您现在访问的是微软AZURE全球版技术文档网站,若需要访问由世纪互联运营的MICROSOFT AZURE中国区技术文档网站,请访问 https://docs.azure.cn.

预见性维护

数据工厂
事件中心
HDInsight
机器学习
SQL 数据库
存储
流分析
Power BI

解决方案理念

如果想了解详细信息(例如潜在用例、替代服务、实现注意事项或定价指南)来扩展本文,请通过反馈GitHub告知我们!

此预测性维护解决方案监视飞机并预测飞机引擎组件的剩余使用寿命。 虽然它针对飞机监视进行自定义,但可以轻松地针对其他预测性维护方案进行通用化。

体系结构

体系结构图:使用云服务对飞机Microsoft Azure维护。 下载此体系结构的 SVG。

飞机引擎组件的预测性维护解决方案概述

此解决方案演示如何将传感器中的实时数据与高级分析相结合,以实时监视飞机部件。 它预测飞机引擎组件的剩余使用寿命。

飞机行程是现代生活的核心,但是,飞机引擎成本高昂,保持其正常运行需要高技能技术人员的频繁维护。 新式飞机引擎配备高度复杂的传感器来跟踪其运行情况。 通过这些传感器的数据与高级分析相结合,可以实时监视飞机,并预测引擎组件的剩余使用寿命。 通过这些预测,可以快速计划维护以防止机械故障。

Azure AI 库 解决方案 是此解决方案理念的实现。 预测性维护解决方案监视飞机并预测飞机引擎组件的剩余使用寿命。 它是一种端到端解决方案,包括数据输入、数据存储、数据处理和高级分析 - 对于构建预测性维护解决方案至关重要。 此解决方案的数据源派生自 NASA 数据存储库中的公开可用数据,使用 Turbofan 引擎降级模拟数据集。

此解决方案使用多个 Azure 服务 (下面所述的) 以及模拟数据的 Web 作业。 部署解决方案后,你将有一个完整的工作演示。

技术详细信息和工作流

  1. 模拟数据由新部署的 Azure Web 作业(即数据代理)流式传输。
  2. 此综合数据作为数据点Azure 事件中心数据馈送到服务。
  3. 两Azure 流分析作业分析数据,以便对事件中心的输入流提供近实时分析。 其中一个流分析作业将所有原始传入事件存档到 Azure 存储 服务,供 Azure 数据工厂 服务稍后处理,另一个将结果发布到 Power BI 仪表板。
  4. HDInsight 服务用于运行由 Azure 数据工厂 协调的 Hive 脚本。 这些脚本提供流分析作业存档的原始事件的聚合。
  5. Azure 机器学习由 (协调Azure 数据工厂) ,根据收到的输入,预测特定飞机引擎 (RUL) 的剩余使用寿命。
  6. Azure SQL 数据库由 (管理Azure 数据工厂) 存储从 Azure 机器学习。 然后,这些结果在仪表板Power BI使用。 存储过程部署在 SQL 数据库 中,稍后在 Azure 数据工厂 管道中调用,ML预测结果存储到评分结果表中。
  7. Azure 数据工厂处理批处理管道的业务流程、计划和监视。
  8. 最后,Power BI用于可视化结果。 飞机技术人员可以实时监视飞机或机群中的传感器数据,并使用可视化效果来计划引擎维护。

组件

后续步骤

阅读其他Azure 体系结构中心文章:

请参阅产品文档:

试用代码: