Идеи решения
Эта статья является идеей решения. Если вы хотите расширить содержимое с дополнительными сведениями, такими как потенциальные варианты использования, альтернативные службы, рекомендации по реализации или рекомендации по ценам, сообщите нам, предоставив отзыв GitHub.
Решение прогнозного обслуживания от Azure демонстрирует, как сочетать данные о состоянии самолета в реальном времени с аналитическими данными для мониторинга состояния самолета.
Это решение создается с помощью Azure Stream Analytics, Центров событий, Машинное обучение Azure, HDInsight, База данных SQL Azure, Фабрики данных и Power BI. Эти службы работают в высокодоступной среде с возможностью поддержки и внесения необходимых исправлений. Благодаря этому вы можете сосредоточиться на своем решении, а не на среде, в которой оно выполняется.
Архитектура
Скачайте файл Visio для этой архитектуры.
Компоненты
- Azure Stream Analytics предоставляет практически аналитику в режиме реального времени для входного потока из Центры событий Azure. Входные данные фильтруются и передаются конечной точке машинного обучения, а результаты отправляются на информационную панель Power BI.
- Центры событий передают необработанные данные строки сборки и передают их в Stream Analytics.
- Машинное обучение Azure прогнозирует потенциальные сбои на основе данных строки сборки в режиме реального времени из Stream Analytics.
- HDInsight запускает скрипты Hive для предоставления агрегирования необработанных событий, архивированных Stream Analytics.
- База данных SQL Azure хранит результаты прогнозирования, полученные от Машинное обучение, и публикует данные в Power BI.
- Фабрика данных обрабатывает оркестрацию, планирование и мониторинг конвейера пакетной обработки.
- Power BI обеспечивает визуализацию данных сборки в режиме реального времени из Stream Analytics и прогнозируемых сбоев и оповещений из хранилища данных.
Подробности сценария
Потенциальные варианты использования
Это решение идеально подходит для авиакосмической промышленности.
С правильной информацией можно определить состояние оборудования, чтобы предсказать, когда должно выполняться обслуживание. Прогнозное обслуживание можно использовать для следующих элементов:
- Диагностика в режиме реального времени.
- Помощь в режиме реального времени.
- Prognostics.
- Снижение затрат.
Следующие шаги
См. документацию по продукту:
- Stream Analytics
- Центры событий
- Машинное обучение Azure
- HDInsight
- База данных SQL
- Фабрика данных Azure
- Power BI
Связанные ресурсы
Ознакомьтесь с другими статьями Центра архитектуры Azure по прогнозному обслуживанию и прогнозированию с помощью машинного обучения: