The role of data fusion in predictive maintenance using digital twin

Liu, Zheng; Meyendorf, Norbert; Mrad, Nezih

doi:10.1063/1.5031520

Cited by 222 publications

(120 citation statements)

References 10 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Recursive Neuronal Networks (RNNs) show relevant characteristics for time series forecasting, as their loops allow information to persist, as presented in [8]. Multi sensor fusion ranges from multi signal combinations, as argued in [8] and [9], to more complex integration of conditional assessment, RUL estimation, and decision making, as presented in [2] and [10]. Operational predictive approaches are based on a schema that implies frequent, and sometimes unnecessary maintenance of the equipment and of the entire production process that leads to high maintenance time and costs.…”

Section: A Analysis Of Maintenance Strategies 1)mentioning

confidence: 99%

“…In order to deal with such high-dimensional problems, the predictive maintenance strategy uses a variety of techniques and prediction models that study both live and historical information. Further on, this information is used to learn prognostics data and to make accurate diagnostics and predictions, as presented by [2], [3], and [4]. They argue that the implementation of effective prognosis for maintenance has a variety of benefits including increased system safety, improved operational reliability, reduced maintenance, inspection times, repair failures and life cycle costs.…”

Section: Introductionmentioning

confidence: 99%

“…There is a lot of previous work on data fusion, as the topic dates back in the 90es. Application scenarios that implement ML models and apply multimodal data fusion for maintenance optimization purposes are defined by [2], [3], [9] and [10]. However, to date, no standard, nor good practice recommendations for fusion and integration of multimodal data have emerged.…”

Section: Introductionmentioning

confidence: 99%

See 2 more Smart Citations

On the Use of Predictive Models for Improving the Quality of Industrial Maintenance: An Analytical Literature Review of Maintenance Strategies

Merkt

2019

Annals of Computer Science and Information Systems

View full text Add to dashboard Cite

Due to advances in machine learning techniques and sensor technology, the data driven perspective is nowadays the preferred approach for improving the quality of maintenance for machines and processes in industrial environments. Our study reviews existing maintenance works by highlighting the main challenges and benefits and consequently, it shares recommendations and good practices for the appropriate usage of data analysis tools and techniques. Moreover, we argue that in any industrial setup, the quality of maintenance improves when the applied data driven techniques and technologies: (i) have economical justifications; and (ii) take into consideration the conformity with the industry standards. In order to classify the existing maintenance strategies, we explore the entire data driven model development life cycle: data acquisition and analysis, model development and model evaluation. Based on the surveyed literature we introduce taxonomies that cover relevant predictive models and their corresponding data driven maintenance techniques.

show abstract

Section: A Analysis Of Maintenance Strategies 1)mentioning

confidence: 99%

Section: Introductionmentioning

confidence: 99%

Section: Introductionmentioning

confidence: 99%

See 1 more Smart Citation

On the Use of Predictive Models for Improving the Quality of Industrial Maintenance: An Analytical Literature Review of Maintenance Strategies

Merkt

2019

Annals of Computer Science and Information Systems

View full text Add to dashboard Cite

show abstract

“…The core elements of a digital model are implemented by the fusion of sensor-based data, physical-based patterns and datadriven models. They enable the creation of a reliable decision making system [12] for a collaborative network. At the same time, a modular approach needs to be developed for improving the efficiency of those digital models.…”

Section: Introductionmentioning

confidence: 99%

Data-Driven Pattern-Based Constructs Definition for the Digital Transformation Modelling of Collaborative Networked Manufacturing Enterprises

Semeraro

Lezoche

Panetto

et al. 2019

IFIP Advances in Information and Communication Technology

View full text Add to dashboard Cite

The digital transformation of collaborative networked manufacturing enterprises requires building and applying digital models representing the set of resources and processes knowledge. Modelling such digital copy of the physical system to perform real-time validation and optimization is quite complex and thus needs a big amount of data and some modelling patterns representing the operational semantics of the modelled elements. Generally, the modelling action has a specific application type. For this reason, the core challenge of the digital transformation modelling is to create a modular "digital model", namely a decomposable and re-composable model, towards different applications. The authors propose an approach based on the combination of data-driven and modeldriven approaches, to identify and formalize modelling patterns, that combine for developing a modular executable model of the studied system.

show abstract

“…Некоторые исследователи [1,2] предлагают представить кибер-часть с помощью технологии Digital Twin («цифровой двойник» или «цифровой близнец»). Это живая модель физического объекта или системы, которая постоянно обновляется в соответствии с данными, получаемыми онлайн от реального объекта, и может предсказать его будущее [3]. Это эффективный способ реализовать интеграцию физического мира и киберпространства.…”

Section: Introductionunclassified

Improving the Efficiency of Processes in Dealer and Service Centres Through Digital Twin Technology

Shubenkova¹,

Nikolaev²,

Shepelev³

et al. 2018

View full text Add to dashboard Cite

176Введение В условиях растущей конкуренции, масштабных технологических изменений, а также внедрения принципов цифровой экономики задача трансформации промышленных компаний становится вопросом выживания в новых условиях. По словам Президента «Сименс» в России Дитриха Мёллера, сегодня внедрение цифровых технологий -это непременное условие для полноценного и эффективного развития любого предприятия. Компании из самых разных отраслей используют сквозную цифровизацию для создания прочного конкурентного преимущества за счет сокращения времени выхода на рынок и повышения гибкости, эффективности и качества. Однако сегодня уже недостаточно заниматься автоматизацией и цифровизацией отдельных операций или производственных процессов. Качественный скачок эффективности бизнеса предполагает создание моделей управления другого уровня -киберфизических систем. Это такие системы, в которых цифровые технологии, оборудование и конечный продукт соединяются в единое целое и начинают обмениваться информацией, анализировать ее на этапе производства, и продолжают делать это на протяжении всего жизненного цикла продукта. Так, при производстве грузовых автомобилей необходима эффективная интеграция цифровых технологий не только в бизнес-процессы и производство, но также и в систему фирменного обслуживания автомобилей.В настоящее время если физическая часть киберфизических систем может быть точно определена, то с кибер-частью не все так просто. Некоторые исследователи [1,2] предлагают представить кибер-часть с помощью технологии Digital Twin («цифровой двойник» или «цифровой близнец»). Это живая модель физического объекта или системы, которая постоянно обновляется в соответствии с данными, получаемыми онлайн от реального объекта, и может предсказать его будущее [3]. Это эффективный способ реализовать интеграцию физического мира и киберпространства. Цифровые двойники успешно применяются в различных отраслях промышленности: оборонная промышленность [4], литье [5], производство чугуна и стали [6], сварочное производство [7], автомобильная промышленность [8] и даже при создании Smart City [9]. Несколько крупных международных корпораций разрабатывают программное обеспечение, которое позволяет связать оборудование и физическую инфраструктуру с цифровым миром. GE Digital предлагает комплексные приложения, направленные на то, чтобы помочь промышленным компаниям сократить расходы на техническое обслуживание, оптимизировать производственные процессы и повысить производительность операторов. Это такие программные решения, как Predix Asset Performance Management (Predix APM), GE Digital's Manufacturing Solutions, а также продукты HMI и SCADA. DXC Technology построила программную платформу для создания Digital Twin для гибридного производства автомобилей. PTC предлагает технологию, позволяющую производителям создавать цифровые двойники готовой продукции для анализа их использования потребителями и предоставления клиентам эффективных послепродажных услуг на основе этих данных. «Сименс» предлагает различные программные решения индивидуально для каждого пре...

show abstract

The role of data fusion in predictive maintenance using digital twin

Cited by 222 publications

References 10 publications

On the Use of Predictive Models for Improving the Quality of Industrial Maintenance: An Analytical Literature Review of Maintenance Strategies

On the Use of Predictive Models for Improving the Quality of Industrial Maintenance: An Analytical Literature Review of Maintenance Strategies

Data-Driven Pattern-Based Constructs Definition for the Digital Transformation Modelling of Collaborative Networked Manufacturing Enterprises

Improving the Efficiency of Processes in Dealer and Service Centres Through Digital Twin Technology

Contact Info

Product

Resources

About