Supervision prédictive des moteurs d’avion

Azure Data Factory
Hubs d'événements Azure
Azure HDInsight
Azure Machine Learning
Azure Stream Analytics
Azure Monitor

Idées de solution

Cet article présente une idée de solution. Si vous souhaitez que nous développions le contenu avec d’autres informations, telles que des cas d’usage potentiels, d’autres services, des considérations d’implémentation ou un guide des prix, adressez-nous vos commentaires GitHub.

La solution de maintenance prédictive de Microsoft Azure montre comment combiner données d’avion en temps réel et analytique afin de surveiller l’état de fonctionnement des avions.

Cette solution est développée avec Azure Stream Analytics, Event Hubs, Azure Machine Learning, HDInsight, Azure SQL Database, Data Factory et Power BI. Ces services fonctionnent dans un environnement à haute disponibilité, avec des correctifs et un support, ce qui vous permet de vous concentrer sur votre solution plutôt que sur l’environnement dans lequel elles opèrent.

Architecture

Diagramme d’architecture : monitoring de moteurs d’avion pour une maintenance prédictive des avions avec Azure.

Téléchargez un fichier Visio de cette architecture.

Composants

  • Azure Stream Analytics fournit une analytique en quasi-temps réel du flux d’entrée en provenance d’Azure Event Hubs. Les données d'entrée sont filtrées et transmises à un point de terminaison Machine Learning, puis les résultats sont envoyés au tableau de bord Power BI.
  • Event Hubs ingère les données brutes des lignes d'assemblage et les transmet à Stream Analytics.
  • Azure Machine Learning prédit les défaillances potentielles en se basant sur les données en temps réel des lignes d’assemblage fournies par Stream Analytics.
  • HDInsight exécute des scripts Hive pour fournir des agrégations sur les événements bruts qui ont été archivés par Stream Analytics.
  • Azure SQL Database stocke les résultats des prédictions reçus de Machine Learning et publie les données dans Power BI.
  • Data Factory gère l'orchestration, la planification et la surveillance du pipeline de traitement par lots.
  • Power BI permet la visualisation des données des lignes d’assemblage en temps réel fournies par Stream Analytics ainsi que les défaillances et alertes prévues provenant de Data Warehouse.

Détails du scénario

Cas d’usage potentiels

Cette solution est idéale pour les secteurs de l’aéronautique et de l’aérospatiale.

Avec les bonnes informations, il est possible de déterminer la condition de l’équipement afin de prédire quand la maintenance doit être effectuée. La maintenance prédictive peut être utilisée pour les éléments suivants :

  • Diagnostics en temps réel.
  • Assistance de vol en temps réel.
  • Prognostiques.
  • Réduction des coûts.

Étapes suivantes

Consultez la documentation du produit :

Lisez d’autres articles du Centre des architectures Azure sur la maintenance prédictive et la prédiction avec le Machine Learning :