Konserwacja zapobiegawcza

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

Pomysł na rozwiązanie

Jeśli chcesz, abyśmy rozszerzyli ten artykuł o więcej informacji, takich jak potencjalne przypadki użycia, alternatywne usługi, zagadnienia dotyczące implementacji lub wskazówki dotyczące cen, daj nam znać, GitHub opinie!

To rozwiązanie do konserwacji predykcyjnej monitoruje samoloty i przewiduje pozostały czas eksploatacji składników silnika samolotu. Jest on dostosowany do monitorowania samolotów, ale można go łatwo uogólnić w innych scenariuszach konserwacji predykcyjnej.

Architektura

Diagram architektury: konserwacja predykcyjna składników samolotów przy Microsoft Azure usług w chmurze. Pobierz format SVG tej architektury.

Omówienie rozwiązania do konserwacji predykcyjnej dla składników silników samolotów

To rozwiązanie pokazuje, jak połączyć dane z czujników w czasie rzeczywistym z zaawansowaną analizą w celu monitorowania części samolotów w czasie rzeczywistym. Przewiduje on pozostały czas eksploatacji składników silników samolotów.

Podróże w powietrzu są centralnym elementem nowoczesnego życia, jednak silnik samolotów jest kosztowny, a ich utrzymanie i działanie wymaga częstej konserwacji przez wykwalifikowanych techników. Nowoczesne silniki samolotów są wyposażone w wysoce zaawansowane czujniki do śledzenia ich działania. Dzięki połączeniu danych z tych czujników z zaawansowanymi analizami można zarówno monitorować samolot w czasie rzeczywistym, jak i przewidywać pozostały czas eksploatacji silnika. Te przewidywania umożliwiają szybkie zaplanowanie konserwacji, aby zapobiec awariom mechanicznym.

Rozwiązanie Azure AI Gallery to implementacja tego pomysłu. Rozwiązanie do konserwacji predykcyjnej monitoruje samoloty i przewiduje pozostały czas eksploatacji składników silnika samolotu. Jest to end-to-end rozwiązanie, które obejmuje pozyskiwanie danych, magazyn danych, przetwarzanie danych i zaawansowaną analizę — wszystko to jest niezbędne do tworzenia rozwiązania konserwacji predykcyjnej. Źródło danych tego rozwiązania pochodzi z publicznie dostępnych danych z repozytorium danych NASA przy użyciu zestawu danych symulacji pogorszenia wydajności silnika Turbofan.

To rozwiązanie korzysta z wielu usług platformy Azure (opisanych poniżej) wraz z zadaniem internetowym, które symuluje dane. Po wdrożeniu rozwiązania będziesz mieć pełną pokaz pracy.

Szczegóły techniczne i przepływ pracy

  1. Dane symulacji są przesyłane strumieniowo przez nowo wdrożone zadanie web job platformy Azure ODATAGenerator.
  2. Te syntetyczne dane są Azure Event Hubs jako punkty danych.
  3. Dwa Azure Stream Analytics analizują dane, aby zapewnić analizę strumienia wejściowego ze strumienia wejściowego z centrum zdarzeń niemal w czasie rzeczywistym. Jedno z zadań Stream Analytics archiwizuje wszystkie nieprzetworzone zdarzenia przychodzące do usługi Azure Storage w celu późniejszego przetwarzania przez usługę Azure Data Factory, a drugie publikuje wyniki na pulpicie nawigacyjnym Power BI nawigacyjnym.
  4. Usługa HDInsight służy do uruchamiania skryptów Hive orkiestrowanych przez Azure Data Factory. Skrypty zapewniają agregacje nieprzetworzonych zdarzeń, które zostały zarchiwizowane przez Stream Analytics zadania.
  5. Azure Machine Learning jest używana (aranżowana przez Azure Data Factory) do przewidywania pozostałego czasu eksploatacji konkretnego silnika samolotu na podstawie odebranych danych wejściowych.
  6. Azure SQL Database jest używana (zarządzana przez Azure Data Factory) do przechowywania wyników przewidywania otrzymanych z Azure Machine Learning. Te wyniki są następnie używane na pulpicie nawigacyjnym Power BI nawigacyjnym. Procedura składowana jest wdrażana w potoku SQL Database a następnie wywoływana w potoku Azure Data Factory w celu przechowywania wyników ML w tabeli wyników oceniania.
  7. Azure Data Factory obsługuje orkiestrowanie, planowanie i monitorowanie potoku przetwarzania wsadowego.
  8. Na koniec Power BI służy do wizualizowania wyników. Inżynierowie samolotów mogą monitorować dane czujników z samolotu lub floty w czasie rzeczywistym i używać wizualizacji do planowania konserwacji silnika.

Składniki

Następne kroki

Przeczytaj inne Centrum architektury platformy Azure artykułów:

Zobacz dokumentację produktu:

Wypróbuj kod: