Navigatie overslaan

Architectuur voor de oplossing:Bewaking van vliegtuigmotoren voor predictief onderhoud in de luchtvaart

Vliegen speelt een centrale rol in het moderne leven. Vliegtuigmotoren zijn echter duur en moeten regelmatig worden onderhouden door ervaren technici. De productie-uren die verloren gaan aan downtime kunnen behoorlijk oplopen, waardoor de winst kan afnemen. Daarnaast bestaan de totale vliegtuigkosten voor zo’n 10% uit brandstofkosten, waardoor efficiëntie van essentieel belang is.

Moderne vliegtuigmotoren zijn uitgerust met uiterst geavanceerde sensors waarmee wordt bijgehouden hoe ze functioneren. Door de gegevens van deze sensors te combineren met geavanceerde analyses, kan het vliegtuig in realtime worden bewaakt en de resterende levensduur van een motoronderdeel worden voorspeld, zodat onderhoud tijdig kan worden gepland ter voorkoming van mechanische storingen.

Met dit bewakingssysteem voor vliegtuigen wordt de resterende levensduur van motoronderdelen voorspeld. Dit bestaat uit gegevensopname, gegevensopslag, gegevensverwerking en geavanceerde analyse, allemaal essentiële onderdelen voor het maken van een end-to-endoplossing voor predictief onderhoud. Hoewel dit voorbeeld is afgestemd op de bewaking van vliegtuigmotoren, kan de oplossing ook eenvoudig worden gebruikt in andere scenario's voor predictief onderhoud.

Met deze oplossing hebt u minder downtime en draaien de motoren efficiënter, zodat uw vliegtuigen zo rendabel mogelijk zijn.

Implementatie in Azure

Gebruik de volgende vooraf gemaakte sjabloon om deze architectuur op Azure te implementeren

Implementatie in Azure

Geïmplementeerde oplossing weergeven

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)

Begeleiding bij implementatie

Producten/beschrijving Documentatie

Stream Analytics

 		Via Stream Analytics beschikt u over bijna realtime analyses over de invoerstroom vanuit de Azure Event Hub. Invoergegevens worden gefilterd en doorgegeven aan een Machine Learning-eindpunt, waarna de resultaten worden verzonden naar het Power BI-dashboard.

Event Hubs

 		Event Hubs neemt onbewerkte assemblagelijngegevens op en geeft deze door aan Stream Analytics.

Machine Learning Studio

 		Met Machine Learning worden potentiële fouten op basis van realtime assemblagelijngegevens voorspeld vanuit Stream Analytics.

HDInsight

 		Via HDInsight worden Hive-scripts uitgevoerd voor het leveren van aggregaties voor de onbewerkte gebeurtenissen die zijn gearchiveerd door Stream Analytics.

Azure SQL Database

 		In SQL Database worden de voorspellingsresultaten opgeslagen die worden ontvangen vanuit Machine Learning en worden gegevens gepubliceerd naar Power BI.

Data Factory

 		Data Factory wordt gebruikt voor de indeling, planning en controle van de batchverwerkingspijplijn.

Power BI

 		In Power BI worden realtime assemblagelijngegevens van Stream Analytics en de voorspelde fouten en waarschuwingen vanuit Data Warehouse gevisualiseerd.

Gerelateerde architecturen voor oplossingen

Defect prevention with predictive maintenanceLearn how to use Azure Machine Learning to predict failures before they happen with real-time assembly line data.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

Defectpreventie met voorspellend onderhoud

Leer hoe u met Azure Machine Learning fouten kunt voorspellen voordat ze zich voordoen met realtime assemblagelijngegevens.

Meer informatie
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)

Voorspellende inzichten met voertuigtelematica

Lees hoe autodealers, fabrikanten en verzekeringsmaatschappijen met Microsoft Azure voorspellende inzichten kunnen krijgen over de staat van voertuigen en rijgewoonten.

Meer informatie
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

Afwijkingsdetectie met machine learning

Met IT Anomaly Insights van Microsoft Azure kunnen IT-afdelingen de detectie van afwijkingen automatiseren en schalen, zodat ze problemen snel kunnen detecteren en oplossen.

Meer informatie
Door meer architecturen voor oplossingen bladeren