Lösungsarchitektur: Überwachung von Flugzeugtriebwerken für den vorhersagbaren Wartungsbedarf für Luft- und Raumfahrt

Die Predictive Maintenance-Lösung von Microsoft Azure zeigt, wie Echtzeitdaten des Flugzeugs mit Analysen zur Überwachung der Flugzeugintegrität kombiniert werden.

Diese Lösung basiert auf diesen verwalteten Azure-Diensten: Azure Stream Analytics, Event Hubs, Machine Learning Studio, HDInsight, Azure SQL-Datenbank und der Data Factory. Diese Dienste werden in einer Hochverfügbarkeitsumgebung ausgeführt, gepatcht und unterstützt, sodass Sie sich auf die Lösung konzentrieren können, anstatt auf die Umgebung, in der sie ausgeführt wird.

Überwachung von Flugzeugtriebwerken für den vorhersagbaren Wartungsbedarf für Luft- und RaumfahrtDie Predictive Maintenance-Lösung von Microsoft Azure zeigt, wie Echtzeitdaten des Flugzeugs mit Analysen zur Überwachung der Flugzeugintegrität kombiniert werden.Data Factory: Move data, orchestrate, schedule and monitorSQL DatabaseMachine LearningPower BI Event HubStream AnalyticsHDInsightGeography Data(Blob Storage)Engine Sensor Data (Simulated)

Implementierungsleitfaden

Produkte/Beschreibung Dokumentation

Azure Stream Analytics

Stream Analytics stellt Analysen beinahe zur Echtzeit auf dem Eingabestring vom Azure-Event Hub bereit. Eingabedaten werden gefiltert und an einen Machine Learning-Endpunkt übermittelt wobei schlussendlich die Ergebnisse an das Power BI-Dashboard gesendet werden.

Event Hubs

Event Hubs erfasst Daten der Montagelinien und übergibt diese an Stream Analytics.

Machine Learning Studio

Machine Learning sagt potenzielle Fehler auf Grundlage von Echtzeitdaten der Montagelinien von Stream Analytics vorher.

HDInsight

HDInsight führt Hive-Skripts aus, um Aggregationen auf den Rohereignissen bereitzustellen, die durch Stream Analytics archiviert wurden.

Azure SQL-Datenbank

Die SQL-Datenbank speichern die Vorhersageergebnisse, die es vom Machine Learning-Dienst erhalten hat und veröffentlicht die Daten in Power BI.

Data Factory

Data Factory behandelt die Orchestrierung, Planung und Überwachung der Batchverarbeitungs-Pipeline.

Power BI visualisiert Echtzeitdaten von Montagelinien von Stream Analytics und sagt Fehler und Warnungen von Data Warehouse vorher.

Zugehörige Lösungsarchitekturen

Fehlervermeidung mit vorausschauender WartungFinden Sie heraus, wie Sie Azure Machine Learning mit Echtzeitdaten aus Montagelinien nutzen, um Fehler vorherzusagen, bevor sie tatsächlich auftreten.Azure SQL DWMachine Learning(Real time predictions)Power BIALS test measurements (Telemetry)Event HubStream Analytics(Real time analytics)Dashboard of predictions/alertsRealtime data stats, Anomaliesand aggregatesRealtime event and predictions

Finden Sie heraus, wie Sie Azure Machine Learning mit Echtzeitdaten aus Montagelinien nutzen, um Fehler vorherzusagen, bevor sie tatsächlich auftreten.

Weitere Informationen
Prognoseinformationen mit VerkehrstelematikErfahren Sie, wie Autohäuser, Hersteller und Versicherungsfirmen Microsoft Azure verwenden können, um Prognoseinformationen für die Fahrzeugintegrität und Fahrgewohnheiten zu erhalten.Data Factory: Move data, orchestrate, schedule and monitorSQL Data WarehouseMachine LearningMachine LearningPower BI Event HubStream AnalyticsHDInsightGeography Data(Blob Storage)Vehicle CatalogueDiagnotic Events (Simulated)

Erfahren Sie, wie Autohäuser, Hersteller und Versicherungsfirmen Microsoft Azure verwenden können, um Prognoseinformationen für die Fahrzeugintegrität und Fahrgewohnheiten zu erhalten.

Weitere Informationen