Azure-இல் உற்பத்தி நிறுவனங்களுக்கான முன்கணிப்பு பராமரிப்பு: மாதிரிக்கு முன் உண்மையில் தேவையானவை

Azure-இல் முன்கூட்டிய பராமரிப்பு (predictive maintenance) பயனளிப்பதற்கு, ஒரு எச்சரிக்கை உங்கள் குழு செயல்படும் அளவுக்கு முன்னதாக வர வேண்டும். இந்தத் iFAKT தொடரின் இந்த அத்தியாயத்தில், பராமரிப்பு முடிவிலிருந்து தொடங்கி, Azure-இல் ஒரு மாதிரியைத் தேர்ந்தெடுப்பதற்கு முன் உங்களுக்குத் தேவையான சான்று, தரவு மற்றும் செயல்முறை வரை பின்நோக்கிச் செல்கிறோம்.

ஒரு கற்பனையான சொத்தை (asset) சென்சார் அளவீட்டிலிருந்து அங்கீகரிக்கப்பட்ட பணி ஆணை (work order) வரை பின்தொடர்கிறோம், மேலும் பெரும்பாலான திட்டங்கள் தவிர்க்கும் கேள்விகளை எழுப்புகிறோம்: ஒரு எச்சரிக்கை எந்த நடவடிக்கையைத் தூண்ட வேண்டும்? உதிரி பாகங்கள், அனுமதிகள், தனிமைப்படுத்தல் (isolation) மற்றும் உற்பத்தித் திட்டமிடலுக்கு உண்மையில் எவ்வளவு முன்னெச்சரிக்கை நேரம் (warning horizon) தேவை? திட்டத்தை மாற்றும் அளவுக்கு தவறு முன்கூட்டியே சான்றுகளை உருவாக்க முடியுமா?

முதலில் பராமரிப்பு முடிவை வரையறுப்பது எப்படி, தயாரிப்பு நேரத்தையும் நேரடி பழுதுபார்க்கும் நேரத்தையும் எவ்வாறு பிரிப்பது, ஒரு தோல்வி சமிக்ஞை பயன்படக்கூடியதா என்பதை எவ்வாறு மதிப்பிடுவது, மற்றும் உங்கள் தொழில்நுட்ப வல்லுநர்கள் ஏற்கனவே பின்பற்றும் பராமரிப்பு செயல்முறையுடன் Azure தரவு மற்றும் machine learning-ஐ எவ்வாறு இணைப்பது ஆகியவற்றைக் கற்றுக்கொள்வீர்கள்.

யாருக்கானது: பராமரிப்பு மேலாளர்கள், நம்பகத்தன்மை பொறியாளர்கள் (reliability engineers), ஆலை மற்றும் உற்பத்தித் தலைவர்கள், OT மற்றும் IT கட்டமைப்பாளர்கள், மற்றும் உற்பத்தித் துறையில் Microsoft Azure-இல் முன்கூட்டிய பராமரிப்பு, நிலை கண்காணிப்பு (condition monitoring) மற்றும் தொழில்துறை AI-ஐத் திட்டமிடும் தரவுக் குழுக்கள்.

முழு நகல் (transcript) transcript இணைப்பு வழியாகக் கிடைக்கிறது.

இந்தப் podcast-இன் ஆதரவாளராக மாற: https://www.spreaker.com/podcast/m365-fm-microsoft-365-azure-cloud-power-platform-ai--6704921/support.

இந்த அத்தியாயத்தில் AI-உருவாக்கிய உள்ளடக்கம் உள்ளது.