Redigera

Förutsägande övervakning av flygplansmotorer

Azure Data Factory
Azure Event Hubs
Azure HDInsight
Azure Machine Learning
Azure Stream Analytics
Azure Monitor

Lösningsidéer

Den här artikeln är en lösningsidé. Om du vill att vi ska utöka innehållet med mer information, till exempel potentiella användningsfall, alternativa tjänster, implementeringsöverväganden eller prisvägledning, kan du meddela oss genom att ge GitHub-feedback.

Microsoft Azures lösning för förutsägande underhåll visar hur du kan kombinera flygplansdata i realtid med analyser för att övervaka flygplanshälsa.

Den här lösningen har skapats med Azure Stream Analytics, Event Hubs, Azure Machine Learning, HDInsight, Azure SQL Database, Data Factory och Power BI. De här tjänsterna körs i en miljö med hög tillgänglighet, med korrigeringar och stöd, så att du kan fokusera på dina lösningar i stället för på den miljö som de körs i.

Arkitektur

Arkitekturdiagram: övervakning av flygplansmotor för förutsägande underhåll av flygplan med Azure.

Ladda ned en Visio-fil med den här arkitekturen.

Komponenter

  • Azure Stream Analytics tillhandahåller analys i nära realtid på indataströmmen från Azure Event Hubs. Alla indata filtreras och skickas till en Machine Learning-slutpunkt innan de visas på Power BI-instrumentpanelen.
  • Event Hubs matar in rådata från sammansättningsraden och skickar dem vidare till Stream Analytics.
  • Azure Machine Learning förutsäger potentiella fel baserat på sammansättningsradsdata i realtid från Stream Analytics.
  • HDInsight kör Hive-skript för att tillhandahålla aggregeringar på de råhändelser som arkiverades av Stream Analytics.
  • Azure SQL Database lagrar förutsägelseresultat som tas emot från Machine Learning och publicerar data till Power BI.
  • Data Factory hanterar orkestrering, schemaläggning och övervakning av batchbearbetningspipelinen.
  • Power BI möjliggör visualisering av sammansättningsradsdata i realtid från Stream Analytics och förutsagda fel och aviseringar från Data Warehouse.

Information om scenario

Potentiella användningsfall

Den här lösningen är idealisk för flygplans- och flygindustrin.

Med rätt information är det möjligt att fastställa utrustningens skick för att förutsäga när underhåll ska utföras. Förutsägande underhåll kan användas för följande objekt:

  • Realtidsdiagnostik.
  • Flyghjälp i realtid.
  • Prognostik.
  • Kostnadsminskning.

Nästa steg

Se produktdokumentation:

Läs andra artiklar i Azure Architecture Center om förebyggande underhåll och förutsägelse med maskininlärning: