解決方案架構:在航太工業中進行預測性維護的飛機引擎監視

航空旅遊是現代生活不可或缺的一部分。不過,飛機引擎很昂貴,而且需要高技能技術人員經常維護以確保運作正常。停機會使實際執行時間延長,而導致您的潛在利潤減少。此外,燃料佔飛機總營運費用約 10%,因此效率很重要。

新式飛機引擎配備高度精密的感應器,可追蹤其運作狀況。透過結合這些感應器的資料與進階分析,就可以即時監視飛機,並預測引擎零件的剩餘使用年限,以便適時排程維護以防止機械故障。

此飛機狀況監控系統可預測引擎零件的剩餘使用年限。它包括資料內嵌、資料儲存、資料處理和進階分析,對於建置端對端預測性維護解決方案都很必要。雖然此範例已自訂用於監視飛機引擎,但可輕鬆地將此解決方案一般化,以用於其他預測性維護案例。

此解決方案可縮短停機時間並確保引擎有效率地運作,以協助您確保機隊正常運作以取得最大利益。

部署到 Azure

使用下列預先建置的範本,將此架構部署到 Azure

部署到 Azure

檢視已部署的解決方案

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)

實作指南

產品/描述 文件

串流分析

串流分析提供有關 Azure 事件中樞之輸入資料流的近乎即時分析。輸入資料會經過篩選並傳遞至機器學習服務端點,最後再將結果傳送至 Power BI 儀表板。

事件中樞

事件中樞會內嵌未經處理的生產線資料,並將其傳遞至串流分析。

機器學習 Studio

機器學習服務會根據串流分析中的即時生產線資料,來預測可能的失敗。

HDInsight

HDInsight 會執行 Hive 指令碼,以提供有關串流分析所封存之未經處理事件的彙總。

SQL Database

SQL Database 可儲存接收自機器學習服務的預測結果,並將資料發佈到 Power BI。

Data Factory

Data Factory 會處理批次處理管線的協調流程、排程和監視。

Power BI

Power BI 會視覺化串流分析中的即時生產線資料,以及資料倉儲中的預測失敗和警示。

相關解決方案架構