Ignorar navegação

Manutenção preditiva

Esta solução de manutenção preditiva monitora a aeronave e prevê a vida útil restante dos componentes do seu motor.

Descrição

Observação: se você já implantou esta solução, clique aqui para exibir sua implantação.

Tempo de provisionamento estimado: 20 minutos

Visão geral

Esta solução demonstra como combinar dados de sensores em tempo real com análise avançada para monitorar peças de aeronave em tempo real e prever a vida útil restante dessas peças.

Detalhes

As viagens aéreas são cruciais na vida moderna, no entanto, os motores das aeronaves são caros e mantê-los em funcionamento exige manutenção frequente por técnicos altamente qualificados. Os motores das aeronaves modernas são equipados com sensores altamente sofisticados a fim de controlar o funcionamento dessas máquinas. Ao combinar os dados desses sensores com a análise avançada, é possível monitorar a aeronave em tempo real e também prever a vida útil restante de um componente do motor, de modo que a manutenção possa ser agendada de maneira oportuna para evitar falhas mecânicas. Esta solução de manutenção preditiva monitora a aeronave e prevê a vida útil restante dos componentes do seu motor. Ela é uma solução de ponta a ponta que conta com ingestão de dados, armazenamento de dados, processamento de dados e análise avançada, tudo o que é essencial para criar uma solução de manutenção preditiva. Embora seja personalizada para o monitoramento de aeronaves, ela pode ser facilmente adaptada para outros cenários de manutenção preditiva. A fonte de dados dessa solução é composta ou derivada de dados publicamente disponíveis do repositório de dados da NASA, usando o conjunto de dados de simulação de degradação de motor turbofan.

O botão Implantar inicializará um fluxo de trabalho que implantará uma instância da solução em um grupo de recursos na assinatura do Azure que você especificar. A solução inclui vários serviços do Azure (descritos abaixo), juntamente com um trabalho da Web que simula dados para que você tenha uma demonstração funcional de ponta a ponta logo após a implantação.

Detalhes técnicos e fluxo de trabalho

  1. Os dados da simulação são transmitidos por um Trabalho da Web do Azure recém-implantado, o AeroDataGenerator.
  2. Os dados sintéticos são alimentados no serviço Hubs de Eventos do Azure como pontos de dados.
  3. Dois trabalhos do Azure Stream Analytics analisam os dados para fornecer uma análise praticamente em tempo real sobre o fluxo de entrada do hub de eventos. Um dos trabalhos do Stream Analytics arquiva todos os eventos brutos de entrada no serviço Armazenamento do Azure para processamento posterior do serviço Azure Data Factory, enquanto o outro publica os resultados em um dashboard do Power BI.
  4. O serviço HDInsight é usado para executar scripts do Hive (orquestrados pelo Azure Data Factory) a fim de fornecer agregações sobre os eventos brutos que foram arquivados pelo trabalho do Stream Analytics mencionado anteriormente.
  5. O serviço Azure Machine Learning é usado (orquestrado pelo Azure Data Factory) para realizar previsões sobre a RUL (vida útil restante) de um motor de aeronave específico, de acordo com as entradas recebidas.
  6. O Banco de Dados SQL do Azure é usado (gerenciado pelo Azure Data Factory) para armazenar os resultados de previsão recebidos do serviço Azure Machine Learning. Em seguida, esses resultados são consumidos no dashboard do Power BI. Um procedimento armazenado é implantado no Banco de Dados SQL e invocado posteriormente no pipeline do Azure Data Factory para armazenar os resultados da previsão do ML na tabela de resultados de pontuação.
  7. O Azure Data Factory manipula a orquestração, o agendamento e o monitoramento do pipeline de processamento em lotes.
  8. Finalmente, o Power BI é usado para a visualização dos resultados, de forma que os técnicos da aeronave possam monitorar os dados de sensores de um avião ou de toda a frota em tempo real, e usar as visualizações para agendar a manutenção do motor.

Aviso de isenção de responsabilidade

© 2017 Microsoft Corporation. Todos os direitos reservados. Estas informações são fornecidas “no estado em que se encontram” e poderão ser alteradas sem aviso. A Microsoft não oferece garantias, expressas ou implícitas, com relação às informações aqui fornecidas. Dados de terceiros foram utilizados para gerar esta Solução. Você é responsável por respeitar os direitos de terceiros, incluindo a obtenção e o cumprimento de licenças relevantes com o intuito de criar conjuntos de dados similares.

Arquiteturas de solução relacionadas

Detecção de Anomalias em Fluxos de Dados em Tempo Real

A solução Cortana Intelligence IT Anomaly ajuda os departamentos de TI em grandes organizações a detectar e corrigir rapidamente problemas com base nas métricas de integridade subjacentes da infraestrutura de TI (CPU, memória etc.), serviços (tempos limite, variações de SLA, semiapagões etc.) e outros indicadores-chave de desempenho (lista de pendências de pedido, falhas de logon e de pagamento, etc.) de maneira automatizada e escalonável. Essa solução também oferece uma experiência fácil de “Experimente Agora” que pode ser usada com os dados personalizados para descobrir o valor oferecido pela solução. A experiência “Implantar” permite a introdução rápida à solução no Azure implantando os componentes da solução de ponta a ponta em sua assinatura do Azure e fornecendo total controle para personalização conforme necessário.