nuvem usando conectividade celular.
myDevices é uma solução plug and play baseada em software como serviço (SaaS). Ele usa dispositivos e gateways que são provisionados automaticamente e associados ao cliente correspondente.
Os dados do dispositivo são enviados para o Azure IoT Central. Os clientes usam a solução para controlar e monitorar os dispositivos.
Modelagem da cadeia de suprimentos e instalações de depósito usando Gêmeos Digitais do Azure. Este é um ambiente de execução ao vivo onde os aplicativos podem ingerir dados para obter visibilidade sobre o status da cadeia de suprimentos. Os Gêmeos Digitais se integram nativamente ao Hub de Eventos do Azure, com o qual outros aplicativos interagem para recuperar dados do gêmeo.
Os dados temporais e espaciais requeridos pelos modelos de ML são obtidos a partir de fontes de dados externas.
Os dados principais são armazenados nas soluções de dados do Azure. O armazenamento de blobs é usado para dados de treinamento de ML. O Azure Cosmos DB é usado para dados pontuados e índices de desempenho importantes.
Os dados de telemetria são ingeridos do IoT Central por meio do Hub de Eventos para garantir o desacoplamento da ingestão e do consumo de dados. O Azure Functions é usado para combinar fontes de dados externas e dados de telemetria e, em seguida, analisar esse conjunto de dados em busca de anomalias. Os dados são revelados por meio dos Gêmeos Digitais.
O Azure Databricks executa as transformações de dados necessárias para treinar os modelos de ML.
Os modelos de previsão de incêndios florestais são treinados usando o Azure Machine Learning utilizando dados históricos, dados em tempo real e dados microclimáticos.
As atualizações de roteamento são fornecidas pela API de Roteamento de Caminhões do Bing Maps.
Os aplicativos podem consultar Gêmeos Digitais diretamente para obter dados relevantes do modelo.
Componentes
O Azure IoT Central é usado como a plataforma gerenciada de IoT. Ele fornece segurança, escalabilidade e disponibilidade como parte do serviço para que os clientes possam concentrar esforços nos requisitos de negócios. Os usuários podem se integrar a componentes de negócios, como Power Apps e Power BI, e criar notificações por meio do recurso de exportação de dados no IoT Central.
O armazenamento do Azure é usado para armazenar informações do dispositivo na nuvem de forma segura e escalonável que também é econômica. Os dados armazenados são usados para treinar os modelos de ML.
O Azure Cosmos DB é usado para armazenar KPIs (indicadores chave de desempenho) de aplicativos e saídas de modelo. O Azure Cosmos DB é um banco de dados NoSQL totalmente gerenciado para o desenvolvimento de aplicativos modernos. Ele fornece transações de alta velocidade e pode facilmente habilitar o serviço para distribuição global.
O Azure Databricks é uma plataforma de análise de dados otimizada para a plataforma de serviços de nuvem do Microsoft Azure. Ele é usado para transformar, manipular e normalizar dados para que possam ser consumidos corretamente pelo pipeline de aprendizado de máquina.
O Azure Machine Learning é usado para criar modelos de previsão de incêndios florestais. Os modelos fornecem a inteligência necessária para avaliar o risco de um incêndio florestal. A entrada de várias fontes de dados é necessária para treinar o modelo quanto à precisão. Essas fontes podem incluir imagens de satélite, dados históricos, condições locais do solo e dados meteorológicos. Com base na área de incêndio florestal do modelo, a Solução de Cadeia de Suprimentos e Logística pode redirecionar caminhões.
Para obter discussões mais detalhadas, confira a arquitetura de referência do Azure IoT para entender e explorar as diversas opções de implementação disponíveis.
Detalhes do cenário
O monitoramento ambiental tornou-se uma atividade importante na cadeia de suprimentos global. Ele fornece sinais importantes que ajudam a conduzir decisões em tempo real que podem afetar fornecedores e logística. Qualidade do ar, temperatura, vento, umidade e dióxido de carbono (CO2) são alguns dos indicadores que os operadores de armazéns estão interessados em monitorar durante desastres naturais. Cenários mais avançados podem incluir a fusão de dados históricos e em tempo real de estações meteorológicas, sensores de qualidade do ar e outras fontes. Os modelos de aprendizado de máquina (ML) podem então ser usados para ajudar a prever o efeito dessas condições e seu possível impacto nas operações da cadeia de suprimentos.
Possíveis casos de uso
Esta solução é ideal para os setores de meio ambiente, manufatura, transporte e agricultura.
- Gestão de frotas: Esta solução pode ser usada onde as rotas precisam ser otimizadas para a segurança com base nas condições em evolução das áreas circundantes.
- Agricultura: Prever incêndios florestais que afetarão a segurança dos trabalhadores e da pecuária é fundamental. Ao fornecer um amplo prazo para notificações de perigo, as pessoas na área afetada podem evacuar em segurança. As fazendas também podem equipar áreas de gado com portões automatizados que podem destravar e abrir em situações terríveis, permitindo que os animais escapem.
Desafios enfrentados
Houve um aumento significativo de incêndios florestais nos últimos anos, representando um perigo crescente para os seres humanos e a cadeia de suprimentos global. Com o número de hectares queimados aumentando a cada ano, a resiliência da cadeia de suprimentos às mudanças climáticas é prioridade para muitos líderes.
Nos Estados Unidos, a média anual de área afetada por incêndios florestais é de aproximadamente 7.000.000 acres. Essa área é mais que o dobro da média da década de 1990. A situação é ainda mais alarmante em outros países/regiões. Por exemplo, na Austrália há um mês extra de verão em comparação com 50 anos atrás e a seca de longo prazo piorou ainda mais as condições de incêndio. Incêndios florestais maciços lá causaram danos econômicos quase 10 vezes maiores do que nos Estados Unidos. Os incêndios florestais australianos podem afetar o fornecimento global de alimentos, incluindo bens como carne bovina, leite, vinho e trigo.
Os riscos para as empresas em todo o mundo continuam a aumentar a cada ano, e a resiliência da cadeia de suprimentos durante desastres naturais é fundamental para manter o fluxo de mercadorias globalmente. A integração de previsões e previsões baseadas no clima no planejamento de capacidade da cadeia de suprimentos pode ajudar os operadores a ajustar a produção e gerenciar os cronogramas de envio. Este sistema pode minimizar interrupções e efeitos adversos.
Resultados dos negócios
Os operadores de armazéns e os principais centros de distribuição se beneficiarão de uma maneira preditiva de determinar se a infraestrutura logística existente está no caminho de um grande incêndio. A existência de um sistema de notificação precoce proporcionaria um maior tempo de execução para a adopção de medidas preventivas destinadas a proteger as instalações e o pessoal. Avisos automatizados de alterações e pausas nas atividades logísticas também permitiriam o redirecionamento de remessas com o mínimo de intervenção humana.
Requisitos
- A automação é fundamental. Não se pode presumir que os operadores e gerentes de instalações possam coletar dados em vários sistemas para tomar decisões em tempo hábil.
- Armazéns, instalações de distribuição e gerentes de operação precisam ser notificados por vários meios quando há perigo imediato, garantindo que as informações sejam recebidas em tempo hábil. Os exemplos incluem painel de dados, email e mensagem de texto.
- Apenas alterações nos dados precisam ser relatadas.
- A entrega e a implantação da solução precisam ser simples. Deve ser instalado sem a necessidade de um técnico, utilizando tecnologia plug and play.
- A solução precisa ser de baixa manutenção e custo-benefício.
Padrões para resolver os desafios
A tabela abaixo fornece um resumo dos casos de uso comuns e das soluções de IoT correspondentes. Cada caso de uso é um exemplo de como um padrão de processo de IoT pode ser aplicado a cenários do mundo real.
| Caso de uso | Soluções |
|---|---|
| Permita o redirecionamento logístico da cadeia de suprimentos e o planejamento da produção, prevendo a probabilidade de interrupção devido a incêndios florestais perto do local afetado. | Idealmente, você quer ser capaz de monitorar todos os elementos-chave da cadeia de suprimentos para que você possa fornecer uma resposta mais abrangente. myDevices tem um catálogo de dispositivos plug and play certificados que se conectam a um gateway de rede LoRa . O gateway envia dados para o aplicativo de nuvem usando conectividade celular. A tecnologia LoRa é ideal porque o sinal precisa penetrar profundamente nos edifícios. Sensores de CO2, temperatura, umidade, direção do vento e qualidade do ar podem ser instalados em locais relevantes do edifício, incluindo telhados e instalações de armazenamento. Sensores também podem ser instalados em caminhões para rastreamento de localização para facilitar o reencaminhamento. |
| Identificar as condições de incêndio florestal e entender o grau de perigo para um determinado local. | Modelos de previsão de incêndios florestais treinados com dados históricos, condições microclimáticas e dados de sensores locais podem ajudar a avaliar o risco de um incêndio florestal. |
| Alertas automatizados para evacuação e redirecionamento de instalações | Uma vez que as condições inseguras são detectadas, o gêmeo digital da instalação pode ser atualizado para mostrar que não está mais online. Uma vez atualizados, outros centros de distribuição dentro da rede podem começar a redirecionar o tráfego de acordo, permitindo que os gerentes de instalações no local e os operadores de armazém se concentrem na segurança dos funcionários. Este cenário usa o ML para prever onde o incêndio se espalhará, usando conjuntos de dados públicos em tempo real e históricos, juntamente com dados meteorológicos micro para previsões mais precisas. Os sensores rastreiam as condições atuais de incêndio florestal e os alarmes das instalações acionam a evacuação dos funcionários. |
Considerações
Estas considerações implementam os pilares do Azure Well-Architected Framework, que é um conjunto de princípios de orientação que podem ser usados para aprimorar a qualidade de uma carga de trabalho. Para obter mais informações, consulte Microsoft Azure Well-Architected Framework.
Conectividade
Os dispositivos e sensores da solução no local precisam enviar dados para aplicativos na nuvem, mas o acesso confiável à internet pode não estar disponível para alguns locais, como em áreas rurais.
Esta solução usa uma rede LoRa para fornecer conectividade celular. O LoRa tem boa penetração de construção, tornando-o ideal para aplicações relacionadas a armazéns. Essa abordagem é econômica e fornece flexibilidade para locais remotos que exigem dispositivos e sensores IoT fáceis de conectar.
Plug and play
Em um ambiente remoto, é fundamental que os dispositivos sejam fáceis de implantar sem exigir conhecimento especializado. myDevices tem um extenso catálogo de dispositivos IoT e gateways que podem ser aplicados a vários cenários. Eles são certificados Plug and Play, então tudo o que o usuário precisa fazer é colocá-los no local certo e ativá-los. Com a integração com o IoT Central, os clientes podem personalizar facilmente o painel para consumir os dados do dispositivo e criar alertas.
Colaboradores
Esse artigo é mantido pela Microsoft. Ele foi originalmente escrito pelos colaboradores a seguir.
Autor principal:
- Ansley Yeo | Líder em Tecnologia
Próximas etapas
- IoT no transporte e logística: como o Azure pode ser usado para trazer maior eficiência e confiabilidade à sua cadeia de valor com IoT de classe mundial e serviços de inteligência de localização.
- Arquitetura do modelo de aplicação de logística conectada de IoT Central: um modelo de aplicativo e orientação para o desenvolvimento de soluções logísticas conectadas de ponta a ponta.
- API de Roteamento de Caminhões do Bing Maps: uma ferramenta de roteamento comercial que calcula rotas seguras e eficientes e considera os atributos de um veículo em relação a quaisquer limitações de rota.
- Gêmeos Digitais do Azure - demonstração da Cadeia de Suprimentos usa Gêmeos Digitais para modelar um cenário da cadeia de suprimentos.
- O myDevices fornece conectividade LoRa e dispositivos que permitem que as soluções sejam implantadas rapidamente em locais onde a conectividade é um desafio e a ampla cobertura de rede é necessária.
- C.H. Robinson Navisphere trabalha com o Microsoft Azure e o Azure IoT para fornecer visibilidade em tempo real da cadeia de suprimentos e para mais previsibilidade e tomada de decisões proativas.
- A API AirNow da EPA fornece acesso a dados de qualidade do ar e incêndios florestais em tempo real do AirNow, um serviço mantido pela Agência de Proteção Ambiental dos EUA (EPA) e outras agências federais, tribais, estaduais e locais.
Recursos relacionados
- Arquitetura de referência de IoT do Azure
- Processe dados de veículos em tempo real usando IoT: uma arquitetura de referência para ingestão de dados de veículos em tempo real para análise, incluindo otimização de rotas.
- Um A IoT monitora e gerencia loops é um padrão de design que descreve um sistema de supervisão que monitora continuamente um sistema físico controlado por um conjunto de dispositivos de IoT em rede.
- A IoT analisa e otimiza loops é um padrão de design que permite a geração e aplicação de insights de otimização de negócios para sistemas físicos controlados por software, fornecendo telemetria, refinando-a e combinando-a com fontes de dados corporativas para gerar insights.
- A IoT usando o Azure Cosmos DB descreve uma arquitetura de exemplo para usar o Azure Cosmos DB para ingerir dados de telemetria de dispositivo em altas taxas e pode servir consultas indexadas de volta com baixa latência e alta disponibilidade.