Flyselskab

Denne løsning er baseret på et system til forudsigende vedligeholdelse fra den virkelige verden for et større flyselskab. Dataene er hentet fra en lang række kilder, herunder IoT-datastrømme fra flymotorer, flyplaner, vejroplysninger og logge. Løsningen bruger Azure HDInsight til funktionsudvikling, Azure Machine Learning til at registrere driftsmæssige afvigelser og Azure SQL DW til at få mulighed for at udføre effektive forespørgsler på de petabyte data, der vises som resultat. Denne rapport viser også brugen af brugerdefinerede visualiseringer, der er designet til flyselskaberne.

Planlægning af vedligeholdelse i stor målestok

Driftsingeniører hos større flyselskaber, der er ansvarlige for flyene, skal hele tiden veje omkostningerne og afbrydelser i forbindelse med ad hoc-vedligeholdelse op imod risikoen og endnu større omkostninger i forbindelse med tekniske fejl.

Rapporten i denne løsning giver et overblik over flyenes status samt en oversigt over forudsigelser, der fortæller, om flyenes tekniske tilstand ændres i nær fremtid. Forudsigelserne er baseret på flere modeller for maskinel indlæring og bruger flyenes Quick Access Recorder (svarer til den sorte boks) sammen med andre datakilder. Rapporten viser et detaljeret resultat fra en af de anvendte modeller for maskinel indlæring, som forudsiger den resterende levetid for vigtige motorkomponenter.

Rapporten indeholder mange visuals og giver et overblik over flyplaner og placeringer for at hjælpe med at beslutte, hvor et fly skal serviceres, og hvilket andet fly der er bedst placeret til at træde i stedet. Rapporten inkluderer også et Sankey-diagram, der rationaliserer flyenes forskellige KPI-vægtninger baseret på typerne af skrog og et imponerende 3D-varmekort formet som en jetmotor. Disse visuals giver indsigt på en måde, der er intuitiv for dem, der arbejder i flybranchen.

Har din organisation brug for en skræddersyet BI-løsning?

Se vores partnerløsninger for at se, hvordan vores partnere løser problemer og opnår øget effektivitet med Power BI.