Mantenimiento predictivo

Data Factory
Event Hubs
HDInsight
Machine Learning
SQL Database
Storage
Stream Analytics
Power BI

Idea de solución

Si le gustaría que expandamos este artículo con más información, como posibles casos de uso, servicios alternativos, consideraciones de implementación o una guía de precios, comuníquese a través de los Comentarios de GitHub.

Esta solución de mantenimiento predictivo supervisa los aviones y predice la vida útil restante de los componentes del motor de las aeronaves. Si bien se adapta a la supervisión de los aviones, puede generalizarse fácilmente para otros escenarios de mantenimiento predictivo.

Architecture

Diagrama de arquitectura: mantenimiento predictivo para componentes de avión mediante servicios en la nube de Microsoft Azure. Descargue un SVG de esta arquitectura.

Información general de una solución de mantenimiento predictivo para componentes de motores de avión

Esta solución demuestra cómo combinar los datos en tiempo real de los sensores con análisis avanzados para supervisar las partes de la aeronave en tiempo real. Predice la vida útil de componentes de motores de avión.

Los viajes aéreos son fundamentales para la vida moderna, sin embargo, los motores de los aviones son caros y mantenerlos en funcionamiento requiere un mantenimiento frecuente por parte de técnicos altamente cualificados. Los motores de aviones modernos están equipados con sensores muy sofisticados para realizar el seguimiento de su funcionamiento. Con los datos de estos sensores con análisis avanzados, es posible supervisar el avión en tiempo real y predecir la vida útil restante de un componente del motor. Estas predicciones permiten programar el mantenimiento rápidamente para evitar errores mecánicos.

La solución Azure AI Gallery es una implementación de esta idea de solución. La solución de mantenimiento predictivo supervisa los aviones y predice la vida útil restante de los componentes del motor de las aeronaves. Es una solución integral que incluye la ingesta, el almacenamiento y el procesamiento de datos, así como el análisis avanzado, todo ello esencial para construir una solución de mantenimiento predictivo. El origen de datos de esta solución deriva de datos disponibles públicamente en el repositorio de datos de la NASA utilizando el conjunto de datos de la simulación de degradación del motor Turbofan.

Esta solución usa varios servicios de Azure (que se describen a continuación) junto con un trabajo web que simula datos. Después de la implementación de la solución, tendrá una demostración de trabajo completa.

Detalles técnicos y flujo de trabajo

  1. Los datos de la simulación se transmiten mediante un trabajo web de Azure recién implementado, AeroDataGenerator.
  2. Estos datos sintéticos se alimentan en el servicio Azure Event Hubs como puntos de datos.
  3. Dos trabajos de Azure Stream Analytics analizan los datos para proporcionar un análisis casi en tiempo real del flujo de entrada del centro de eventos. Uno de los trabajos de Stream Analytics archiva todos los eventos entrantes sin formato en el servicio Azure Storage para su posterior procesamiento por el servicio Azure Data Factory, y el otro publica los resultados en un panel de Power BI.
  4. El servicio HDInsight se usa para ejecutar scripts de Hive orquestados por Azure Data Factory. Los scripts de Hive proporcionan agregaciones en los eventos sin procesar que se archivaron mediante el trabajo de Stream Analytics.
  5. Azure Machine Learning se utiliza (organizado por Azure Data Factory) para realizar predicciones sobre la vida útil restante (RUL) de un motor de avión determinado dadas las entradas que recibe.
  6. Azure SQL Database se utiliza (administrado por Azure Data Factory) para almacenar los resultados de la predicción recibidos de Azure Machine Learning. Estos resultados se utilizan en el panel de Power BI. Se implementa un procedimiento almacenado en la instancia de SQL Database y posteriormente se invoca en la canalización de Azure Data Factory para almacenar los resultados de la predicción de Machine Learning en la tabla de resultados de puntuación.
  7. Azure Data Factory controla la orquestación, la programación y la supervisión de la canalización del procesamiento por lotes.
  8. Por último, Power BI se usa para la visualización de los resultados. Los técnicos de las aviones pueden supervisar los datos del sensor de un avión o de toda la flota en tiempo real y utilizar las visualizaciones para programar el mantenimiento de los motores.

Componentes

Pasos siguientes

Consulte otros artículos del Centro de arquitectura de Azure:

Consulte la documentación del producto:

Pruebe el código: