解决方案体系结构:航空工业中用于进行预测性维护的飞机引擎监视

航空旅行在现代生活中极为重要。然而,飞机引擎昂贵,且要使引擎正常运转就需要高技术人员频繁进行维护。停机会减少生产工时,导致潜在利润受损。此外,燃料占飞机运行总成本的 10% 左右,因此效率很重要。

现代飞机引擎配备有精密度极高的传感器,可跟踪引擎的运行状况。将这些传感器的数据与高级分析相结合,可实时监视飞机并预测引擎部件的剩余使用寿命,以便及时安排维护,防止出现机械故障。

该飞机运行状况监视系统可预测引擎各部件的剩余使用寿命。该系统包括数据引入、数据存储、数据处理和高级分析,这些都是构建端到端预测维护解决方案所必需的。虽然此示例是针对飞机引擎监视定制的,但该解决方案也可轻松用于其他预测维护方案。

此解决方案可减少停机时间并确保引擎高效运行,有助于飞机正常运行,将盈利最大化。

部署到 Azure

使用下列预建模板将此体系结构部署到 Azure

部署到 Azure

查看部署的解决方案

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)

实施指南

产品/说明 文档

流分析

流分析对 Azure 事件中心的输入流提供近乎实时的分析。筛选输入数据并将其传递到机器学习终结点,最后将结果发送到 Power BI 仪表板。

事件中心

事件中心引入原始装配线数据并将其传递到流分析。

Machine Learning Studio

机器学习根据流分析中的实时装配线数据预测潜在故障。

HDInsight

HDInsight 运行 Hive 脚本,聚合流分析归档的原始事件。

SQL 数据库

SQL 数据库将存储来自机器学习的预测结果并将数据发布至 Power BI。

数据工厂

数据工厂处理批处理管道的业务流程、进行安排和监视。

Power BI

Power BI 直观显示流分析中的实时装配线数据以及数据仓库中已预测到的故障和警报。

相关解决方案体系结构