编辑

通过

你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。

预测性航空发动机监视

Azure 数据工厂
Azure 事件中心
Azure HDInsight
Azure 机器学习
Azure 流分析
Azure Monitor

解决方案构想

本文介绍了一种解决方案构想。 云架构师可以通过本指南来帮助可视化此体系结构的典型实现的主要组件。 以本文为起点，设计一个符合工作负荷特定要求的架构合理的解决方案。

Microsoft Azure 的预测性维护解决方案演示了如何将实时飞机数据与分析结合起来监视飞机运行状况。

此解决方案使用 Azure 流分析、事件中心、Azure 机器学习、HDInsight、Azure SQL 数据库、数据工厂和 Power BI。 这些服务在高可用性环境中运行，经过修补和支持改进，让你可专注于解决方案而不是其运行环境。

体系结构

体系结构图：使用 Azure 进行预测性飞机维护的飞机发动机监控。

下载此体系结构的 Visio 文件。

组件

  • Azure 流分析对来自 Azure 事件中心的输入流提供近乎实时的分析。 输入数据经过筛选并传递到机器学习端点，最后将结果发送到 Power BI 仪表板。
  • 事件中心引入原始装配线数据并将其传递到流分析。
  • Azure 机器学习根据流分析中的实时装配线数据预测潜在故障。
  • HDInsight 运行 Hive 脚本以提供对流分析存档的原始事件的聚合。
  • Azure SQL 数据库存储从机器学习接收的预测结果并将数据发布到 Power BI。
  • 数据工厂处理批处理管道的编排、调度和监视。
  • 使用 Power BI，可将流分析中的实时装配线数据以及来自 Data Warehouse 的预测故障和警报可视化。

方案详细信息

可能的用例

此解决方案是飞机和航空航天工业的理想选择。

有了正确的信息，就可以确定设备的状况，从而预测何时应该进行维护。 预测性维护可用于以下项目：

  • 实时诊断。
  • 实时航班协助。
  • 预测。
  • 降低成本。

后续步骤

请参阅产品文档：

阅读有关使用机器学习进行预测性维护和预测的其他 Azure 体系结构中心文章：