Bewerken

Voorspellende bewaking van vliegtuigmotoren

Azure Data Factory
Azure Event Hubs
Azure HDInsight
Azure Machine Learning
Azure Stream Analytics
Azure Monitor

Oplossingsideeën

Dit artikel is een oplossingsidee. Als u wilt dat we de inhoud uitbreiden met meer informatie, zoals mogelijke use cases, alternatieve services, implementatieoverwegingen of prijsrichtlijnen, laat het ons dan weten door GitHub-feedback te geven.

De oplossing voor predictief onderhoud van Microsoft Azure laat zien hoe u realtime vliegtuiggegevens met analyses kunt combineren om vliegtuigstatussen te controleren.

Deze oplossing is gebouwd met Azure Stream Analytics, Event Hubs, Azure Machine Learning, HDInsight, Azure SQL Database, Data Factory en Power BI. De services worden in een omgeving met hoge beschikbaarheid uitgevoerd, gepatcht en ondersteund zodat u zich op de oplossing kunt concentreren en u niet hoeft bezig te houden met de omgeving waarin de services worden uitgevoerd.

Architectuur

Architectuurdiagram: bewaking van vliegtuigmotor voor voorspellend vliegtuigonderhoud met Azure.

Een Visio-bestand van deze architectuur downloaden.

Onderdelen

  • Azure Stream Analytics biedt bijna realtime analyses voor de invoerstroom van Azure Event Hubs. Invoergegevens worden gefilterd en doorgegeven aan een Machine Learning-eindpunt, waarna de resultaten worden verzonden naar het Power BI-dashboard.
  • Event Hubs neemt onbewerkte assemblylijngegevens op en geeft deze door aan Stream Analytics.
  • Azure Machine Learning voorspelt mogelijke fouten op basis van realtime assemblylijngegevens uit Stream Analytics.
  • HDInsight voert Hive-scripts uit om aggregaties te bieden voor de onbewerkte gebeurtenissen die zijn gearchiveerd door Stream Analytics.
  • Azure SQL Database slaat voorspellingsresultaten op die zijn ontvangen van Machine Learning en publiceert gegevens naar Power BI.
  • Data Factory verwerkt indeling, planning en bewaking van de pijplijn voor batchverwerking.
  • Power BI maakt visualisatie mogelijk van realtime assemblylijngegevens uit Stream Analytics en de voorspelde fouten en waarschuwingen van Data Warehouse.

Scenariodetails

Potentiële gebruikscases

Deze oplossing is ideaal voor de luchtvaart- en luchtvaartindustrie.

Met de juiste informatie is het mogelijk om de conditie van apparatuur te bepalen om te voorspellen wanneer onderhoud moet worden uitgevoerd. Voorspellend onderhoud kan worden gebruikt voor de volgende items:

  • Realtime diagnostische gegevens.
  • Realtime vluchthulp.
  • Prognostiek.
  • Kostenreductie.

Volgende stappen

Raadpleeg de productdocumentatie:

Lees andere azure Architecture Center-artikelen over voorspellend onderhoud en voorspelling met machine learning: