Förutsägande övervakning av flygplansmotorer

Data Factory
Event Hubs
HDInsight
Machine Learning
Stream Analytics
Monitor

Lösningsidéer

Den här artikeln är en lösningsidé. Om du vill att vi ska utöka innehållet med mer information, till exempel potentiella användningsfall, alternativa tjänster, implementeringsöverväganden eller prisvägledning, kan du meddela oss genom att ge GitHub feedback.

Microsoft Azures lösning för förutsägande underhåll visar hur du kombinerar flygplansdata i realtid med analyser för att övervaka flygplanshälsan.

Den här lösningen har skapats med Azure Stream Analytics, Event Hubs, Azure Machine Learning, HDInsight, Azure SQL Database, Data Factory och Power BI. Dessa tjänster körs i en miljö med hög tillgänglighet, som är korrigerad och stöds, så att du kan fokusera på din lösning i stället för den miljö som de körs i.

Arkitektur

Arkitekturdiagram: Övervakning av flygplansmotor för förutsägande underhåll av flygplan med Azure.

Ladda ned en Visio-fil med den här arkitekturen.

Komponenter

  • Azure Stream Analytics tillhandahåller analys i nästan realtid på indataströmmen från Azure Event Hubs. Indata filtreras och skickas till en Machine Learning-slutpunkt och skickar slutligen resultaten till Power BI-instrumentpanelen.
  • Event Hubs matar in råa sammansättningsradsdata och skickar dem vidare till Stream Analytics.
  • Azure Machine Learning förutsäger potentiella fel baserat på sammansättningsradsdata i realtid från Stream Analytics.
  • HDInsight kör Hive-skript för att tillhandahålla aggregeringar för de råhändelser som arkiverades av Stream Analytics.
  • Azure SQL Database lagrar förutsägelseresultat från Machine Learning och publicerar data till Power BI.
  • Data Factory hanterar orkestrering, schemaläggning och övervakning av batchbearbetningspipelinen.
  • Power BI möjliggör visualisering av sammansättningsradsdata i realtid från Stream Analytics och förutsagda fel och aviseringar från Data Warehouse.

Scenarioinformation

Potentiella användningsfall

Den här lösningen är idealisk för flygplans- och flygindustrin.

Med rätt information är det möjligt att fastställa utrustningens skick för att förutsäga när underhåll ska utföras. Förutsägande underhåll kan användas för följande objekt:

  • Realtidsdiagnostik.
  • Flyghjälp i realtid.
  • Prognostik.
  • Kostnadsminskning.

Nästa steg

Se produktdokumentationen:

Läs andra artiklar i Azure Architecture Center om förutsägande underhåll och förutsägelse med maskininlärning: