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
Data Factory: Move data, orchestrate, schedule and monitor SQL Database Machine Learning Power BI Event Hub Stream Analytics HDInsight Geography Data(Blob Storage) Engine Sensor Data (Simulated)

Implementálási segédlet

Termék 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.

Event Hubs

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.

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.

Related solution architectures

Data Factory: Move data, orchestrate, schedule and monitor SQL Data Warehouse Machine Learning Machine Learning Power BI Event Hub Stream Analytics HDInsight Geography Data(Blob Storage) Vehicle Catalogue Diagnotic Events (Simulated)

Prediktív adatelemzés jármű-telematika használatával

Tudjon meg többet arról, hogyan tudnak az autókereskedők és biztosítási cégek a Microsoft Azure segítségével az autó várható állapotával és a vezetési szokásokkal kapcsolatos előrejelzésekhez jutni.

Learn more