该图显示了托管在 OCI 区域中的设备监视解决方案，以及管理员用户将如何访问该解决方案以实现业务和管理或运营目的。

在设备上生成数据后，在设备上运行的客户端应用将在通过 API 网关公开的端点上访问 OCI 流处理。这些端点将由高端 Web 安全服务 (WAF) 保护，即 Web 应用防火墙。此服务将确保前端安全性默认适用于应用程序。相同的流端点从服务连接器中心连接，该中心将持续监视流，设备生成新数据后，它将使用数据并触发 OCI Functions 以进一步处理数据。

OCI Functions 将获取使用的数据并开始数据处理。在某些情况下，将根据输入流量在单次使用调用中使用多个记录，并且该函数将能够单独处理所有记录。对于每条记录，该函数将执行以下任务：

1. 清除记录数据并从中收集所需的参数。
2. 为端点上托管的 ML 模型创建 API 请求调用。此请求的输入将是模型进行设备故障预测所需的参数。此请求的响应将是设备故障预测（范围从 0.00 到 10.00，其中 0.00 表示设备故障的最小机会，10.00 表示设备故障的大多数机会）。
3. 在我们获得预测后，该函数会将此数据添加到输入记录中，并将其推送到 Autonomous Data Warehouse 以供将来报告，并且机器学习模型会持续重新学习。
4. 根据预测值， OCI 函数将触发下一个任务。如果预测是非失败的，则函数将退出该记录的运行，因为没有其他操作。如果预测为失败，该函数将执行以下子任务：
   1. 访问 Autonomous Data Warehouse 参考表，以获取新订单的所有详细信息，例如订单提交者和审批者详细信息、与设备相关的数据以及所有其他相关方。
   2. 使用 OCI 生成式 AI 生成订单详细信息汇总。
   3. 将订单详细信息提交至 Oracle E-Business Suite 或任何其他 ERP、CRM 软件。
   4. 使用 OCI 生成式 AI 为利益相关者摘要草拟电子邮件。
   5. 将通知发送给相应的利益相关人，以告知订单安排。
5. 完成此流后，该函数将记录标记为已处理，并将移至下一个记录。

该解决方案由自我重新学习机器学习模型组成，该模型将持续更新 Autonomous Data Warehouse 中的新数据。应用程序的所有三层都托管在不同的子网中，以确保我们已按应用程序的要求打开了正确的安全端口。数据库中存储的数据将从另一个子网中提取，以确保适当的安全性。

体系结构图还说明了管理员用户的另一个用户访问流。这些用户负责在 OCI 上运行设备监视应用。他们将使用 SSH over Site-to-Site VPN 或 FastConnect 访问应用资源。这将创建一个安全隧道，将客户数据中心中的 CPE 设备与 OCI 上的 DRG 相连接。通过此路径，管理员可以从数据中心计算机访问 OCI 上的应用资源。需要此访问权限才能确保所有操作作业（如打补丁、应用程序升级、操作系统安全升级和其他任务）都按时安全地完成。