Remarque
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de vous connecter ou de modifier des répertoires.
L’accès à cette page nécessite une autorisation. Vous pouvez essayer de modifier des répertoires.
Cette architecture de référence montre comment utiliser Microsoft Fabric Real-Time Intelligence pour créer des solutions d’analytique de flotte connectées. Vous pouvez gérer des données en temps réel à partir d’unités de contrôle électroniques de véhicules (ECU), intégrer des capteurs et des systèmes de télémétrie pour garantir des opérations de flotte sécurisées et efficaces tout en fournissant des insights exceptionnels pour la maintenance prédictive et l’optimisation opérationnelle.
Vous pouvez sourcer des données de véhicule en temps réel et historique à partir de plusieurs sources, notamment des UNITÉS D’UTILISATION, des réseaux de bus CAN, des systèmes LIN, des connexions Ethernet et des flux vidéo. Les véhicules connectés avec des appareils de capture de données intégrés fournissent des mises à jour sur l’intégrité du moteur, les performances des véhicules, le suivi des emplacements et les métriques opérationnelles. Les systèmes de gestion des appareils alimentent les données de télémétrie en direct et enregistrent des fichiers de données dans le pipeline via des protocoles MQTT.
Vue d’ensemble de l’architecture
L’architecture de référence de la flotte connectée utilise Microsoft Fabric Real-Time Intelligence pour créer une plateforme d’analytique unifiée qui traite la télémétrie des véhicules en temps réel et permet une gestion intelligente de la flotte. Vous pouvez implémenter l’architecture avec quatre phases opérationnelles principales : ingérer et traiter, analyser, transformer et enrichir, entraîner et visualiser et activer.
Capturez les données des véhicules à partir des unités de contrôle électroniques du véhicule et des capteurs intégrés.
Les véhicules connectés effectuent la gestion des appareils et envoient des données MQTT à Eventstreams dans Real-Time Intelligence.
L’appareil de capture de données transmet les fichiers de données enregistrés et les données de télémétrie à partir de sources CAN, LIN, Ethernet et vidéo directement à Fabric Data Factory. Ensuite, les données sont ingérées dans Eventhouse où toutes les données de télémétrie sont combinées et stockées. Cette étape garantit l’ingestion et le traitement transparents de flux de données diversifiés pour une analyse plus approfondie.
Les données ingérées dans Eventstreams sont enrichies en temps réel avec les métadonnées et la hiérarchie des ressources, fournissant des données propres et préparées pour la consommation.
Agréger des données enrichies avec des vues horaires et quotidiennes par station.
Créez, entraînez et notez des modèles Machine Learning en temps réel pour mieux prédire et comprendre les modèles d’utilisation.
Les opérateurs de flotte utilisent le Tableau de bord en temps réel pour visualiser les informations de flotte, notamment les requêtes de suivi et les interroger ainsi que les calculs en quasi temps réel.
Rich Power BI fournit une analyse complète de la surveillance de la position de la flotte, des seuils de maintenance prédictive, du suivi de la limite géographique et des modèles d’utilisation.
Utilisez l’activateur pour configurer des alertes et des actions automatisées basées sur des données de véhicule en temps réel, telles que l’intégrité du moteur ou les performances des véhicules.
Phases opérationnelles
Ingestion et processus
Utilisez Eventstreams pour ingérer des données de télémétrie en temps réel à partir de véhicules connectés, notamment les diagnostics du moteur, les mises à jour de localisation GPS et les métriques de comportement des pilotes. Traitez les événements IoT avec une latence inférieure à seconde pour fournir une visibilité complète sur les opérations de flotte et les performances des véhicules. Intégrez les spécifications des véhicules, les détails des itinéraires et les informations du conducteur en temps réel pour fournir des insights exploitables pour l’optimisation de la flotte.
Utilisez Data Factory pour collecter et synchroniser les informations relatives aux véhicules et aux biens à partir de systèmes de gestion de flotte dans OneLake. Mettez à jour les métadonnées quotidiennement, notamment :
- Spécifications des véhicules et métriques opérationnelles
- Profils de pilote et affectations d’itinéraires
- Planifications de maintenance et historique des services
- Modèles d’utilisation de la flotte et benchmarks de performances
Un important opérateur de flotte gérant 10 000 véhicules traite plus de 5 millions d’événements de véhicules par jour. Ces événements incluent les diagnostics du moteur toutes les 10 secondes, les mises à jour de localisation GPS, les métriques de consommation de carburant et les alertes de maintenance. L’intégration d’Eventstreams traite ces données tout en conservant une latence inférieure à seconde pour les décisions opérationnelles critiques et l’optimisation de la flotte.
Analyser, transformer et enrichir
Les transformations continues ont lieu dans Eventhouse, où les données de télémétrie des véhicules en temps réel sont enrichies avec des métadonnées de ressources stockées dans OneLake. Ce processus d’enrichissement crée des données de flotte entièrement organisées et prêtes à la consommation en combinant les données de télémétrie en temps réel avec les informations suivantes :
Spécifications des véhicules - Les repères opérationnels et les seuils de maintenance vous aident à comparer les métriques de performances en temps réel par rapport aux valeurs attendues, ce qui permet d’identifier les inefficacités ou les anomalies.
Contexte de route : les détails de l’itinéraire et les affectations de conducteurs fournissent des insights sur la façon dont les facteurs opérationnels influencent les performances des véhicules et l’efficacité de la flotte.
Modèles de performances historiques : les tendances à long terme et l’historique de maintenance vous aident à détecter les anomalies, à prévoir les problèmes futurs et à optimiser les opérations de flotte.
Corrélation des données environnementales : l’intégration des données météorologiques et du trafic permet des prévisions précises pour la planification des itinéraires et les ajustements opérationnels.
Vous pouvez mettre en corrélation les données de flotte agrégées avec les métadonnées enrichies du véhicule pour fournir une vue unifiée des performances opérationnelles. Ce traitement en temps réel offre les fonctionnalités suivantes :
Optimisation opérationnelle : la corrélation immédiate des données de performances et de routage des véhicules garantit une utilisation efficace de la flotte et l’allocation des ressources.
Analyse du comportement des conducteurs - Des insights détaillés sur les modèles de conduite permettent des programmes de formation personnalisés et des améliorations de la sécurité.
Maintenance prédictive : la détection précoce des problèmes potentiels de véhicule réduit les temps d’arrêt et réduit les coûts d’entretien.
Train
Créez, entraînez et notez des modèles Machine Learning en temps réel à l’aide de fonctionnalités de science des données pour prédire les défaillances potentielles des véhicules et optimiser les opérations de flotte. Ces modèles apprennent en permanence à partir des données de télémétrie entrantes et des modèles de performances historiques pour fournir des insights exploitables pour la gestion de la flotte. Les principales fonctionnalités prédictives sont les suivantes :
Modèles de prédiction d’échec : utilisez le Machine Learning pour prévoir les défaillances du moteur ou des composants en fonction des données de télémétrie en temps réel et des données historiques. Ces modèles permettent une planification proactive de la maintenance, garantissant ainsi la fiabilité de la flotte.
Analyse du comportement des pilotes : analysez les modèles de conduite pour identifier les tendances et les anomalies. Utilisez ces informations pour améliorer les programmes de formation des conducteurs et améliorer la sécurité.
Optimisation des itinéraires : prédire les modèles de trafic et optimiser les itinéraires pour réduire la consommation de carburant et améliorer les délais de livraison.
Visualiser et activer
L’activateur dans Fabric Real-Time Intelligence génère des notifications en temps réel sur les problèmes de performances des véhicules et les besoins de maintenance prédictive. Grâce à cette prise de conscience des alertes en temps réel, le système réduit l’intervention manuelle et permet des réponses opérationnelles rapides. Les principales fonctionnalités d’alerte sont les suivantes :
Réponse immédiate à la maintenance : recevez des alertes automatiques pour les diagnostics de véhicules qui indiquent des défaillances potentielles, ce qui permet une action rapide pour empêcher les pannes.
Alertes de sécurité des conducteurs : déclencher des notifications pour un freinage sévère, une accélération rapide ou des événements de vitesse, ce qui améliore la sécurité globale de la flotte.
Optimisation opérationnelle : implémentez des ajustements en temps réel pour optimiser les itinéraires et réduire la consommation de carburant, ce qui garantit l’efficacité des coûts.
Les opérateurs de flotte utilisent des tableaux de bord Power BI connectés directement à Eventhouse et OneLake pour surveiller les données de flotte en temps réel et générer des rapports complets. Ces rapports fournissent les éléments suivants :
Analyse des performances de la flotte : obtenez des insights sur les modèles d’utilisation des véhicules et évaluez l’efficacité opérationnelle par le biais de rapports détaillés.
Suivi de la maintenance : surveillez les planifications de service et analysez l’historique de maintenance pour garantir la fiabilité de la flotte.
Insights sur le comportement des conducteurs : analysez les modèles de conduite pour découvrir les tendances et les anomalies, ce qui permet d’améliorer la formation et la sécurité ciblées.
Real-Time tableaux de bord offrent une visibilité opérationnelle dynamique avec des vues personnalisables pour différents rôles, ce qui permet aux équipes de surveiller et de répondre efficacement aux événements en temps réel. Ces tableaux de bord fournissent les fonctionnalités suivantes :
Vue d’ensemble de la flotte - Obtenez une vue complète de l’ensemble de la flotte, y compris l’état du véhicule en temps réel et les métriques opérationnelles, pour prendre des décisions éclairées.
Surveillance au niveau du véhicule : accédez à une surveillance détaillée des véhicules individuels, y compris les diagnostics, l’emplacement et les métriques de performances.
Les indicateurs clés de performance (KPI) en temps réel - Suivre les indicateurs clés tels que l'efficacité du carburant, le respect des itinéraires, et la conformité à la maintenance.
Copilot vous permet d’utiliser des requêtes en langage naturel pour surveiller les opérations de flotte, analyser les données des véhicules en temps réel et identifier les problèmes potentiels ou les opportunités d’optimisation. Cet outil simplifie l’exploration complexe des données, ce qui vous aide à prendre des décisions éclairées pour améliorer les performances de la flotte et l’efficacité opérationnelle.
Avantages techniques et résultats
Intelligence de flotte en temps réel
Plateforme de données unifiée : créez une source unique de vérité pour toutes les données de télémétrie des véhicules.
Détection des anomalies en temps réel : identifiez immédiatement les problèmes de performances des véhicules.
Architecture évolutive : gérez les flux de données à haute vitesse à partir de milliers de véhicules connectés.
Analytique intégrée : combinez des données en temps réel et historique pour obtenir des insights complets sur la flotte.
Gestion automatisée des flottes
Alertes intelligentes : recevoir des notifications prenant en charge le contexte en fonction des règles de performances des véhicules.
Flux de travail automatisés : configurez des déclencheurs pour la planification de la maintenance, la surveillance de la limite géographique et les alertes de pilote.
Gestion proactive des problèmes : utilisez des systèmes d’avertissement précoce pour l’optimisation de l’intégrité et des performances des véhicules.
Optimisation des ressources : activez l’allocation dynamique des véhicules, des itinéraires et des ressources de maintenance.
Fonctionnalités d’analytique avancées
Traitement du langage naturel - Interroger des données de flotte complexes à l’aide de l’IA conversationnelle.
Analyse prédictive : utilisez des modèles Machine Learning pour la prédiction et l’optimisation de la maintenance.
Analyse des tendances historiques : identifiez les modèles de performances et d’efficacité des véhicules.
Corrélation entre systèmes : lier des événements en temps réel avec des données opérationnelles historiques.
Considérations relatives à l’implémentation
Exigences relatives à l’architecture des données
Ingestion à haut débit - Concevez votre système pour traiter des milliards d’événements de véhicules par seconde pour les grandes flottes (10 000+ véhicules), avec une capacité de surcharge pendant les périodes de pointe.
Traitement à faible latence : assurez-vous des temps de réponse en sous-seconde pour les alertes de sécurité critiques, une réponse de moins de trois secondes pour les notifications de performances et un traitement de moins de 15 secondes pour les recommandations de maintenance.
Qualité et validation des données : implémentez la validation en temps réel pour les numéros d’identification des véhicules (VIN), l’intégrité des données DE l’ÉCU, les valeurs d’étalonnage des capteurs et les coordonnées GPS avec l’indicateur automatique des erreurs.
Planification de l’extensibilité - Concevez votre architecture pour gérer les variations saisonnières de l’utilisation des véhicules, prendre en charge l’expansion de la flotte et prendre en charge les nouveaux types de véhicules et technologies de capteur.
Exigences de stockage : planifiez les téraoctets de données de véhicules par mois pour les grandes flottes, avec une rétention de deux ans pour l’analyse des performances et un stockage chaud pour les données opérationnelles.
Sécurité et conformité
Contrôles d’accès : implémentez le contrôle d’accès en fonction du rôle aligné sur les responsabilités opérationnelles (gestionnaires de flotte, répartiteurs, équipes de maintenance, pilotes). Utilisez l’authentification multifacteur pour tous les accès système et gérez l’accès privilégié pour les fonctions d’administration.
Pistes d’audit : créez une journalisation complète pour la conformité réglementaire. Incluez tous les accès aux données, modifications et actions système avec des journaux d’audit immuables et des rapports de conformité automatisés.
Confidentialité des données : vérifiez la conformité aux réglementations régionales en matière de confidentialité (RGPD, CCPA) et aux exigences spécifiques à la flotte pour la protection des données des conducteurs et des véhicules.
Points d’intégration
Systèmes de gestion de flotte : intégrer des plateformes de gestion de flotte existantes, des systèmes de suivi des véhicules et des outils de planification de maintenance à l’aide d’API et de formats de données standard du secteur.
Fournisseurs de solutions mobiles : utilisez des API pour les appareils de communication tiers, les services de connectivité cellulaire et les systèmes de passerelle de véhicules.
Systèmes de maintenance : sécurisez le partage de données avec les plateformes de gestion de maintenance, les systèmes d’inventaire des composants et les applications de planification des services.
Applications de pilotes : fournissez des flux de données en temps réel pour les applications mobiles de pilotes, les tableaux de bord d’état du véhicule et les outils d’optimisation des itinéraires avec une fonctionnalité hors connexion.
Surveillance et observabilité
Surveillance opérationnelle :
Tableaux de bord d’intégrité du système : surveillance en temps réel du débit Eventstreams, performances des requêtes Eventhouse et exécution de règles activateur avec alertes automatisées pour les anomalies système.
Surveillance de la qualité des données : validation continue des flux de données des véhicules entrants avec alertes pour les capteurs manquants ou les transmissions de données endommagées.
Métriques de performances : suivi de la latence d’ingestion des données, des temps de réponse aux requêtes et des délais de remise des alertes avec surveillance du contrat SLA et escalade automatisée.
Optimisation des coûts :
Gestion de la capacité : dimensionnement approprié de la capacité fabric en fonction de la taille de la flotte et des modèles d’utilisation, implémentation de la mise à l’échelle automatique pour les périodes de pointe et optimisation des coûts pendant les périodes de faible activité.
Gestion du cycle de vie des données : archivage automatisé des données de véhicules plus anciennes vers des niveaux de stockage à moindre coût, stratégies de rétention alignées sur les exigences métier et suppression de données de télémétrie non essentielles.
Prochaines étapes
Mise en route
Phase 1 : Configuration de la fondation
Passez en revue les fonctionnalités de Microsoft Fabric Real-Time Intelligence et comprenez les besoins en capacité de votre flotte.
Planifiez votre stratégie d’ingestion de données Eventstreams . Commencez par les données critiques du véhicule (diagnostics du moteur, suivi GPS, consommation de carburant).
Concevez votre implémentation d’analytique en temps réel Eventhouse . Concentrez-vous sur les alertes de surveillance et d’entretien des véhicules.
Configurez OneLake pour le stockage et l’analyse des données historiques avec les stratégies de rétention appropriées.
Phase 2 : Implémentation pilote
Utilisez un sous-ensemble de votre flotte (50 à 100 véhicules) pour valider l’architecture.
Implémentez des flux de données de base pour la surveillance des véhicules, l’analyse du comportement des conducteurs et les alertes de base.
Établissez l’intégration à vos systèmes de gestion de flotte existants pour un flux de données fluide.
Déployez Real-Time Tableau de bord pour la surveillance des opérations de flotte avec des vues personnalisées pour différents rôles.
Phase 3 : Validation opérationnelle
Testez les performances du système pendant les périodes de pointe opérationnelles et diverses conditions de conduite.
Validez les règles d’activateur pour les alertes de maintenance, la surveillance de la limite géographique et l’optimisation des performances.
Vérifiez la conformité aux réglementations en matière de confidentialité des données et aux exigences de gestion des flottes.
Former vos équipes opérationnelles sur les procédures d’utilisation du tableau de bord et de gestion des alertes.
Implémentation avancée
Automatisation intelligente et IA
Configurez Activateor pour l’automatisation sophistiquée de la flotte, notamment les flux de travail de maintenance prédictive, l’optimisation des itinéraires et les programmes de coaching de pilotes.
Implémentez Copilot pour l’analytique du langage naturel. Permettre à vos équipes d’interroger des scénarios complexes tels que « Afficher tous les véhicules avec une efficacité énergétique inférieure à la moyenne la semaine dernière ».
Déployez des modèles de maintenance prédictive qui utilisent des données de capteur de véhicules historiques pour prédire les défaillances des composants et optimiser les planifications de service.
Créez des systèmes intelligents d’assistance au conducteur qui fournissent des commentaires et des coachings en temps réel en fonction des données sur les performances des véhicules.
Déploiement à l’échelle de l’entreprise
Effectuez une mise à l’échelle vers des opérations complètes de flotte avec la surveillance centralisée et le traitement des données distribuées dans plusieurs régions.
Mettez en œuvre des analyses avancées pour l'optimisation des itinéraires, l'amélioration de l'efficacité énergétique et l'analyse du coût total de possession.
Créez des tableaux de bord complets avec Power BI et Real-Time Dashboard pour la création de rapports exécutifs, la surveillance opérationnelle et la conformité réglementaire.
Développez des modèles Machine Learning pour la prévision de la demande, l’optimisation de l’allocation des véhicules et l’amélioration des performances des pilotes.