Navigáció kihagyása

Megoldásarchitektúra: Prediktív karbantartást támogató repülőgéphajtómű-figyelés a légi közlékedésben

A légi közlekedés központi szerepet játszik a modern életben. A repülőgép-hajtóművek azonban drágák, az üzemben tartásuk pedig képzett szakemberek által végzett rendszeres karbantartást kíván. A leállások miatt a termelésből kiesett órák összeadódhatnak és csökkentik az elérhető profitot. Ráadásul az üzemanyag mintegy 10%-át teszi ki egy repülőgép üzemeltetési költségének, tehát számít a hatékonyság.

A modern repülőgép-hajtóművek rendkívül kifinomult érzékelőkkel vannak ellátva, amelyek nyomon követik működésüket. Az érzékelőktől származó adatok és azok fejlett eszközökkel történő elemzése lehetővé teszi a repülőgép valós idejű figyelését és a hajtóműalkatrészek hátralévő hasznos élettartamának előrejelzését, hogy a megfelelően ütemezett karbantartás elejét vehesse a műszaki hibáknak.

Ez a repülőgép-állapotfigyelő rendszer előrejelzi a hajtóműalkatrészek hátralévő hasznos élettartamát. Magában foglalja az adatok feltöltését, tárolását, feldolgozását és fejlett eszközökkel történő elemzését – mindent, ami egy mindent felölelő, prediktív karbantartási megoldás kialakításához elengedhetetlen. Bár ez a példa a repülőgép-hajtóművek figyelésére van kialakítva, a megoldás könnyen általánosítható más prediktív karbantartási helyzetekre.

Az állásidő csökkentésével és a hajtóművek hatékony működésének biztosításával ez a megoldás segít a lehető legjövedelmezőbb módon üzemben tartani az Ön flottáját.

Üzembe helyezés az Azure-ban

Az architektúra Azure-ban történő üzembe helyezéséhez használhatja az alábbi, előre elkészített sablont

Üzembe helyezés az Azure-ban

Üzembe helyezett megoldás megtekintése

Aircraft engine monitoring for predictive maintenance in aerospaceMicrosoft Azure’s Predictive Maintenance solution demonstrates how to combine real-time aircraft data with analytics to monitor aircraft health.Data Factory: Move data, orchestrate, schedule and monitorSQL DatabaseMachine LearningPower BI Event HubStream AnalyticsHDInsightGeography Data(Blob Storage)Engine Sensor Data (Simulated)

Implementálási segédlet

Termékek/Leírás Dokumentáció

Stream Analytics

A Stream Analytics biztosítja az Azure Event Hubstól beérkező adatfolyam közel valós idejű elemzését. A bejövő adatok szűrés után továbbadódnak egy Machine Learning-végpontnak, amely végül elküldi az eredményeket a Power BI irányítópultjára.

Azure Event Hubs-eseményközpontok

Az Event Hubs nyers gyári adatokat tölt be, és átadja azokat a Stream Analyticsnek.

Machine Learning Studio

A Machine Learning a Stream Analyticstől származó valós idejű gyári adatok alapján előre jelzi a lehetséges meghibásodásokat.

HDInsight

A HDInsight Hive-parancsprogramok futtatásával végzi a Stream Analytics által archivált nyers események összesítését.

Azure SQL Database

Az SQL Database tárolja az Azure Machine Learning szolgáltatásból származó előrejelzési eredményeket, és közzéteszi az adatokat a Power BI számára.

Data Factory

A Data Factory végzi a kötegelt feldolgozási folyamat szervezését, ütemezését és figyelését.

Power BI

A Power BI vizuálisan jeleníti meg a Stream Analyticstől származó valós idejű gyári adatokat és a Data Warehouse-ból származó hiba-előrejelzéseket és figyelmeztetéseket.

Kapcsolódó megoldásarchitektúrák