L’importance d’une gestion moderne des données

Un essai de fatigue typique d’une cellule d’avion est divisé en un certain nombre de blocs de charge de fatigue. À la fin de chaque bloc de vol, l’essai est interrompu et l’échantillon est inspecté pour détecter d’éventuelles fissures. Ces inspections manuelles prennent du temps et l’intervalle de temps entre ces inspections est relativement important. Les anomalies structurelles peuvent être détectées trop tard, ce qui pourrait conduire, dans le pire des cas, à une remise à niveau des aéronefs en service. Les inspections basées sur l’état (CBI) de l’échantillon, au lieu des inspections basées sur le risque (RBI), sont une solution potentielle pour réduire la durée totale de l’essai de fatigue et pour détecter rapidement les anomalies. L’une des conséquences est qu’il faut davantage de capteurs pour surveiller le comportement du spécimen d’essai et pour détecter ou prédire les défaillances structurelles.

“Un essai de fatigue à grande échelle sur une cellule d’avion peut générer des données à des taux allant jusqu’à 10 MB/s,
totalisant des centaines de téraoctets à la fin du projet.
Le traitement et l’analyse des données constituent un goulot d’étranglement majeur”.

Gantner Instruments a développé une plateforme logicielle innovante, appelée GI.cloud, visant à traiter efficacement de grands volumes de données de mesure et à les analyser rapidement. GI.cloud combine un système de gestion de base de données de séries temporelles avec un puissant moteur de traitement de flux, offrant un certain nombre d’avantages distincts.

• Minimisez vos coûts d’investissement pour l’infrastructure informatique et de stockage dans le laboratoire de test, tout en maintenant la performance informatique nécessaire pour les tâches d’analyse des données critiques. Les données de mesure auxquelles vous avez besoin d’accéder immédiatement (données chaudes) sont disponibles dans la base de données. Les données auxquelles vous accédez moins fréquemment et qui ne sont nécessaires qu’à des fins d’audit ou de comptabilité (données froides) sont conservées dans les plateformes de traitement des flux.
• Les données de mesure brutes sont stockées en toute sécurité dans des clusters redondants et tolérants aux pannes pour une sauvegarde automatisée. L’agrégation flexible des données garantit que vos données de mesure sont enregistrées en continu dans la base de données à un faible taux d’échantillonnage. La base de données peut rejouer les mêmes données et les stocker à un taux d’échantillonnage plus élevé au cas où une analyse détaillée d’un événement inattendu ou de la défaillance d’un spécimen serait nécessaire.
• De puissantes capacités d’interrogation vous permettent d’analyser à la volée de grandes quantités de données de mesure. Le suivi des tendances pendant toute la durée de l’essai de fatigue permet d’identifier rapidement tout changement significatif de la déformation entre les conditions de charge répétitives. Les algorithmes de prédiction de la fatigue et de probabilité de fissure peuvent identifier une éventuelle perte d’intégrité structurelle au cours de l’essai et vous informer immédiatement en cas d’écart.

Contactez votre représentant local pour en savoir plus sur GI.cloud.