Ideas de solución
Este artículo es una idea de solución. Si te gustaría que ampliemos este artículo con más información, como posibles casos de uso, servicios alternativos, consideraciones de implementación o una guía de precios, comunícalo a través de los Comentarios de GitHub.
La solución de mantenimiento predictivo de Microsoft Azure muestra cómo combinar datos de aviones en tiempo real con análisis, con el fin de supervisar el estado de las aeronaves.
Esta solución se integra con Azure Stream Analytics, Event Hubs, Azure Machine Learning, HDInsight, Azure SQL Database, Data Factory y Power BI. Estos servicios se ejecutan en un entorno de alta disponibilidad, revisado y compatible, lo que le permite centrarse en la solución, en lugar de en el entorno en que se ejecutan.
Architecture
Descargue un archivo Visio de esta arquitectura.
Componentes
- Azure Stream Analytics proporciona un análisis casi en tiempo real del flujo de entrada de Azure Event Hubs. Los datos de entrada se filtran y se pasan a un punto de conexión de Machine Learning; por último, los resultados se envían al panel de Power BI.
- Event Hubs ingiere datos de la línea de ensamblado sin procesar y los pasa a Stream Analytics.
- Azure Machine Learning predice los posibles errores en función de los datos de la línea de ensamblado en tiempo real de Stream Analytics.
- HDInsight ejecuta scripts de Hive para proporcionar agregaciones en los eventos sin procesar que se archivaron mediante Stream Analytics.
- Azure SQL Database almacena los resultados de predicción recibidos de Machine Learning y publica los datos en Power BI.
- Data Factory controla la orquestación, la programación y la supervisión de la canalización del procesamiento por lotes.
- Power BI permite la visualización de los datos de la línea de ensamblado en tiempo real de Stream Analytics y los errores y alertas previstos desde Data Warehouse.
Detalles del escenario
Posibles casos de uso
Este ejemplo es perfecto para la industria aeronáutica y aeroespacial.
Con la información adecuada, es posible determinar la condición del equipo para predecir cuándo se debe realizar el mantenimiento. El mantenimiento predictivo se puede usar para los siguientes elementos:
- Diagnósticos en tiempo real
- Asistencia para vuelos en tiempo real
- Pronósticos
- Reducción de costos.
Pasos siguientes
Consulte la documentación del producto:
- Stream Analytics
- Event Hubs
- Azure Machine Learning
- HDInsight
- SQL Database
- Azure Data Factory
- Power BI
Recursos relacionados
Lea otros artículos del Centro de arquitectura de Azure sobre el mantenimiento predictivo y la predicción con aprendizaje automático: