シナリオ問題計算

ロジスティクス企業が、配送拠点58か所から毎時間32万件の配送予定データを収集し、交通状況・天気・過去3年間(約2600万件)の配送実績をもとに配送最適化予測を行います。配送ルート最適化エンジンは平均7分以内に全予定に対する最適ルートを生成し、配送車両の燃費改善率を38%以上達成する必要があります。予測結果はすべての配送管理システムにAPI経由で配信されます。このシナリオに最適なAzureサービスの組み合わせはどれか?

A.Azure Machine Learning + Azure Batch + Azure Cosmos DB + Azure API Management← 正解
✓ 正解です。ML は過去2600万件データで最適化モデル訓練、Batch は毎時間32万件予測を7分で処理、Cosmos DB は高速APIレスポンス、API Management は全配送システムへの安全な API 配信を実現し、38%の燃費改善を実現します。
B.Azure Event Hubs + Azure Stream Analytics + Power BI Desktop のみ
✗ Event Hubs + Stream Analytics は リアルタイム取引データ処理向けで、複雑な配送ルート最適化機械学習モデルの訓練・推論、過去2600万件の履歴データ活用、7分以内の全体最適化は実装困難です。
C.Azure IoT Hub + Azure Functions + Azure Table Storage
✗ IoT Hub + Functions + Table Storage は軽量センサー取り込み向けで、毎時間32万件の複雑な最適化計算、過去3年の大規模データ活用、38%の燃費改善達成には性能が不足しています。
D.Azure Data Factory + Azure Databricks + Azure Synapse Analytics
✗ Data Factory + Databricks + Synapse は バッチ分析向けで、毎時間の予測をAPI経由でリアルタイム配信、複数拠点への即時反映、7分以内の応答時間要件には不向きです。

この問題のポイント

ML は過去2600万件データで最適化モデル訓練、Batch は毎時間32万件予測を7分で処理、Cosmos DB は高速APIレスポンス、API Management は全配送システムへの安全な API 配信を実現し、38%の燃費改善を実現します。

AI-900:Microsoft Azure AI Fundamentals の問題一覧