Çözüm mimarisi: Havacılıkta tahmine dayalı bakım amacıyla uçak motoru izleme

Hava yolculukları, modern hayat için oldukça önemlidir. Ancak uçak motorları masraflıdır ve düzgün çalışır durumda tutulmaları için son derece kalifiye teknisyenlerin sık sık bakım yapması gerekir. Aksaklıklar nedeniyle çalışılamayan süreler gittikçe birikip kâr kaybına neden olabilir. Ayrıca yakıt masrafları, toplam uçak işletim masraflarının yaklaşık %10’unu oluşturduğundan verimli kullanım önemlidir.

Modern uçak motorlarının, ne durumda olduklarını izleyen son derece gelişmiş sensörleri vardır. Bu sensörlerden alınan verilerin gelişmiş analiz özellikleriyle birleştirilmesi sayesinde uçak gerçek zamanlı olarak izlenebilir. Bunun yanı sıra motor bileşenlerinin kalan faydalı ömrü tahmin edilerek, mekanik arızaları önlemeye yönelik bakımlar uygun zamanlar için planlanabilir.

Bu uçak durumu izleme sistemi, motor bileşenlerinin kalan faydalı ömrünü tahmin eder. Bu sistem; veri alımı, veri depolama, veri işleme ve gelişmiş analiz özelliklerini içerir. Bunların tümü, bir uçtan uca tahmine dayalı bakım çözümü oluşturulması için gereklidir. Bu örnek, uçak motorlarının izlenmesi amacıyla özelleştirilmiştir, ancak çözüm kolaylıkla genelleştirilerek başka tahmine dayalı bakım senaryolarını da kapsayabilir.

Çalışılamayan süreyi azaltan ve motorlarınızın verimli bir şekilde çalışmasını sağlayan bu çözüm, filonuzun en kârlı şekilde işletilmesine yardımcı olur.

Azure'a Dağıt

Bu mimariyi Azure’a dağıtmak için aşağıdaki önceden oluşturulmuş şablonu kullanın

Azure'a Dağıt
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)

Uygulama kılavuzu

Ürünler Belgeler

Stream Analytics

Stream Analytics, Azure Event Hub’dan gelen giriş akışı üzerinde neredeyse gerçek zamanlı analiz gerçekleştirir. Giriş verileri filtrelenerek bir Machine Learning uç noktasına geçirilir ve sonuçlar Power BI panosuna gönderilir.

Event Hubs

Event Hubs, ham montaj hattı verilerini alır ve Stream Analytics’e geçirir.

Machine Learning Studio

Machine Learning, Stream Analytics’ten gelen gerçek zamanlı montaj hattı verilerine dayalı olarak olası arızaları tahmin eder.

HDInsight

HDInsight, Stream Analytics tarafından arşivlenmiş ham olaylar üzerinde Hive betikleri çalıştırarak toplama işlemleri sağlar.

SQL Database

SQL Veritabanı, Machine Learning hizmetinden alınan tahmin sonuçlarını depolar ve verileri Power BI’da yayımlar.

Data Factory

Data Factory, toplu işlemlere yönelik işlem hattının düzenlenmesi, zamanlanması ve izlenmesini yürütür.

Power BI

Power BI, Stream Analytics’ten gelen gerçek zamanlı montaj hattı verilerini, Veri Ambarı’ndan gelen tahmin edilen arızaları ve uyarıları görselleştirir.

İlgili çözüm mimarileri

Data Factory: Move data, orchestrate, schedule and monitor SQL Data Warehouse Machine Learning Machine Learning Power BI Event Hub Stream Analytics HDInsight Geography Data(Blob Storage) Vehicle Catalogue Diagnotic Events (Simulated)

Araç telematikleriyle tahmine dayalı öngörüler

Araba bayileri, otomobil üreticileri ve sigorta şirketlerinin araç durumu ve sürüş alışkanlıkları ile ilgili tahmine dayalı öngörüler elde etmek için Cortana Intelligence ve Microsoft Azure’dan nasıl yararlanabileceğini öğrenin.

Daha fazla bilgi edinin