Upravit

Prediktivní monitorování leteckých motorů

Azure Data Factory
Azure Event Hubs
Azure HDInsight
Azure Machine Learning
Azure Stream Analytics
Azure Monitor

Nápady na řešení

Tento článek je myšlenkou řešení. Pokud chcete, abychom obsah rozšířili o další informace, jako jsou potenciální případy použití, alternativní služby, aspekty implementace nebo pokyny k cenám, dejte nám vědět tím, že nám poskytnete zpětnou vazbu k GitHubu.

Řešení prediktivní údržby v Microsoft Azure ukazuje, jak kombinovat letecká data v reálném čase s analýzami a jak monitorovat stav letadel.

Toto řešení je vytvořené pomocí Azure Stream Analytics, Event Hubs, Azure Machine Učení, HDInsight, Azure SQL Database, Data Factory a Power BI. Tyto služby se spouští v prostředí s vysokou dostupností, opravují se a je pro ně dostupná podpora. Díky tomu se můžete zaměřit na své řešení, a ne na prostředí, ve kterém se spouští.

Architektura

Diagram architektury: Monitorování leteckých motorů pro prediktivní údržbu letadel pomocí Azure

Stáhněte si soubor aplikace Visio s touto architekturou.

Komponenty

  • Azure Stream Analytics poskytuje analýzy vstupního streamu z Azure Event Hubs téměř v reálném čase. Vstupní data se filtrují a předávají do koncového bodu Machine Learning, který nakonec odešle výsledky na řídicí panel Power BI.
  • Event Hubs ingestuje nezpracovaná data sestavení a předává je do Stream Analytics.
  • Azure Machine Učení predikuje potenciální selhání na základě dat sestavy stream Analytics v reálném čase.
  • HDInsight spouští skripty Hive, které poskytují agregace na nezpracovaných událostech archivovaných službou Stream Analytics.
  • Azure SQL Database ukládá výsledky předpovědi přijaté ze služby Machine Učení a publikuje data do Power BI.
  • Data Factory zpracovává orchestraci, plánování a monitorování kanálu dávkového zpracování.
  • Power BI umožňuje vizualizaci dat sestavy v reálném čase ze stream Analytics a predikovaných selhání a upozornění z datového skladu.

Podrobnosti scénáře

Potenciální případy použití

Toto řešení je ideální pro letecký a letecký průmysl.

Se správnými informacemi je možné určit stav zařízení, aby bylo možné předpovědět, kdy má být provedena údržba. Prediktivní údržba se dá použít pro následující položky:

  • Diagnostika v reálném čase
  • Pomoc s letem v reálném čase.
  • Prognostika.
  • Snížení nákladů.

Další kroky

Viz dokumentace k produktu:

Přečtěte si další články o centru architektury Azure o prediktivní údržbě a predikci pomocí strojového učení: