英國製造業2024 – 進行中勞斯萊斯
Azure Databricks分析與AI葉片檢測
勞斯萊斯表示，設備利用率提高30%，每年避免約400次維修事件
問題
引擎設計、生產及機隊監控涉及大量資料與人工作業。自動化前，每月約有200萬個冷卻孔須由人工檢查。
做法
勞斯萊斯運用Azure Databricks、Unity Catalog及GPU進行引擎設計。渦輪葉片檢測工具Signature Analyzer採用機器學習與生成式AI，並以雲端分析監控引擎健康狀況。
主要數據
30%AI最佳化葉片檢測帶來的設備利用率增幅
about 400各機隊每年偵測並避免的非計畫性維修事件數
啟示
AI葉片檢測提高了設備利用率，引擎監控則有助避免非計畫性維修。微軟稱避免的成本達數百萬歐元，但未提供明細。
分類
來源
來源摘要
[1]Microsoft2025年4月1日
微軟說明勞斯萊斯在引擎設計、葉片檢測與健康監控方面運用Azure Databricks及AI的情形，並公布設備利用率與維修數據。
詳細內容請參閱原始資料。
收錄日期 2026年10月25日 · 更新日期 2026年10月25日
