lakehouse per l'IoT e la manutenzione predittiva

La piattaforma lakehouse di Databricks è un'architettura aperta che combina i migliori elementi dei data lake e dei data warehouse. In questa demo vi mostreremo come costruire una piattaforma IOT per la manutenzione predittiva, ingerendo in tempo reale i dati dei sensori del nostro parco di turbine eoliche. Saremo in grado di fornire dati e conoscenze/approfondimenti/informazioni dettagliate che in genere richiederebbero mesi di impegno sulle piattaforme tradizionali.

Questa demo copre la piattaforma end-to-end di Lakehouse:

• Ingerire dati da sistemi esterni in streaming (sensori/ERP) e quindi trasformarli utilizzando Delta Live Tables (DLT), un framework ETL dichiarativo per la creazione di pipeline di elaborazione dati affidabili, manutenibili e testabili.
• Proteggere i dati ingeriti per garantire governance e sicurezza
• Sfruttare Databricks SQL e gli endpoint del magazzino per costruire un dashboard per analizzare i dati ingeriti e la produttività del nostro parco eolico.
• Costruire un modello di machine learning con Databricks AutoML per rilevare turbine eoliche difettose e attivare attività di manutenzione predittiva operativa
• Orchestrare tutti questi passaggi con Databricks flusso di lavoro

Per installare la demo, procuratevi uno spazio di lavoro Databricks gratuito ed eseguite i seguenti due comandi in Python Notebook

%pip installare dbdemos

importare dbdemos
dbdemos.install('lakehouse-iot-platform')

Dbdemos è una libreria Python che installa demo complete di Databricks negli spazi di lavoro. Dbemos caricherà e avvierà Notebook, le pipeline di Delta Live Tables, clusters, i cruscotti SQL di Databricks, i modelli di magazzino... Vedere come usare dbdemos

Dbdemos è distribuito come progetto GitHub.

Per maggiori dettagli, consultare il file README.mddi GitHub e seguire la documentazione.
Dbdemos viene fornito così com'è. Per ulteriori informazioni , consultare lalicenza e l'avviso.
Databricks non offre supporto ufficiale per dbdemos e per i prodotti asset associati.
Per qualsiasi problema, aprire un ticket e il team della demo lo esaminerà nel migliore dei modi .