Прогнозный мониторинг авиационного двигателя

Фабрика данных
Центры событий
HDInsight
Машинное обучение
Stream Analytics

Идеи, связанные с решением

Эта статья является идеей решения. Если вы хотите расширить содержимое с дополнительными сведениями, такими как потенциальные варианты использования, альтернативные службы, рекомендации по реализации или рекомендации по ценам, сообщите нам об этом, предоставив отзыв GitHub.

Решение прогнозного обслуживания Microsoft Azure демонстрирует, как объединить данные самолета в режиме реального времени с аналитикой для мониторинга работоспособности самолетов.

Это решение создается с помощью Azure Stream Analytics, Центров событий, Машинного обучения Azure, HDInsight, Azure SQL базы данных, фабрики данных и Power BI. Эти службы работают в исправленной и поддерживаемой высокодоступной среде. Благодаря этому вы можете сосредоточиться на своем решении, а не на среде, в которой оно выполняется.

Архитектура

Схема архитектуры: мониторинг двигателя самолета для прогнозного обслуживания самолетов с помощью Azure.Скачайте SVG этой архитектуры.

Компоненты

  • Azure Stream Analytics обеспечивает аналитику входного потока практически в режиме реального времени из Центры событий Azure. Входные данные фильтруются и передаются в конечную точку машинного обучения, наконец, отправляя результаты на панель мониторинга Power BI.
  • Центры событий принимает необработанные данные строки сборки и передает их в Stream Analytics.
  • Машинное обучение Azure прогнозирует потенциальные сбои на основе данных строки сборки в реальном времени из Stream Analytics.
  • HDInsight запускает скрипты Hive для предоставления агрегатов необработанных событий, архивированных Stream Analytics.
  • Azure SQL База данных хранит результаты прогнозирования, полученные от машинного обучения, и публикует данные в Power BI.
  • Фабрика данных обрабатывает оркестрацию, планирование и мониторинг конвейера пакетной обработки.
  • Power BI позволяет визуализировать данные строки сборки в режиме реального времени из Stream Analytics, а также прогнозируемые сбои и оповещения из Data Warehouse.

Сведения о сценарии

Потенциальные варианты использования

С правильной информацией можно определить состояние оборудования, чтобы предсказать, когда следует выполнять техническое обслуживание. Прогнозное обслуживание можно использовать для следующих элементов:

  • Диагностика в режиме реального времени.
  • Помощь в режиме реального времени.
  • Prognostics.
  • Снижение затрат.

Дальнейшие действия

См. документацию по продукту:

Ознакомьтесь с другими статьями центра архитектуры Azure о прогнозном обслуживании и прогнозировании с помощью машинного обучения: