Monitoraggio predittivo dei motori di aerei

Data Factory
Hub eventi
HDInsight
Machine Learning
Analisi di flusso

Idea della soluzione

Se si desidera vedere questo articolo con altre informazioni, ad esempio potenziali casi d'uso, servizi alternativi, considerazioni sull'implementazione o linee guida sui prezzi, inviare un feedback GitHub!

Microsoft Azure soluzione di manutenzione predittiva di Microsoft Azure illustra come combinare i dati degli aerei in tempo reale con l'analisi per monitorare l'integrità degli aerei.

Questa soluzione è compilata con Analisi di flusso di Azure, Hubeventi , Azure Machine Learning, HDInsight, database SQL di Azure, Data Factorye Power BI. Questi servizi vengono eseguiti in un ambiente a disponibilità elevata, con patch e supportati, consentendo di concentrarsi sulla soluzione anziché sull'ambiente in cui vengono eseguiti.

Architettura

Diagramma dell'architettura: monitoraggio del motore di un aereo per la manutenzione predittiva degli aerei con Azure.Scaricare una versione SVG di questa architettura.

Componenti

  • Analisi di flusso di Azure fornisce near real-time analisi sul flusso di input dall'hub eventi di Azure. I dati di input vengono filtrati e passati a un endpoint Machine Learning, inviando infine i risultati al dashboard Power BI dati.
  • Hub eventi inserisce dati non elaborati della riga di assembly e li passa ad Analisi di flusso.
  • Azure Machine Learning stima i potenziali errori in base ai dati della linea di assemblaggio in tempo reale di Analisi di flusso.
  • HDInsight esegue script Hive per fornire aggregazioni sugli eventi non elaborati archiviati da Analisi di flusso.
  • database SQL di Azure archivia i risultati della stima ricevuti Machine Learning e pubblica i dati in Power BI.
  • Data Factory gestisce l'orchestrazione, la pianificazione e il monitoraggio della pipeline di elaborazione batch.
  • Power BI consente la visualizzazione dei dati della linea di assemblaggio in tempo reale da Analisi di flusso e degli errori e degli avvisi stimati Data Warehouse.

Passaggi successivi

Vedere la documentazione del prodotto:

Leggere altri articoli Centro architetture di Azure sulla manutenzione predittiva e sulla stima con Machine Learning: