78、工业维护与数字孪生：架构解析与应用探索

工业维护与数字孪生：架构解析与应用探索

1. 数字孪生相关维护架构概述

在智能制造的大背景下，数字孪生技术在工业维护领域的应用日益广泛。众多研究提出了与数字孪生参考架构相关的维护架构模型，这些模型在处理维护问题上各有特色。

1.1 各架构/模型如何处理维护问题

• Lee 等人的架构 ：提出了半实时预测性维护模型，模型自主运行，将不同组件剩余寿命的预测传递到虚拟系统层。在该层，整合机器、库存、供应商、客户和维护技术人员的历史与实时数据到数字孪生模型中，以模拟和优化预测性维护策略。
• Mi 等人的框架 ：呈现了跨多个组织边界的集成框架，旨在提高连接到该框架的公司的预测性维护决策能力。促进数据、故障知识和维护资源的共享，借助故障数据共享和融合分析结合数字孪生，提升故障数据的全面性，为进一步挖掘预测准确性潜力提供技术条件，数字孪生的模拟能力有助于获取更详细的维护要求和模拟支持维护计划的流程。
• Wang 等人的模型 ：建立了维护管理的数字孪生模型，利用模型信息反馈和训练自身系数的各种规则，以高可靠性获取设备的运行和故障规则，准确掌握运行情况，满足设备维护需求，提高库存利用率，减少备件库存，提升公司整体维护支持效率，适应设备的精确支持要求。
• Cavalieri 等人的架构 ：包含机器学习、大数据和云计算等先进技术，可在该数字孪生架构上进行故障检测、预测性设备维护和设备寿命评估。
• Liu 等人的方法