为了提高数字双胞胎的性能
Quentin Charrier1, Nisar Hakam1, Khaled Benfriha1
1Arts et Métiers Institute of Technology (AMIT), 75013 Paris, France.
Sensors (Basel, Switzerland)
|November 25, 2023
概括
这项研究通过引入数据分析和关键绩效指标 (KPIs) 的新框架来增强工业过程监督的数字双胞胎 (DT) 技术. 这样可以通过网络表示来改善对物理过程的监控.
科学领域:
- 工业工程 工业工程 工业工程
- 计算机科学 计算机科学
- 网络物理系统 网络物理系统
背景情况:
- 数字双胞胎 (DT) 技术为工业生产提供可视化,分析和模拟.
- 现有的DT方法在数据上下文化方面面临挑战,以有效监督流程.
- 网络物理系统 (CPS) 产生了对工业监控至关重要的性能数据.
研究的目的:
- 扩展数字双胞胎功能,以加强流程监督.
- 引入一个新的框架,用于数据识别,收集和分析在DT.
- 整合关键绩效指标 (KPI) 进行实时监测.
主要方法:
- 对现有的数字双胞胎方法和数据上下文化的文献综述.
- 开发一个框架来识别,收集和分析生产系统的性能数据.
- 在沉浸式DT环境中实施关键绩效指标 (KPIs) 进行案例研究监测.
主要成果:
- 开发并实施了一个新的框架,以增强过程监督的DT功能.
- 关键绩效指标 (KPIs) 成功地集成到DT的沉浸式环境中.
- 该方法允许通过网络表示来监控物理过程,从而提高性能洞察力.
结论:
- 拟议的方法论通过整合数据分析和关键产品指标,扩展了DT以进行有效的流程监督.
- 该框架通过DTs促进了通过DTs监控机器和生产线性能.
- 这种方法解决了工业挑战,并为预测性维护等应用提供了可能性.
