Architektura rozwiązania: Monitorowanie silników lotniczych pod kątem konserwacji predykcyjnej w lotnictwie i kosmonautyce

Transport lotniczy odgrywa bardzo ważną rolę we współczesnym świecie. Jednak silniki lotnicze są drogie, a zapewnienie ich sprawnego działania wymaga częstej konserwacji przez wysokiej klasy specjalistów. Godziny produkcyjne utracone z powodu przestojów mogą kumulować się i obniżać potencjalny zysk. Ponadto paliwo stanowi około 10% kosztów utrzymania samolotu, więc wydajność ma znaczenie.

Nowoczesne silniki lotnicze są wyposażone w wysoce zaawansowane czujniki śledzące ich pracę. Dzięki połączeniu danych z tych czujników z zaawansowanymi możliwościami analizy możliwe jest zarówno monitorowanie samolotu w czasie rzeczywistym, jak i przewidywanie pozostałego okresu eksploatacji części silnika, aby można było zaplanować konserwację i uniknąć awarii mechanicznych.

Ten system monitorowania kondycji samolotu przewiduje pozostały okres eksploatacji części silnika. Obejmuje przyjmowanie, przechowywanie i przetwarzanie danych oraz zaawansowaną analizę — wszystkie elementy niezbędne do utworzenia kompleksowego rozwiązania konserwacji predykcyjnej. Mimo iż ten przykład jest dostosowany do monitorowania silników lotniczych, rozwiązanie to można łatwo zastosować w innych scenariuszach konserwacji predykcyjnej.

Dzięki skróceniu przestojów i zapewnieniu wydajnej pracy silników rozwiązanie to ułatwia zapewnienie sprawnego działania floty i maksymalnych zysków.

Wdrażanie na platformie Azure

Użyj poniższego wstępnie utworzonego szablonu, aby wdrożyć tę architekturę na platformie Azure

Wdrażanie na platformie Azure
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)

Wytyczne dotyczące implementacji

Produkty Dokumentacja

Stream Analytics

Usługa Stream Analytics zapewnia analizę prawie w czasie rzeczywistym na strumieniu wejściowym z usługi Azure Event Hub. Dane wejściowe są filtrowane i przekazywane do punktu końcowego usługi Machine Learning, a następnie wyniki są wysyłane do pulpitu nawigacyjnego usługi Power BI.

Event Hubs

Usługa Event Hubs pozyskuje dane pierwotne z linii montażowej i przekazuje je do usługi Stream Analytics.

Machine Learning Studio

Usługa Machine Learning przewiduje potencjalne awarie w oparciu o dane czasu rzeczywistego z linii montażowej z usługi Stream Analytics.

HDInsight

Usługa HDInsight uruchamia skrypty Hive w celu zapewnienia agregacji nieprzetworzonych zdarzeń zarchiwizowanych przez usługę Stream Analytics.

SQL Database

Usługa SQL Database przechowuje wyniki prognozy otrzymane z usługi Machine Learning i publikuje je w usłudze Power BI.

Data Factory

Usługa Data Factory zajmuje się organizowaniem, planowaniem i monitorowaniem potoku przetwarzania wsadowego.

Power BI

Usługa Power BI wizualizuje dane czasu rzeczywistego z linii montażowej z usługi Stream Analytics oraz przewidywane awarie i alerty z usługi Data Warehouse.

Powiązane architektury rozwiązań