編輯

預測性飛機引擎監視

Azure Data Factory
Azure 事件中樞
Azure HDInsight
Azure Machine Learning
Azure 串流分析
Azure 監視器

解決方案構想

本文是解決方案概念。 如果您想要使用詳細資訊來擴充內容，例如潛在的使用案例、替代服務、實作考慮或定價指引，請提供 GitHub 意見反應讓我們知道。

Microsoft Azure 的預測性維護解決方案示範如何結合即時飛機數據與分析來監視飛機健康情況。

此解決方案是使用 Azure 串流分析、事件中樞、Azure 機器學習、HDInsight、Azure SQL 資料庫、Data Factory 和 Power BI 所建置。 這些服務會在高可用性環境中執行、修補和支援，讓您專注於解決方案，而不是其執行的環境。

架構

架構圖：使用 Azure 進行預測性飛機維護的飛機引擎監視。

下載此架構的 Visio 檔案。

元件

  • Azure 串流分析會針對來自 Azure 事件中樞 的輸入數據流提供近乎即時的分析。 輸入資料會經過篩選並傳遞至機器學習服務端點，最後再將結果傳送至 Power BI 儀表板。
  • 事件中 樞會擷取原始的元件行數據，並將其傳遞至串流分析。
  • Azure 機器學習 會根據串流分析的即時元件行數據預測潛在的失敗。
  • HDInsight 會執行Hive腳本，以提供串流分析所封存之原始事件的匯總。
  • Azure SQL 資料庫 會儲存從 機器學習 收到的預測結果，並將數據發佈至 Power BI。
  • Data Factory 會處理批處理管線的協調流程、排程和監視。
  • Power BI 可讓您可視化串流分析中的即時元件線數據，以及來自數據倉儲的預測失敗和警示。

案例詳細資料

潛在的使用案例

此解決方案適用於飛機和航空航天產業。

使用正確的資訊，可以判斷設備的狀況，以預測何時應執行維護。 預測性維護可用於下列專案：

  • 實時診斷。
  • 即時飛行協助。
  • 預測。
  • 降低成本。

下一步

請參閱產品檔案：

閱讀其他 Azure 架構中心文章，以瞭解使用機器學習進行預測性維護和預測：