Vorausschauende Flugzeugtriebwerksüberwachung

Die Predictive Maintenance-Lösung von Microsoft Azure veranschaulicht, wie Echtzeit-Flugzeugdaten mit Analysen kombiniert werden, um den Zustand des Flugzeugs zu überwachen.

Diese Lösung ist mit Azure Stream Analytics, Event Hubs, Azure Machine Learning, HDInsight, Azure SQL-Datenbank, Data Factory und Power BI konzipiert. Diese Dienste werden in einer Hochverfügbarkeitsumgebung ausgeführt, gepatcht und unterstützt, sodass Sie sich auf die Lösung selbst konzentrieren können und nicht auf die Umgebung, in der sie ausgeführt werden, konzentrieren müssen.

Aufbau

Laden Sie eine Visio-Datei dieser Architektur herunter.

Komponenten

• Azure Stream Analytics stellt Analysen in Quasi-Echtzeit für den Eingabestream aus Azure Event Hubs bereit. Die Eingabedaten werden gefiltert und an einen Machine Learning-Endpunkt weitergeleitet. Schließlich werden die Ergebnisse an das Power BI-Dashboard übertragen.
• Event Hubs erfasst die Rohdaten von der Fertigungslinie und gibt sie an Stream Analytics weiter.
• Azure Machine Learning prognostiziert potenzielle Ausfälle basierend auf Echtzeitdaten von der Fertigungslinie aus Stream Analytics.
• HdInsight führt Hive-Skripts aus, um Aggregationen für die von Stream Analytics archivierten Ereignisrohdaten bereitzustellen.
• Azure SQL-Datenbank speichert die von Machine Learning empfangenen Vorhersageergebnisse und veröffentlicht Daten in Power BI.
• Data Factory übernimmt die Orchestrierung, Planung und Überwachung der Batchverarbeitungs-Pipeline.
• Power BI ermöglicht die Visualisierung von Echtzeitdaten von der Fertigungslinie aus Stream Analytics und die vorhergesagten Ausfälle und Warnungen aus Data Warehouse.

Szenariodetails

Mögliche Anwendungsfälle

Diese Lösung eignet sich ideal für die Flugzeug- sowie die Luft- und Raumfahrtindustrie.

Mit den richtigen Informationen ist es möglich, den Zustand der Ausrüstung zu bestimmen, um vorherzusagen, wann die Wartung durchgeführt werden soll. Die prädiktive Wartung kann für die folgenden Elemente verwendet werden:

• Echtzeitdiagnose.
• Echtzeit-Flugunterstützung.
• Prognostik.
• Kostensenkung.

Nächste Schritte

Weitere Informationen finden Sie in der Produktdokumentation:

• Stream Analytics
• Event Hubs
• Azure Machine Learning
• HDInsight
• SQL-Datenbank
• Azure Data Factory
• Power BI

Verwandte Ressourcen

Lesen Sie Azure Architecture Center Artikel zu Predictive Maintenance und Vorhersage mit Machine Learning:

• Predictive Maintenance
• Prognostizieren der Länge des Aufenthalts und des Patientenflusses