解決方案構想
本文說明解決方案概念。 您的雲端架構設計人員可以使用本指南,協助可視化此架構的一般實作的主要元件。 使用本文作為起點,設計符合您工作負載特定需求的架構良好解決方案。
Microsoft Azure 的預測性維護解決方案示範如何將即時飛機數據與分析結合,以監視飛機健康情況。
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
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:
相關資源
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: