Løsningsarkitektur: Overvågning af flymotorer i forbindelse med prædiktiv vedligeholdelse i luftfartsindustrien

Flyrejser er en vigtig del af en moderne livsstil. Men flymotorer er dyre at vedligeholde og kræver jævnlig assistance fra højt kvalificerede teknikere. Mistet produktionstid pga. nedetid kan hurtigt løbe op og gøre indhug i din potentielle indtjening. Dertil kommer, at brændstof udgør omkring 10 % af omkostningerne til at holde et fly i luften, så effektivitet er afgørende.

Moderne flymotorer er udstyret med meget avancerede sensorer, som registrerer, hvordan motoren fungerer. Ved at kombinere data fra disse sensorer med avancerede analyser er det muligt både at overvåge flyet i realtid og forudsige den forventede resterende levetid for en motorkomponent, så det er muligt at planlægge rettidig vedligeholdelse og undgå mekaniske fejl.

Dette overvågningssystem til flymotorer forudsiger motorkomponenternes resterende levetid. Det omfatter dataregistrering, datalagring, databehandling og avanceret analyse, som alle er afgørende elementer i en komplet prædiktiv vedligeholdelsesløsning. Og selvom eksemplet vedrører overvågning af flymotorer, kan løsningen nemt overføres på andre prædiktive vedligeholdelsesscenarier.

Løsningen sikrer optimal rentabel oppetid for flåden af fly ved at reducere nedetid og sikre, at motorerne kører effektivt.

Installér på Azure

Brug følgende forhåndsbyggede skabelon til at installere denne arkitektur på Azure

Installér på Azure

Få vist den udrullede løsning

Data Factory: Move data, orchestrate, schedule and monitor SQL Database Machine Learning Power BI Event Hub Stream Analytics HDInsight Geography Data(Blob Storage) Engine Sensor Data (Simulated)

Implementeringsvejledning

Produkter/beskrivelse Dokumentation

Stream Analytics

Stream Analytics leverer analyser i nær-realtid af inputstrømmen fra Azure Event Hub. Inputdata filtreres og videresendes til et Machine Learning-slutpunkt, som slutter med at sende resultaterne til Power BI-dashboardet.

Event Hubs

Event Hubs overfører rå samlebåndsdata og videresender dem til Stream Analytics.

Machine Learning Studio

Machine Learning forudsiger potentielle fejl baseret på samlebåndsdata i realtid fra Stream Analytics.

HDInsight

HDInsight kører Hive-scripts til sammenlægning af de rå hændelser, som er arkiveret i Stream Analytics.

SQL Database

Forudsigelsesresultaterne fra Azure Machine Learning lagres i SQL Database, og der udgives data til Power BI.

Data Factory

Data Factory håndterer orkestrering, planlægning og overvågning af pipelinen til batchbehandling.

Power BI

Power BI visualiserer samlebåndsdata i realtid fra Stream Analytics og de forudsete fejl og advarsler fra Data Warehouse.

Relaterede løsningsarkitekturer