Voorspellend onderhoud

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

Oplossingsidee

Als u wilt dat we dit artikel uitbreiden met meer informatie, zoals mogelijke use cases, alternatieve services, implementatieoverwegingen of prijsinformatie, laat het ons dan weten met GitHub Feedback!

Deze oplossing voor voorspeld onderhoud bewaakt vliegtuigen en voorspelt de resterende levensduur van onderdelen van vliegtuigmotoren. Hoewel het is aangepast voor de bewaking van vliegtuigen, kan het eenvoudig worden ge generaliseerd voor andere scenario's voor voorspellend onderhoud.

Architectuur

Architectuurdiagram: voorspellend onderhoud voor vliegtuigonderdelen met behulp van Microsoft Azure cloudservices. Download een SVG van deze architectuur.

Overzicht van een oplossing voor voorspeld onderhoud voor onderdelen van vliegtuigmotoren

Deze oplossing laat zien hoe u realtime gegevens van sensoren combineert met geavanceerde analyses om vliegtuigonderdelen in realtime te bewaken. Het voorspelt de resterende levensduur van onderdelen van vliegtuigmotoren.

Reizen door de lucht staat centraal in het moderne leven, maar vliegtuigmotoren zijn duur en om ze actief te houden, is regelmatig onderhoud door zeer ervaren technici vereist. Moderne vliegtuigmotoren zijn uitgerust met zeer geavanceerde sensoren om hun werking bij te houden. Met gegevens van deze sensoren in combinatie met geavanceerde analyses is het mogelijk om het vliegtuig in realtime te bewaken en de resterende levensduur van een motoronderdeel te voorspellen. Met deze voorspellingen kan onderhoud snel worden gepland om mechanische fouten te voorkomen.

De Azure AI Gallery Solution is een implementatie van dit oplossingsidee. De oplossing voor voorspeld onderhoud bewaakt vliegtuigen en voorspelt de resterende levensduur van onderdelen van vliegtuigmotoren. Het is een end-to-end oplossing met gegevensingestie, gegevensopslag, gegevensverwerking en geavanceerde analyses, die allemaal essentieel zijn voor het bouwen van een oplossing voor predictief onderhoud. De gegevensbron van deze oplossing is afgeleid van openbaar beschikbare gegevens uit de NASA-gegevensopslagplaats met behulp van de Turbofan Engine Degradation Simulation Data Set.

Deze oplossing maakt gebruik van meerdere Azure-services (hieronder beschreven) samen met een web-taak die gegevens simuleert. Na de implementatie van de oplossing hebt u een volledig werkende demo.

Technische details en werkstroom

  1. De simulatiegegevens worden gestreamd door een nieuw geïmplementeerde Azure-web job, AeroDataGenerator.
  2. Deze synthetische gegevens worden als gegevenspunten Azure Event Hubs de service.
  3. Met Azure Stream Analytics taken worden de gegevens geanalyseerd om bijna realtime analyses te bieden voor de invoerstroom van de Event Hub. Een van de Stream Analytics-taken archiveren alle onbewerkte binnenkomende gebeurtenissen naar de Azure Storage-service voor latere verwerking door de Azure Data Factory-service en de andere publiceert resultaten op een Power BI dashboard.
  4. De HDInsight-service wordt gebruikt om Hive-scripts uit te voeren die zijn Azure Data Factory. De scripts bieden aggregaties voor de onbewerkte gebeurtenissen die zijn gearchiveerd door de Stream Analytics taak.
  5. Azure Machine Learning wordt gebruikt (door Azure Data Factory) om voorspellingen te doen over de resterende levensduur van een bepaalde vliegtuigmotor op basis van de ontvangen invoer.
  6. Azure SQL Database wordt gebruikt (beheerd door Azure Data Factory) om de voorspellingsresultaten op te slaan die van de Azure Machine Learning. Deze resultaten worden vervolgens gebruikt in het Power BI dashboard. Een opgeslagen procedure wordt geïmplementeerd in de SQL Database en later aangeroepen in de Azure Data Factory-pijplijn om de ML voorspellingsresultaten op te slaan in de scoreresultatentabel.
  7. Azure Data Factory voor het indelen, plannen en bewaken van de batchverwerkingspijplijn.
  8. Ten slotte Power BI gebruikt voor het visualiseren van resultaten. Vliegtuigtechnici kunnen de sensorgegevens van een vliegtuig of in de vloot in realtime bewaken en visualisaties gebruiken om motoronderhoud te plannen.

Onderdelen

Volgende stappen

Lees andere Azure Architecture Center artikelen:

Zie productdocumentatie:

Code uitproberen: