论文推荐 | 荷兰Sioux公司:基于数字孪生的预测性维护系统参考架构

文摘   2024-11-16 17:00   河北  

点击蓝字 关注我们↑↑↑

DIGITAL TWIN

如果您不希望错过文章,就加个星标吧!



本期阅读

 文章信息 

论文“Reference architecture for digital twin-based predictive maintenance systems”于2023年3月发表于Computers & Industrial Engineering期刊,这篇文章由Raymon van Dinter, Bedir Tekinerdogan, Cagatay Catal共同完成。

DOI:https://doi.org/10.1016/j.cie.2023.109099

论文链接:

https://www.sciencedirect.com/science/article/pii/S0360835223001237

引用本文:

Raymon van Dinter, Bedir Tekinerdogan, Cagatay Catal. Reference architecture for digital twin-based predictive maintenance systems,Computers & Industrial Engineering,Volume 177,2023,109099,ISSN 0360-8352, https://doi.org/10.1016/j.cie.2023.109099.



 文章阅读    


Reference architecture for digital twin-based predictive maintenance systems


Raymon van Dinter a b, Bedir Tekinerdogan b, Cagatay Catal c

a Sioux Technologies, Apeldoorn, the Netherlands

b Information Technology Group, Wageningen University & Research, Wageningen, the Netherlands

c Department of Computer Science and Engineering, Qatar University, Doha, Qatar

Abstract

Context

Digital Twin-based predictive maintenance systems are frequently integrated into complex systems. The success of the integration depends on the design of the system. A Reference Architecture can be used as a blueprint to design Application Architectures rapidly and consistently for various application domains, resulting in a reduced time-to-market.


Objective

The main objective of this study is to develop and evaluate a Reference Architecture designed using renowned software architecture methods.


Method

A domain analysis was performed to gather and synthesize the literature on Digital Twin-based predictive maintenance systems, which we used to model the key features. We applied UML diagrams to design the reference architecture based on the feature model. We evaluated the reference architecture using three case studies.


Results

We derived three views for Digital Twin-based predictive maintenance systems. For the user's view, we developed a context diagram. We developed a package diagram for the structural view, and we designed a layered view to show the system's decomposition in layers. We designed an Application Architecture for each case study based on the study's features using each Reference Architecture view. Additionally, we designed a deployment view to describe the hardware and software and its environment.


Conclusion

We demonstrated that the methods of creating a Reference Architecture could be used in the Digital Twin-based predictive maintenance domain and showed how an Application Architecture could be designed in this context.


Keynote

Reference architecture, Design, System architecture, Framework, Digital twin, Predictive maintenance



关键词

参考架构,系统架构,框架,数字孪生,预测性维护


Fig. 4. Data Flow Diagram Level-0 for a DT-based PdM system RA.


Fig. 5. Package diagram of the DT-based PdM system RA.



研究背景

  1. 工业革命以来:机器在所有领域中的使用日益增加,提高了产品性能、效率和质量的一致性。然而,机器状况极大地影响依赖机器的商业模式。传统的维修方法(事后维修或定期维护)存在一些缺点,如无法最小化故障风险、无法最优化使用稀缺的系统维护工程师资源,以及可能浪费自然资源。

  2. 预测性维护(PdM): 是一种利用传感器装备的机器的运行至故障数据集来确定设备健康状况的方法,如剩余使用寿命(RUL)、特定健康指标或异常检测。

  3. 数字孪生(DT):是基于物理、数据、规则、行为或几何的高保真数字模型,能够获取设备运行期间的传感器数据并存储历史运行数据以供进一步分析。

研究方法

  1. 领域分析: 通过系统文献回顾(SLR)来收集和综合关于基于数字孪生的预测性维护系统的文献,以支持参考架构(RA)的设计。

  2. 案例研究: 通过三个应用案例来验证RA的设计,包括纽荷兰拖拉机传动系统、半导体晶圆制造和电光成像系统。

实验设计

  1. 领域分析: 通过SLR来确定基于数字孪生的预测性维护系统的现有参考架构。

  2. 案例研究选择:选择三个不同应用领域的案例研究,以确保数据三角化和观察者三角化。

结果分析

  1. 领域分析: 通过SLR确定了42篇高质量文章,形成了参考架构设计的证据基础。

  2. 案例研究验证: 通过三个案例研究验证了RA的有效性,包括纽荷兰拖拉机、半导体晶圆制造和电光成像系统的应用架构设计。

研究结论

  1. 研究贡献: 本研究为基于数字孪生的预测性维护系统开发并验证了一个参考架构,展示了如何在这一领域设计应用架构。

  2. 理论贡献: 通过系统文献回顾方法,为数字孪生预测性维护系统的参考架构开发增加了新的组成部分。



关注公众号,后台回复“论文82”即可下载原文


相关阅读

 【意-中-美同时举行,2600余人参与】DigiTwin 2024第四届数字孪生国际会议圆满落幕!

 丹麦技术大学:机器学习和数字孪生在产线参数预测中的应用

  西电李团结教授团队:基于数字孪生技术的网状天线实验样机

  阿联酋沙迦大学:锂电池储能系统数字孪生设计方法

  瑞典斯德哥尔摩大学:AI在数字孪生中的应用综述

  人工智能综述:物理学与人工智能的跨界新范式

  美国密歇根大学:用于预测性维护的数字孪生框架

  德国PROSTEP AG公司:数字孪生自动生成方法

  英国谢菲尔德大学团队:时间演化数字孪生及其在工程动力学中的应用

  武汉科技大学夏绪辉教授团队:基于知识图谱的再制造设备资源建模方法

  东北大学孙杰教授团队:数字孪生在工业过程控制中的应用:以带钢热轧为例

 【先睹为快】李培根:AI应用对工程技术认知的启示

 米兰理工大学:土木工程结构的数字孪生体系框架

 Nature子刊:概率图模型使能的大规模预测性数字孪生

 密歇根大学:基于数字孪生和区块链的建筑项目可追溯信息共享

 弗吉尼亚理工大学:人体运动数据增强数字孪生-基于激光雷达的跟踪方法比较

 Siemens Gamesa:协作机器人数字孪生:人机交互的案例研究

 本田研究所:基于数字孪生技术与弱监督学习的现实世界异常检测研究

 瑞典隆德大学:基于数字孪生的工业自动化与控制系统安全架构

 南航郭宇教授团队:基于数字孪生的离散制造车间生产进度预测研究

 英国卡迪夫大学刘滢教授团队:面向工业5.0的人机交互:以人为本的智能制造

 北航陶飞教授团队:数字试验测试验证:理论、关键技术及应用探索丨JME封面文章

 西南交大丁国富教授团队:数字孪生应用中物理模型与虚拟模型之间连接的建模与实现



投稿邀请及版权

本公众号致力于分享高质量的数字孪生与数字工程相关学术研究与知识资讯,以促进学术交流与知识传播。推送的论文内容主要来源于公开出版或在线发布的学术资源,版权归原作者所有,仅供学术交流,未经授权不得商用。如有侵权,请联系删除。


作者如有优秀论文需推荐,请在公众号后台留言与我们取得联系,我们将审核后择优推送。感谢您的持续关注与支持!


数字孪生DigitalTwin
聚焦数字孪生与数字工程研究,依托Digital Twin和 Digital Engineering期刊及DigiTwin国际会议和国内会议,分享最新动态、成果与行业进展,助力产业升级。本公众号由北航陶飞教授发起,为研究者与从业者提供参考。
 最新文章