預測性維護

此預測性維護解決方案可監視飛機,並預測飛機引擎零件的剩餘使用年限。

說明

注意:若您已部署了此解決方案,按一下這裡即可檢視部署。

預估佈建時間:20 分鐘

概觀

此解決方案示範如何結合感應器的即時資料與進階分析,以即時監視飛機零件,同時預測零件的剩餘使用年限。

詳細資料

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。新式飛機引擎配備高度精密的感應器,以追蹤這些機器的運作狀況。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。此預測性維護解決方案可監視飛機,並預測飛機引擎零件的剩餘使用年限。這是端對端解決方案,其中包括資料內嵌、資料儲存、資料處理和進階分析,對於建置預測性維護解決方案都很必要。雖然此解決方案已自訂用於監視飛機,但可輕鬆地加以一般化,以用於其他預測性維護案例。此解決方案的資料來源包括或衍生自 NASA 資料存放庫中使用渦輪風扇引擎退化模擬資料集 (Turbofan Engine Degradation Simulation Data Set) 的公開可用資料。

[部署] 按鈕會啟動工作流程,在您指定的 Azure 訂用帳戶資源群組中,部署解決方案的執行個體。解決方案包含多個 Azure 服務 (如下所述) 以及模擬資料的 Web 工作,使您在部署後即擁有端點對端點運作的示範。

技術詳細資料及工作流程

  1. 此模擬資料由新部署的 Azure Web 工作 AeroDataGenerator 進行串流。
  2. 此綜合資料會送入 Azure 事件中樞服務作為資料點。
  3. 兩項 Azure 串流分析工作會分析資料,為來自事件中樞的輸入資料流提供近乎即時的分析。其中一項串流分析工作會將所有原始連入事件封存到 Azure 儲存體服務,以供 Azure Data Factory 服務稍後處理;另一項工作則會將結果發行至 Power BI 儀表板。
  4. HDInsight 服務會用於執行 Hive 指令碼 (由 Azure Data Factory 協調),以提供前述串流分析工作所封存之原始事件的彙總。
  5. Azure Machine Learning 服務 (由 Azure Data Factory 協調) 會用於根據接收的輸入,來預測特定飛機引擎的剩餘使用年限 (Remaining Useful Life,RUL)。
  6. Azure SQL Database (由 Azure Data Factory 管理) 會用於儲存接收自 Azure Machine Learning 服務的預測結果。Power BI 儀表板中隨後會取用這些結果。預存程序會部署至 SQL Database,並在稍後由 Azure Data Factory 管線叫用,以將 ML 預測結果儲存至評分結果資料表中。
  7. Azure Data Factory 會處理批次處理管線的協調流程、排程和監視。
  8. 最後會使用 Power BI 將結果視覺化,讓飛機技術人員能夠即時監視飛機或不同航班的感應器資料,並使用視覺效果來排程引擎維護。

免責聲明

© 2017 Microsoft Corporation.著作權所有,並保留一切權利。這項資訊依照「現況」提供,且可能變更而不另行通知。Microsoft 對於此處提供的資訊不提供任何明示或默示的擔保。產生此解決方案的過程中使用了協力廠商的資料。您必須尊重他人的權利,包括取得及遵從相關授權以建立相似的資料集。

相關解決方案架構

即時資料流中的異常偵測

Cortana Intelligence IT 異常深入解析解決方案可協助大型組織的 IT 部門根據基礎健康狀態計量,以自動化且可調整規模的方式快速偵測並修正問題,這些計量包括 IT基礎結構 (CPU、記憶體等)、服務 (逾時、SLA 變化、限制用電等),以及其他關鍵效能指標 (KPI) (未完成訂單、登入和付款失敗等)。此解決方案也提供簡單的「立即試用」體驗,可嘗試使用自訂資料來實現解決方案所提供的價值。「部署」體驗將端對端解決方案元件部署到您的 Azure 訂用帳戶,並視需要提供完整的自訂控制權,讓您快速在 Azure 上開始使用解決方案。