Manutenção preditiva

Data Factory
Hubs de Eventos
HDInsight
Machine Learning
Base de Dados SQL
Armazenamento
Stream Analytics
Power BI

Ideia de solução

Se quiser ver-nos expandir este artigo com mais informações, detalhes de implementação, orientação de preços ou exemplos de código, informe-nos com o Feedback do GitHub!

Esta solução de manutenção preditiva monitoriza as aeronaves e prevê a vida útil restante dos componentes do motor dos aviões. Embora seja personalizado para monitorização de aeronaves, pode ser facilmente generalizado para outros cenários de manutenção preditiva.

Arquitetura

Diagrama de arquitetura: manutenção preditiva para componentes de aeronaves utilizando serviços Microsoft Azure na nuvem. Faça o download de um SVG desta arquitetura.

Visão geral de uma solução de manutenção preditiva para componentes do motor de aeronaves

Esta solução demonstra como combinar dados em tempo real de sensores com análises avançadas para monitorizar as peças das aeronaves em tempo real. Prevê a vida útil restante dos componentes do motor dos aviões.

As viagens aéreas são centrais para a vida moderna, no entanto, os motores dos aviões são caros e mantê-los a funcionar requer manutenção frequente por técnicos altamente qualificados. Os motores modernos dos aviões estão equipados com sensores altamente sofisticados para acompanhar o seu funcionamento. Com dados destes sensores combinados com análises avançadas, é possível monitorizar a aeronave em tempo real, e prever a vida útil restante de um componente do motor. Estas previsões permitem que a manutenção seja programada rapidamente para evitar falhas mecânicas.

A Azure AI Gallery Solution é uma implementação desta ideia de solução. A solução de manutenção preditiva monitoriza as aeronaves e prevê a vida útil restante dos componentes do motor dos aviões. É uma solução de ponta a ponta que inclui ingestão de dados, armazenamento de dados, processamento de dados e análise avançada - tudo essencial para a construção de uma solução de manutenção preditiva. A fonte de dados desta solução é derivada de dados disponíveis publicamente do repositório de dados da NASA utilizando o Conjunto de Dados de Simulação de Degradação do Motor Turbofan.

Esta solução utiliza vários serviços Azure (descritos abaixo) juntamente com um trabalho web que simula dados. Após a implementação da solução, terá uma demonstração completa de trabalho.

Detalhes técnicos e fluxo de trabalho

  1. Os dados de simulação são transmitidos por um Azure Web Job recém-implantado, AeroDataGenerator.
  2. Estes dados sintéticos alimentam-se no serviço Azure Event Hubs como pontos de dados.
  3. Dois trabalhos do Azure Stream Analytics analisam os dados para fornecer análises quase em tempo real no fluxo de entrada do centro do evento. Um dos trabalhos do Stream Analytics arquiva todos os eventos brutos de entrada no serviço Azure Armazenamento para posterior processamento pelo serviço Azure Data Factory, e o outro publica resultados num dashboard Power BI.
  4. O serviço HDInsight é utilizado para executar scripts de Hive orquestrados pela Azure Data Factory. Os scripts fornecem agregações sobre os eventos crus que foram arquivados pelo trabalho stream Analytics.
  5. Azure Machine Learning é usado (orquestrado pela Azure Data Factory) para fazer previsões sobre a vida útil restante (RUL) de determinado motor de aeronaves, dadas as entradas recebidas.
  6. Base de Dados SQL do Azure é usado (gerido pela Azure Data Factory) para armazenar os resultados de previsão recebidos de Azure Machine Learning. Estes resultados são então consumidos no painel de instrumentos Power BI. Um procedimento armazenado é implementado no Base de Dados SQL e posteriormente invocado no gasoduto Azure Data Factory para armazenar os resultados de previsão ML na tabela de resultados de pontuação.
  7. A Azure Data Factory trata da orquestração, agendamento e monitorização do gasoduto de processamento de lotes.
  8. Finalmente, Power BI é usado para visualizar resultados. Os técnicos de aeronaves podem monitorizar os dados dos sensores a partir de um avião ou através da frota em tempo real e usar visualizações para agendar a manutenção do motor.

Componentes

Passos seguintes

Leia outros artigos do Azure Architecture Center:

Consulte a documentação do produto:

Experimente o código: