| dc.description.abstract | Denne masteroppgaven undersøker et teoretisk rammeverk for synkronisering av produksjonsplanlegging og vedlikeholdsaktivitet i Digital Twins (DTs) med prognostiske modeller for gjenværende levetid (RUL) og prediktivt vedlikehold (PdM) av systemer som en kontinuerlig forbedring for systemytelsen (f.eks. pålitelighet, vedlikeholdseffektivitet/effektivitet, systemrelaterte kostnader) av broer. Primært beskrives klassifiseringen av prognoserelaterte tilnærminger og modeller for estimering av RUL, nedbrytningsfaktorer og verdier/parametere knyttet til forebyggende vedlikehold (PM) basert på flere forskningsstudier knyttet til Industri 4.0-teknologi (dvs. DTs) som brukes til å synkronisere produksjon og vedlikehold for brohåndtering. Spesielt spiller PdM en viktig rolle i å forbedre ressursutnyttelsen i industrien 4.0centred verden og påvirke en betydelig grad av totale kostnader i produktlivssyklusen (PLC); på konkurransedyktige markedsplasser. For å optimalisere de generelle trendene vil kostnadsstyringen og optimale intervensjonsstrategier avklare usikkerhet i prosesssvingningene, og dette er for å fortsette å forbedre PdM over hele linjen for banebrytende informasjon. Viktigst av alt vil dette prosjektet konsentrere seg mer om å granske generelle trender og utfordringer i nedbrytningsfenomenet av brosystemer. Videre vil "Tilstandsbasert vedlikehold (CBM)" utvides for å nå ut til PdM gjennom prognostiske modeller (f.eks. Markov Process): Dette vil okkupere høyere deler av det samlede prosjektet for "Vedlikeholdsoptimalisering" basert på tidligere artikler og litteraturgjennomganger. Som en prototype vil dette tilhørende kostnads- og inspeksjonsintervallet for vedlikeholdsplanlegging/aktivitet optimaliseres basert på brotilstandstilstander (dvs. skadenivåer) og strukturell avbøyning etter last eller trafikkvolum som en avansert løsning for synkronisering av strukturell helseovervåking (SHM) og vedlikeholdsaktiviteter i DT-implementeringen. Følgelig har DT blitt avgjort i ulike felt som et lovende verktøy for å forbedre fleksibiliteten i vedlikeholdsaktiviteten og kvaliteten på produkter eller strukturer. Gitt at den digitale tvillingen har gitt mer spesifikk innsikt i vedlikeholdsprosessen og vedlikeholdsbeslutninger ved å integrere fysiske og virtuelle analytiske modeller. Denne artikkelen foreslår en dyp forståelse av praktisk anvendelse og modeller/tilnærminger for diagnose/prognose og flere vedlikeholdsaktiviteter. Videre brukes modellene (f.eks. Gamma Process, Markov Process) i studier (dvs. empirisk analyse og DT-prototype) med hver eiendom; viktige trender og utfordringer påvirket av noen få faktorer; tilnærminger knyttet til nåværende og fremtidig brohåndtering diskuteres jevnt.
Nøkkelord: Digital Twin (DT), Vedlikeholdsplanlegging, Tilstandsbasert overvåking, Tilstandsbasert vedlikehold (CBM), Vedlikeholdsbeslutninger, Prediktivt vedlikehold (PdM) | |
| dc.description.abstract | This master's thesis investigates a theoretical framework for the synchronisation of production scheduling and maintenance activity in Digital Twins (DTs) with prognostic models regarding Remaining Useful Life (RUL) and Predictive Maintenance (PdM) of systems as a continuous improvement for system performance (e.g. reliability, maintenance efficiency/effectiveness, system-related costs) of bridges. Primarily, the classification of prognosis-related approaches and models for estimating the RUL, degradation factors, and values/parameters associated with the Preventive Maintenance (PM) is described based on several research studies concerned with Industry 4.0 technology (i.e. DTs) utilised in synchronising production and maintenance for bridge management. In particular, the PdM plays a vital role in enhancing asset utilisation in the Industry 4.0centred world and influencing a considerable rate of total costs in the Product Life Cycle (PLC); in competitive marketplaces. In order to optimise overall trends, the cost management and optimal intervention strategies will clarify uncertainty in the process fluctuation, and this is to continue improving PdM across the board for cutting-edge information. Most importantly, this project will be concentrated more on scrutinising general trends and challenges in the degradation phenomenon of bridge systems. Furthermore, "Condition-based Maintenance (CBM)" will be extended for reaching out to PdM through prognostic models (e.g. Markov Process): this will occupy higher portions of the overall project for "Maintenance Optimisation" based on previous papers and literature reviews. As a prototype, this associated costs and inspection intervals for maintenance planning/activity will be optimised based on bridge condition states (i.e. damage levels) and structural deflection by load or traffic volumes as an advanced solution to synchronising Structural Health Monitoring (SHM) and maintenance activities in the DT implementation. Accordingly, the DT has been settled into various fields as a promising tool for improving flexibility in maintenance activity and the quality of products or structures. Given that the digital twin has provided more specific insight into the maintenance process and maintenance decision-making by integrating physical and virtual analytical models assets. This paper proposes a deep understanding of the practical application and models/approaches for diagnosis/prognosis and several maintenance activities. Furthermore, the models (e.g. Gamma Process, Markov Process) applied in studies (i.e. empirical analysis and DT prototype) with each property; key trends and challenges influenced by a few factors; approaches associated with current and future bridge management are evenly discussed.
Keywords: Digital Twin (DT), Maintenance scheduling, Condition-based Monitoring, Condition-based Maintenance (CBM), Maintenance decision-making, Predictive Maintenance (PdM) | |
