Konserwacja zapobiegawcza

Data Factory
Event Hubs
HDInsight
Usługa Machine Learning
Stream Analytics

Pomysły dotyczące rozwiązań

Ten artykuł jest pomysłem na rozwiązanie. Jeśli chcesz, abyśmy rozszerzyli zawartość o więcej informacji, takich jak potencjalne przypadki użycia, alternatywne usługi, zagadnienia dotyczące implementacji lub wskazówki dotyczące cen, daj nam znać, przekazując opinię w usłudze GitHub.

To rozwiązanie konserwacji predykcyjnej monitoruje samoloty i przewiduje pozostały okres eksploatacji składników silnika samolotu.

Architektura

Diagram architektury: konserwacja predykcyjna składników samolotów korzystających z usług w chmurze platformy Microsoft Azure.Pobierz plik SVG tej architektury.

Przepływ danych

  1. Dane symulacji są przesyłane strumieniowo przez nowo wdrożone zadanie internetowe platformy Azure, AeroDataGenerator. Alternatywnie może przetwarzać dane w trybie offline przez okresowe importowanie plików dziennika czujnika lub danych do rozwiązania.
  2. Te syntetyczne dane są wprowadzane do usługi Azure Event Hubs jako punktów danych.
  3. Dwa zadania usługi Azure Stream Analytics analizują dane w celu zapewnienia analizy niemal w czasie rzeczywistym na strumieniu wejściowym z centrum zdarzeń. Jedno z zadań usługi Stream Analytics zarchiwizuje wszystkie nieprzetworzone zdarzenia przychodzące do usługi Azure Storage w celu późniejszego przetworzenia przez usługę Azure Data Factory, a drugie publikuje wyniki na pulpicie nawigacyjnym usługi Power BI.
  4. Usługa HDInsight służy do uruchamiania skryptów Hive zorganizowanych przez Azure Data Factory. Skrypty udostępniają agregacje nieprzetworzonych zdarzeń, które zostały zarchiwizowane przez zadanie usługi Stream Analytics.
  5. Usługa Azure Machine Learning jest używana (zaaranżowana przez Azure Data Factory) w celu przewidywania pozostałego czasu eksploatacji określonego silnika samolotu, biorąc pod uwagę otrzymane dane wejściowe.
  6. usługa Azure SQL Database jest używana (zarządzana przez Azure Data Factory) do przechowywania wyników przewidywania otrzymanych z usługi Azure Machine Learning. Te wyniki są następnie używane na pulpicie nawigacyjnym usługi Power BI. Procedura składowana jest wdrażana w SQL Database i później wywoływana w potoku Azure Data Factory w celu przechowywania wyników przewidywania uczenia maszynowego w tabeli wyników oceniania.
  7. Azure Data Factory obsługuje aranżację, planowanie i monitorowanie potoku przetwarzania wsadowego.
  8. Na koniec usługa Power BI służy do wizualizowania wyników. Technicy samolotów mogą monitorować dane czujników z samolotu lub całej floty w czasie rzeczywistym i używać wizualizacji do planowania konserwacji silnika.

Składniki

Szczegóły scenariusza

To rozwiązanie pokazuje, jak połączyć dane w czasie rzeczywistym z czujników z zaawansowaną analizą w celu monitorowania części samolotów w czasie rzeczywistym. Przewiduje on pozostałą żywotność składników silnika samolotu.

Podróż lotnicza jest kluczowa dla współczesnego życia, jednak silniki samolotów są kosztowne i utrzymanie ich w pracy wymaga częstej konserwacji przez wysoko wykwalifikowanych techników. Nowoczesne silniki lotnicze są wyposażone w wysoce zaawansowane czujniki do śledzenia ich funkcjonowania. Dzięki danym z tych czujników w połączeniu z zaawansowaną analizą można monitorować samoloty w czasie rzeczywistym i przewidywać pozostały czas eksploatacji składnika silnika. Te przewidywania umożliwiają szybkie zaplanowanie konserwacji, aby zapobiec awariom mechanicznym.

Potencjalne przypadki użycia

Chociaż jest on dostosowany do monitorowania samolotów i przemysłu lotniczego, można go łatwo uogólnić w innych scenariuszach konserwacji predykcyjnej.

Wdrażanie tego scenariusza

Rozwiązanie z galerii sztucznej inteligencji platformy Azure to implementacja tego rozwiązania. Rozwiązanie do konserwacji predykcyjnej monitoruje samoloty i przewiduje pozostały okres eksploatacji składników silnika samolotu. Jest to kompleksowe rozwiązanie, które obejmuje pozyskiwanie danych, przechowywanie danych, przetwarzanie danych i zaawansowaną analizę — wszystko to jest niezbędne do tworzenia rozwiązania do konserwacji predykcyjnej. Źródło danych tego rozwiązania pochodzi z publicznie dostępnych danych z repozytorium danych NASA przy użyciu zestawu danych symulacji degradacji silnika Turbofan.

To rozwiązanie używa wielu usług platformy Azure (opisanych poniżej) wraz z zadaniem internetowym, które symuluje dane. Po wdrożeniu rozwiązania będziesz mieć ukończoną pracę demonstracyjną.

Następne kroki

Zobacz dokumentację produktu:

Wypróbuj kod:

Przeczytaj inne artykuły centrum architektury platformy Azure: