Gezintiyi Atla

Tahmine Dayalı Bakım

Bu Tahmine Dayalı bakım çözümü, uçakları izler ve uçak motoru bileşenlerinin kalan faydalı ömrünü tahmin eder.

Açıklama

Not: Bu çözümü zaten dağıttıysanız dağıtımınızı görüntülemek için buraya tıklayın.

Tahmini Sağlama Süresi: 20 Dakika

Genel Bakış

Bu çözüm, sensörlerden alınan gerçek zamanlı verilerin gelişmiş analiz özellikleriyle nasıl birleştirileceğini gösterir. Bu sayede uçağın parçalarını gerçek zamanlı olarak izler ve parçaların kalan faydalı ömrünü tahmin eder.

Ayrıntılar

Uçak yolculuğu, modern hayatın önemli bir parçasıdır. Ancak uçak motorları masraflıdır ve düzgün çalışır durumda tutulmaları için son derece kalifiye teknisyenlerin sık sık bakım yapması gerekir. Modern uçak motorlarının, bu makinelerin 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 tahmine dayalı bakım çözümü, uçakları izler ve uçak motoru bileşenlerinin kalan faydalı ömrünü tahmin eder. Bu sistem; veri alımı, veri depolama, veri işleme ve gelişmiş analiz özelliklerini içerir. Bunların tümü, bir 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. Bu kaynağın veri kaynağı, Turbo Fan Motor Performans Düşüşü Simülasyonu Veri Kümesi kullanılarak, NASA veri deposundaki halkın kullanımına açık verilerden oluşturulmuş veya türetilmiştir.

“Dağıt” düğmesi, belirttiğiniz Azure aboneliğindeki bir Kaynak Grubunda, çözümün bir örneğini dağıtan bir iş akışı başlatır. Çözüm, birden fazla Azure hizmetinin (aşağıda açıklanmıştır) yanı sıra, dağıtımdan hemen sonra çalışmaya başlayan bir uçtan uca denemesi elde etmeniz için veri benzetimi gerçekleştiren bir web işi içerir.

Teknik ayrıntılar ve iş akışı

  1. Bu simülasyon verileri, yeni dağıtılmış Azure Web İşi, AeroDataGenerator’dan alınır.
  2. Bu yapay veriler, Azure Olay Hub’ları hizmetini veri noktaları olarak besler.
  3. İki Azure Stream Analytics işi, verileri analiz ederek olay Hub’ındaki giriş akışında gerçek zamanlıya yakın analizler sağlar. Stream Analytics işlerinden biri, gelen tüm ham etkinlikleri, Azure Data Factory hizmeti tarafından daha sonra işlenmek üzere Azure Depolama hizmetine arşivler ve diğer iş ise sonuçları bir Power BI panosuna yayımlar.
  4. HDInsight hizmeti, bahsi geçen Stream Analytics işi tarafından arşivlenen ham etkinliklerde toplamalar sağlamak üzere Hive betiklerini çalıştırmak için kullanılır (Azure Data Factory tarafından düzenlenir).
  5. Azure Machine Learning hizmeti (Azure Data Factory tarafından düzenlenir), belirli uçak motorunun kalan faydalı ömrü hakkında, alınan girdilere göre tahminlerde bulunmak için kullanılır.
  6. Azure Machine Learning hizmetinden alınan tahmin sonuçlarını depolamak için Azure SQL Veritabanı kullanılır (Azure Data Factory tarafından yönetilir). Bu sonuçlar daha sonra Power BI panosunda kullanılır. Saklı yordam, ML tahmin sonuçlarını puanlama sonuç tablosuna depolamak için SQL Veritabanı’nda dağıtılır ve sonra Azure Data Factory işlem hattında çağrılır.
  7. Azure Data Factory, toplu işlemlere yönelik işlem hattının düzenlenmesi, zamanlanması ve izlenmesini yürütür.
  8. Son olarak, sonuçların görselleştirilmesi için Power BI kullanılır. Böylece uçak teknisyenleri, sensör verilerini bir uçaktan veya filo boyunca gerçek zamanlı olarak izleyebilir ve motor bakımını zamanlamak için görselleştirmeleri kullanabilir.

Bildirim

© 2017 Microsoft Corporation. Tüm hakları saklıdır. Buradaki bilgiler “olduğu gibi” sağlanmıştır ve bildirim yapılmaksızın değiştirilebilir. Microsoft, işbu bilgilerle ilgili açık veya zımni herhangi bir garanti vermez. Çözüm oluşturulurken üçüncü taraf verileri kullanılmıştır. Benzer veri kümeleri oluşturmak için ilgili lisansları edinmek ve bunlara uymak dahil olmak üzere başkalarının haklarına saygılı olma sorumluluğu sizindir.

İlgili çözüm mimarileri

Gerçek Zamanlı Veri Akışlarında Anomali Algılama

Cortana Intelligence IT Anomaly Insights çözümü, büyük kuruluşlardaki BT birimlerinin BT altyapısından (CPU, Bellek, vb.), hizmetlerden (Zaman Aşımları, SLA farklılıkları, kısmi kesintiler, vb.) ve diğer ana performans göstergelerinden (KPI) (Birikmiş siparişler, Oturum Açma ve Ödeme hataları vb.) otomatik ve ölçeklenebilir bir biçimde toplanan temel durum ölçümlerinden yola çıkarak sorunları hızla algılamasına ve gidermesine yardımcı olur. Bu çözüm için ayrıca çözüm tarafından sunulan değerin anlaşılabilmesi için özelleştirilmiş verilerle denenebilecek kolay bir ‘Şimdi Deneyin’ deneyimi sunulmaktadır. 'Dağıt' deneyimi, uçtan uca çözüm bileşenlerini Azure aboneliğinize dağıtıp gerekli özelleştirmeler için tam denetim sağlayarak çözümü hızlıca Azure’da kullanmaya başlamanıza imkan tanır.