Ignora esplorazione

Manutenzione predittiva

Questa soluzione di manutenzione predittiva monitora l'aereo e prevede la vita utile rimanente dei componenti del motore dell'aereo.

Descrizione

Nota: se hai già distribuito questa soluzione, fai clic qui per visualizzare la distribuzione.

Tempo stimato per il provisioning: 20 minuti

Panoramica

Questa soluzione illustra come combinare i dati in tempo reale da sensori con le analisi avanzate per monitorare le parti dell'aereo in tempo reale e per prevedere anche la vita utile rimanente delle parti.

Dettagli

Il trasporto aereo è essenziale per la vita moderna. I motori degli aerei, tuttavia, sono costosi e per mantenerli operativi è necessaria una manutenzione frequente da parte di tecnici molto esperti specializzati. I motori degli aerei moderni sono dotati di sensori altamente sofisticati, per tenere traccia del funzionamento degli aeromobili. Combinando i dati di questi sensori con le analisi avanzate, è possibile monitorare l'aereo in tempo reale e prevedere la vita utile rimanente di un componente del motore, per pianificare la manutenzione in modo tempestivo per evitare guasti meccanici. Questa soluzione di manutenzione predittiva monitora l'aereo e prevede la vita utile rimanente dei componenti del motore dell'aereo. Si tratta di una soluzione end-to-end che include l'inserimento di dati, l'archiviazione di dati, l'elaborazione di dati e le analisi avanzate, tutti aspetti essenziali per la creazione di una soluzione di manutenzione predittiva. Anche se è personalizzata per il monitoraggio dei motori degli aerei, può essere generalizzata con facilità per altri scenari di manutenzione predittiva. L'origine dati di questa soluzione è costituita o derivata da dati disponibili pubblicamente dal repository di dati NASA con il set di dati "Turbofan Engine Degradation Simulation".

Il pulsante 'Distribuisci' avvierà un flusso di lavoro che distribuirà un'istanza della soluzione in un gruppo di risorse della sottoscrizione di Azure specificata. La soluzione include più servizi di Azure, illustrati di seguito, oltre a un processo Web che simula i dati, in modo che immediatamente dopo la distribuzione sia disponibile una demo end-to-end funzionante.

Dettagli tecnici e flusso di lavoro

  1. I dati della simulazione vengono trasmessi in streaming da un processo Web di Azure appena distribuito, AeroDataGenerator.
  2. Questi dati sintetici vengono inseriti nel servizio Hub eventi di Azure come punti dati.
  3. Due processi di Analisi di flusso di Azure analizzano i dati per fornire analisi in tempo quasi reale nel flusso di input dall'Hub eventi. Uno dei processi di Analisi di flusso archivia tutti gli eventi non elaborati in ingresso nel servizio Archiviazione di Azure per un'elaborazione successiva da parte del servizio Azure Data Factory e l'altro processo pubblica i risultati in un dashboard di Power BI.
  4. Il servizio HDInsight viene usato per eseguire script Hive, orchestrati da Azure Data Factory, per fornire aggregazioni sugli eventi non elaborati archiviati dal processo di Analisi di flusso indicato in precedenza.
  5. Il servizio Azure Machine Learning, orchestrato da Azure Data Factory, viene usato per ottenere previsioni sulla vita utile rimanente del motore di un aereo specifico in base agli input ricevuti.
  6. Il database SQL di Azure, gestito da Azure Data Factory, viene usato per archiviare i risultati delle previsioni ricevuti dal servizio Azure Machine Learning. Questi risultati vengono quindi utilizzati nel dashboard di Power BI. Una stored procedure viene distribuita nel database SQL e successivamente richiamata in una pipeline di Azure Data Factory per l'archiviazione dei risultati delle previsioni di Machine Learning nella tabella di assegnazione di punteggi ai risultati.
  7. Azure Data Factory gestisce l'orchestrazione, la pianificazione e il monitoraggio della pipeline di elaborazione batch.
  8. Power BI viene infine usato per la visualizzazione dei risultati, in modo che gli addetti alla manutenzione degli aerei possano monitorare i dati dei sensori da un aereo o da tutta la flotta in tempo reale e usare le visualizzazioni per pianificare la manutenzione dei motori.

Dichiarazione di non responsabilità

©2017 Microsoft Corporation. Tutti i diritti sono riservati. Queste informazioni vengono fornite "così come sono" e sono soggette a modifiche senza preavviso. Microsoft non fornisce alcuna garanzia, espressa o implicita, in merito alle informazioni fornite qui. Per la generazione della soluzione sono stati usati dati di terze parti. La responsabilità per il rispetto dei diritti di altri, inclusi l'acquisizione e la conformità delle licenze rilevanti per la creazione di set di dati simili, è a tuo carico.

Architetture delle soluzioni correlate

Rilevamento delle anomalie in flussi di dati in tempo reale

La soluzione Cortana Intelligence IT Anomaly Insights aiuta i reparti IT in organizzazioni di grandi dimensioni a rilevare e risolvere rapidamente i problemi in base alle metriche sottostanti per l'integrità dall'infrastruttura IT (CPU, memoria e così via), dai servizi (timeout, variazioni del Contratto di servizio, brownout e così via) e da altri indicatori KPI (backlog degli ordini, errori di accesso e pagamento e così via) in modo automatizzato e scalabile. Questa soluzione offre anche un'esperienza "Prova adesso" semplice che può essere provata con dati personalizzati per realizzare il valore offerto dalla soluzione. L'esperienza "Distribuisci" consente di iniziare rapidamente a usare la soluzione in Azure tramite la distribuzione di componenti della soluzione end-to-end nella sottoscrizione di Azure e la distribuzione del controllo completo per la personalizzazione in base alla necessità.