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

Prevenção de defeitos com a manutenção preditivaSaiba como utilizar o Azure Machine Learning para prever falhas antes de acontecerem, com dados de linha de assemblagem em tempo real.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

Hibamegelőzés prediktív karbantartással

Megtudhatja, hogyan jelezheti előre a hibákat azok bekövetkezte előtt az Azure Machine Learning valós idejű gyártósoradataival.

Részletek
Predictive insights with vehicle telematicsLearn how car dealerships, manufacturers, and insurance companies can use Microsoft Azure to gain predictive insights on vehicle health and driving habits.Data Factory: Move data, orchestrate, schedule and monitorSQL Data WarehouseMachine LearningMachine LearningPower BI Event HubStream AnalyticsHDInsightGeography Data(Blob Storage)Vehicle CatalogueDiagnotic 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.

Részletek
Anomaly detection with machine learningMicrosoft Azure’s IT Anomaly Insights can help automate and scale anomaly detection for IT departments to quickly detect and fix issues.Machine Learning(Anomaly Detection)Service Bus topics(Publish/subscribe capabilities)Visual Studio Application Insights(Monitoring and telemetry)Event Hub(Event queue)Table Storage(Big Data store)Stream Analytics(Realtime analytics)MetadataSave ML outputScore each datasetPublish anomalies detectedPower BI Azure SQL DB(Anomaly detection results)Data FactoryTime series data

Anomáliadetektálás gépi tanulással

A Microsoft Azure informatikai anomáliaelemzése segíthet az anomáliadetektálás automatizálásában és méretezésében, hogy az informatikai részlegek gyorsan felderíthessék és javíthassák a hibákat.

Részletek
További megoldásarchitektúrák