_Spot%20(1).png?auto=format%252Ccompress)
解决方案概述
现代工厂地面布满了独特的机器和小部件，每个都生产自己的数据集，并通过彼此互联形成一个复杂的系统，支持复杂的制造流程并生产无数的货物。
理解系统是如何运行的，以及如何排查错误和瓶颈，对于提高运营效率和构建更智能的制造应用至关重要。
本解决方案展示了如何使用MongoDB Atlas极大地简化物联网环境，从不同的边缘设备中获取数据，并使用这些数据为各种数据消费者提供智能应用。
其他适用行业和用例
汽车行业：汽车行业是制造业的一个子集。汽车制造商需要开发高效的生产工厂，并管理复杂的零部件和服务库存，以最大限度地提高成品汽车的产出。
医疗保健行业：医疗保健行业正在证明是受物联网影响最大的行业之一。可穿戴设备和连接设备对于在医疗机构内以及越来越多地在其他领域（如患者自己的家中和他们的个人设备上）提供护理至关重要。
电信行业：电信是边缘和物联网的核心，因为世界上越来越多的人通过移动和连接的设备生活和开展业务。
参考架构
无MongoDB
在许多制造环境中，通常会有运行自己的专用软件的独特系统，通常在后台使用关系型数据库，或者使用专门覆盖时间序列和图用例的数据库。
这种方法的挑战在于，随着数据库数量和类型的不可管理，架构复杂性增加，在异构系统之间移动数据并连接到更新、更智能的应用变得越来越困难。
.svg?auto=format%252Ccompress)
有MongoDB
使用MongoDB Atlas，由于文档模型的通用性，可以降低架构复杂性，团队可以根据应用程序的需求以任何方式组织数据。表达式的API和索引还允许团队以任何他们想要的方式查询数据。
本方案展示了如何使用MongoDB Atlas和Azure IoT Edge构建智能制造中心。示例用例是将CNC机床的传感器数据发送到Azure IoT Hub，并将选定的数据流式传输到MongoDB Atlas，以便在多种数据消费者中使用，例如拥有移动设备的工厂工人和使用MongoDB Charts的分析师。
为了说明这一方案的实际应用，我们将创建一个机器学习模型，该模型将根据传感器数据预测机器故障的根本原因。详细的指南和相关样本数据、函数和代码可以在这个解决方案存储库中找到.
1. 训练您的ML模型
您可以使用MongoDB作为特征存储库来训练ML模型，一旦模型训练完毕，这些二进制文件可以被转换并存储在另一个MongoDB集合中进行分析。请参考此笔记本来训练您的ML模型，一旦模型训练完毕，使用此模型通过Azure函数进行预测。
2. 设置Azure IoT Hub
我们使用Azure IoT Hub来连接、监控、配置和部署物联网设备。使用此链接在您的Azure账户中设置IoT Hub，并准备好后，注册一个新设备。
3. 模拟IoT数据
为了为我们的示例解决方案生成数据，我们构建了此Web应用程序来模拟数据流向Azure IoT。
4. 将数据提供给Azure流分析
一旦数据进入Azure IoT Hub，就可以将其提供给流分析进行过滤，然后推入MongoDB。请遵循这些说明来设置一个流分析作业，然后添加IoT Hub作为该作业的输入。
5. 使用Azure函数将数据推送到MongoDB Atlas
现在数据已进入流分析，您可以使用此函数将其推送到MongoDB Atlas的时间序列集合，以服务于各种用例和数据消费者。您还可以运行您的机器学习模型，使用此函数获取故障推断。
6. 使用MongoDB Atlas将数据转化为洞察
一旦您的机器故障数据在MongoDB Atlas中，您可以通过MongoDB的平台服务轻松地将它交给用户。您可以使用构建移动应用，利用Atlas Device Sync向楼层主管发送通知和警报，或者您可以使用Mongo Charts为BI团队创建可视化。
使用的技术和产品
MongoDB开发者数据平台
合作伙伴技术
关键考虑因素
- 此解决方案将指导您进行简单配置，了解如何生成IoT数据，使用它来运行机器学习模型，并将这些数据存储在MongoDB Atlas中以用于业务应用。
- MongoDB是IoT应用的理想选择，因为它是一个高度可扩展的文档型数据库，可以处理IoT应用生成的大量数据。
- MongoDB灵活的文档模型使其非常适合处理存储广泛IoT设备和ML模型所需的不同数据结构类型，无需为不同数据类型创建单独的数据库。
作者
- Diana Annie Jenosh, MongoDB
- Utsav Talwar, MongoDB
- Dr. Humza Akhtar, MongoDB
相关资源
