Predictive maintenance

Digital Group ของ GE Aviation เป็นผู้นำระดับโลกด้านการผลิตเครื่องยนต์สำหรับเครื่องบินและการพัฒนาซอฟต์แวร์ด้านการบิน พวกเขาผลิตผลิตภัณฑ์ที่หลากหลายตั้งแต่เครื่องยนต์เครื่องบินทหารเฉพาะทางไปจนถึงเครื่องยนต์เครื่องบินพลเรือนที่ทรงพลังที่สุดนอกเหนือจากการผลิตแล้ว GE ยังให้บริการวิเคราะห์ข้อมูลขั้นสูงแก่สายการบินต่างๆ ทั่วโลก โดยมุ่งเน้นที่การวิเคราะห์ความปลอดภัย

เช่นเดียวกับองค์กรส่วนใหญ่ GE กำลังมองหาการปรับปรุงพื้นที่ข้อมูลของตนให้ทันสมัย พวกเขาใช้ Azure Synapse Analytics เป็นส่วนหนึ่งของแพลตฟอร์มข้อมูลรุ่นต่อไปสำหรับการวิเคราะห์ความปลอดภัยระดับโลก

Business challenges and requirements

GE รวบรวมข้อมูลจำนวนมหาศาลจากเที่ยวบินทั่วโลก สำหรับแต่ละเที่ยวบิน พวกเขานำเข้าข้อมูลอนุกรมเวลาของเที่ยวบินสำหรับเที่ยวบินทั้งหมด ซึ่งรวมถึงจุดข้อมูลมากถึง 350,000 จุด ข้อมูลนี้มารวมกับข้อมูลจากที่อื่นแหล่งที่มา เช่น ประเภทเครื่องบิน แผนการบิน รันเวย์ และข้อมูลสนามบิน GE ยังนำเข้าข้อมูลจากแหล่งภายนอก เช่น ข้อมูลพยากรณ์อากาศและสภาพอากาศจริง ทั้งหมดนี้สร้างข้อมูลจำนวนมหาศาลที่ต้องนำเข้า จัดการ และแปลงสภาพพร้อมบริโภค

ในช่วง 20 ปีที่ผ่านมา GE ได้สร้างแพลตฟอร์มข้อมูลโดยใช้เทคโนโลยีภายในองค์กร พวกเขาสร้างเลเยอร์ที่เปิดใช้งานข้อมูลด้านบนของระบบประมวลผลข้อมูลการบิน ซึ่งเรียกว่า EMS EMS ถูกใช้โดยสายการบินขนาดใหญ่หลายแห่งทั่วโลกเพื่อถอดรหัสและแปลงข้อมูลการบินที่บันทึกโดยเซ็นเซอร์บนเครื่องบิน GE ได้สร้างเลเยอร์การคำนวณภายในองค์กร
เรียกว่า ระบบการประมวลผลแบบกระจาย ระบบนี้รันการวิเคราะห์เชิงพรรณนาโดยใช้ไลบรารีที่กำหนดไว้ล่วงหน้ากว่า 10,000 รายการการวิเคราะห์การบินเพื่อตรวจจับเหตุการณ์ผิดปกติในทุกช่วงของการบิน

GE ให้บริการวิเคราะห์ความปลอดภัยแก่สายการบินลูกค้า ให้การเข้าถึงเดสก์ท็อประยะไกลกับสายการบินของลูกค้าลูกค้าสามารถเข้าสู่ระบบและใช้แพลตฟอร์มการวิเคราะห์ความปลอดภัยของ GE GE ยังให้บริการสายการบินลูกค้าด้วยความสามารถในการเข้าถึงบริการวิเคราะห์ความปลอดภัยผ่าน API

GE มีแพลตฟอร์มข้อมูลขนาดใหญ่และสมบูรณ์มาก อย่างไรก็ตาม การนำเข้าข้อมูล การเคลื่อนไหว และการสำรวจไม่ใช่เรื่องง่ายงานกับแพลตฟอร์มเหมือนเดิม ความสามารถในการปรับขนาดเป็นอีกส่วนที่ GE ต้องการปรับปรุงเนื่องจากแพลตฟอร์มของพวกเขาการวิเคราะห์ถูกจำกัดโดยข้อจำกัดของโครงสร้างพื้นฐาน รูปที่ 5 แสดงสถาปัตยกรรมระดับสูงของข้อมูลของ GEแพลตฟอร์มการวิเคราะห์ pre-Azure Synapse

สถานการณ์สำคัญที่ทีมข้อมูลของ GE ต้องการสำรวจด้วย Azure Synapse Analytics คือความสามารถในการฝึกอบรมและสร้างแบบจำลองการเรียนรู้ของเครื่องบำรุงรักษาเชิงคาดการณ์เทียบกับชุดตัวอย่างบันทึกการบิน โมเดลเหล่านี้คือพัฒนาขึ้นเพื่อผลิตตัวบ่งชี้สภาพสำหรับระบบนิวแมติกส์ของเครื่องบิน

Solution review

ทีมข้อมูลของ GE เริ่มต้นด้วยการดึงส่วนสำคัญของระบบนิเวศข้อมูลผ่าน API ไปยัง Azure Synapse การวิเคราะห์ ข้อมูลถูกจัดเก็บไว้ใน Azure Data Lake Storage Gen2 ซึ่งหมายความว่าข้อมูลพร้อมใช้งานแล้ว อย่างราบรื่นใน Azure Synapse เพื่อการสำรวจและค้นพบในทันที นี่เป็นการเริ่มต้นที่ดีตั้งแต่มันถูกลบออกข้อจำกัดก่อนหน้านี้ในแพลตฟอร์มที่ทีมข้อมูลถูกผูกมัดโดยโครงร่างข้อมูลและข้อมูลโครงสร้างคลังสินค้า

วิศวกรของ GE พบว่าการนำ EMS (ข้อมูลบันทึกการบิน) เข้าสู่ Azure Synapse เป็นเรื่องง่าย พวกเขาสร้างไปป์ไลน์ใน Azure Synapse (โดยใช้ไปป์ไลน์ Azure Synapse) เพื่อโหลดข้อมูลและแปลงเป็น Parquetซึ่งถูกจัดเก็บไว้ใน Azure Data Lake Storage Gen2 ขั้นตอนต่อไปคือสคริปต์ Python ที่เขียนในโน้ตบุ๊ก Jupyter ในตัวที่ทำงานบนพูล Apache Spark แบบไร้เซิร์ฟเวอร์ใน Azure Synapse สมุดบันทึกนี้เป็นใช้เพื่อสร้างตัวบ่งชี้สภาพซึ่งเป็นจุดรวมลอยตัวที่มีความปลอดภัยและการปฏิบัติงานต่างๆมีการวัดลักษณะต่างๆ เทียบกับข้อมูลเที่ยวบินอนุกรมเวลา

จากนั้นใช้โน้ตบุ๊ก Jupyter อีกเครื่องเพื่อรันสคริปต์ Scala เพื่อโหลดตัวบ่งชี้เงื่อนไขที่เป็นผลลัพธ์ลงในพูล SQL แบบไร้เซิร์ฟเวอร์และแยกออกเป็นตารางข้อเท็จจริงหนึ่งตารางต่อตัวบ่งชี้เงื่อนไขพร้อมกับอีกสองสามรายการตารางมิติที่อธิบายเครื่องบินที่เกี่ยวข้องกับตัวบ่งชี้สภาพแต่ละอย่าง เช่น เครื่องบินกองเรือและ ID

จากนั้น Power BI ถูกนำมาใช้เพื่อแสดงภาพข้อมูลผ่านรายงานเชิงโต้ตอบ ซึ่งทำให้ง่ายขึ้นมากสำหรับนักวิเคราะห์ GE และวิศวกรเพื่อค้นหาเหตุการณ์ผิดปกติ เมื่อพบเหตุการณ์ผิดปกติ นักวิเคราะห์สามารถเจาะลึกลงไปได้ลงในจุดข้อมูลที่เกี่ยวข้องอย่างรวดเร็วและง่ายดาย ซึ่งอาจบ่งชี้ถึงความผิดพลาดของเซ็นเซอร์หรืออุปกรณ์ที่ต้องการความสนใจ. รูปที่ 6 แสดงไดอะแกรมระดับสูงสำหรับกรณีการใช้งาน Azure Synapse

Outcome

การใช้ Azure Synapse Analytics ทำให้ GE สามารถปรับขนาดการวิเคราะห์เชิงคาดการณ์ได้อย่างรวดเร็วและง่ายดาย อาซูรอไซแนปส์ทำให้พวกเขาสร้างไปป์ไลน์ที่ซับซ้อนซึ่งรวมชุดข้อมูลขนาดใหญ่จำนวนมากเข้าด้วยกันได้ง่าย ผลลัพธ์สำหรับ GE สามารถเป็นได้สรุปได้ดังนี้

• การใช้ Azure Synapse Analytics ช่วยให้สร้างเครื่องคาดการณ์ที่ซับซ้อนได้ง่ายและรวดเร็วยิ่งขึ้นโมเดลการเรียนรู้ การสร้างสิ่งที่คล้ายกันในระบบก่อนหน้านี้จะต้องมีขั้นตอนที่ซับซ้อนมากมายในหลายระบบและในหลายสภาพแวดล้อม Azure Synapse Analytics ไม่เพียงสร้างเวลาให้เร็วขึ้นเท่านั้นข้อมูลเชิงลึกแต่ยังช่วยประหยัดเวลาได้อย่างมากสำหรับทีมข้อมูล ซึ่งพวกเขาสามารถลงทุนในการแก้ปัญหาธุรกิจจริงได้ปัญหามากกว่าการหลีกเลี่ยงข้อจำกัดของเทคโนโลยี
• GE พบว่าการผสานรวมดั้งเดิมระหว่าง Power BI และ Azure Synapse นั้นมีประโยชน์อย่างมาก ตอนนี้พวกเขาสามารถสำรวจข้อมูลอย่างรวดเร็วและเมื่อพบความผิดปกติในรายงานตัวบ่งชี้สภาวะ นักวิเคราะห์ก็สามารถทำได้การวิเคราะห์แบบเจาะลึกถึงสาเหตุการพุ่งขึ้นสูงและการบำรุงรักษาเชิงแก้ไขที่จำเป็น
• GE ให้ความสำคัญกับขนาดที่ไร้ขีดจำกัดของ Azure Synapse Analytics เป็นพิเศษ เนื่องจากพวกเขาไม่จำเป็นต้องกังวลอีกต่อไปข้อจำกัดของโครงสร้างพื้นฐานหรือขีดจำกัดการปรับสเกล สิ่งนี้ช่วยปรับปรุงประสิทธิภาพและในขณะเดียวกันก็สามารถลดต้นทุนได้
• ทีมข้อมูลของ GE มีความสุขมากกับการนำ Azure Synapse มาใช้อย่างง่ายดายเนื่องจากใช้ประโยชน์จากเทคโนโลยีโอเพ่นซอร์สและใช้เครื่องมือและภาษาที่คุ้นเคย เช่น Apache Spark และ SQL

MICROSOFT INTELLIGENT DATA PLATFORM

Microsoft Intelligent Data Platform เป็นแพลตฟอร์มข้อมูลบนคลาวด์ชั้นนำที่ผสานรวมฐานข้อมูล การวิเคราะห์ และการกำกับดูแลอย่างสมบูรณ์ ในฐานะส่วนหนึ่งของแพลตฟอร์มที่รวมเป็นหนึ่งเดียว Azure Synapse Analytics นำการรวมข้อมูล คลังข้อมูลองค์กร และการวิเคราะห์ข้อมูลขนาดใหญ่ เรียนรู้วิธีที่ Azure Synapse Analytics ทำงานภายใน Microsoft Intelligent Data เพื่อมอบข้อมูลเชิงลึกและการเรียนรู้ของเครื่องในโซลูชันแบบครบวงจร