Predictive Maintenance

该预测性维护解决方案可监控飞机状况并预测飞机引擎部件的剩余使用寿命。

+ 显示更多 – 简略显示

概述

该解决方案展示了如何将传感器实时数据与高级分析相结合,从而实时监控飞机零部件,并预测零部件的剩余使用寿命。

详细信息

航空旅行是现代生活的重要部分,然而,飞机引擎昂贵,要使引擎正常运转就需要高技术人员频繁进行维护。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,可实时监视飞机状况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。该预测性维护解决方案可监控飞机状况并预测飞机引擎部件的剩余使用寿命。此端到端的解决方案包括数据引入、数据存储、数据处理和高级分析,这些都是构建预测维护解决方案所必需的。虽然该方案是针对飞机监视定制的,但也可轻松用于其他预测性维护方案。此解决方案的数据源由 NASA 数据存储库的公共可用数据组成,或通过涡轮风扇引擎劣化模拟数据集由其衍生而来。

“部署”按钮将启动一个工作流,进而在所指定的 Azure 订阅的资源组内部署一个解决方案实例。该解决方案包含多项 Azure 服务(如下所述),还有一项可模拟数据的 Web 作业,使你在部署后立即拥有工作端到端演示。

技术详细信息和工作流

  1. 模拟数据由新部署的 Azure Web 作业(即 AeroDataGenerator)流式处理而来。
  2. 此综合数据作为数据点馈入 Azure 事件中心服务。
  3. 两个 Azure 流分析作业进行数据分析,近乎实时地分析来自事件中心的输入流。其中一个流分析作业将所有原始传入事件归档到 Azure 存储服务,供 Azure 数据工厂服务稍后处理,另一流分析将结果发布到 Power BI 仪表板。
  4. HDInsight 服务可运行 Hive 脚本(由 Azure 数据工厂安排),对上述流分析作业归档的原始事件进行汇总。
  5. Azure 机器学习(由 Azure 数据工厂安排)可根据收到的输入对特定飞机引擎的剩余使用寿命 (RUL) 进行预测。
  6. Azure SQL 数据库(由 Azure 数据工厂托管)用于存储来自 Azure 机器学习的预测结果。然后这些结果将在 Power BI 仪表板中使用。SQL 数据库中部署有存储过程,稍后会在 Azure 数据工厂管道中进行调用,从而将 ML 预测结果存储到得分结果表中。
  7. Azure 数据工厂处理批处理管道的业务流程、安排和监视。
  8. 最后,Power BI 可将结果可视化,以便飞机技术人员实时监控来自飞机或舰队的传感器数据,并使用可视化来安排引擎维护。

免责声明

©2017 Microsoft Corporation。保留所有权利。此信息按“原样”提供且可能更改,恕不另行通知。Microsoft 不就此处提供的信息做任何明示和默示的担保。第三方数据用于生成解决方案。你必须尊重他人的权利,包括在创建类似数据集之前获得相关许可并遵循此等许可。

Predictive Maintenance该预测性维护解决方案可监控飞机状况并预测飞机引擎部件的剩余使用寿命。

相关解决方案体系结构

实时数据流异常检测Cortana Intelligence IT 异常见解解决方案帮助大型组织中的 IT 部门以可缩放的自动化方式,根据 IT 基础结构(CPU,内存等)、服务(超时,SLA 变体,限电等)的基础运行状况指标和其他关键性能指标 (KPI)(订单积压、登录和付款失败等)快速检测并修复问题。此解决方案还提供简单的“立即试用”体验,可使用自定义数据进行尝试,以实现解决方案提供的价值。通过“部署”体验,可将端到端解决方案组件部署到 Azure 订阅中,并根据需要对自定义进行完全控制,从而在 Azure 上快速开始使用该解决方案。

实时数据流异常检测

Cortana Intelligence IT 异常见解解决方案帮助大型组织中的 IT 部门以可缩放的自动化方式,根据 IT 基础结构(CPU,内存等)、服务(超时,SLA 变体,限电等)的基础运行状况指标和其他关键性能指标 (KPI)(订单积压、登录和付款失败等)快速检测并修复问题。此解决方案还提供简单的“立即试用”体验,可使用自定义数据进行尝试,以实现解决方案提供的价值。通过“部署”体验,可将端到端解决方案组件部署到 Azure 订阅中,并根据需要对自定义进行完全控制,从而在 Azure 上快速开始使用该解决方案。