Cognitive digital twin for maintenance human decision-making support in manufacturing: a conceptual framework and its application in fault diagnosis

In a progressively more competitive industrial environment, the management and maintenance of industrial assets for the creation of value along their lifecycle are of increasing importance, and, in this domain, the recently emerged technology of Cognitive Digital Twin (CDT) is particularly suitable for the satisfaction of today's manufacturers’ needs of flexibility, dynamism, broad vision of the systems, and responsiveness to stimuli. Enabled by both technologies and human knowledge, the CDT is characterized by cognitive capabilities such as perception, attention, memory, reasoning, problem-solving, and learning, which allow an all-encompassing digital and augmented depiction of the physical system. Although this technology shows considerable potential in supporting the execution of applications with minimum human intervention, in most cases the to-date technological level is not capable of achieving full automation, making the human role still fundamental in relation to the existing technologies. Hence, the objective of this thesis is the exploration of the concept of CDT applied to the domains of AM and maintenance. To do so, first, a systematic literature review was conducted with the aim of defining the state-of-the-art scientific research about the topic, which led to the preliminary understanding of the human-in-the-loop (HITL) as a fundamental actor in production systems, in relation to the existing technologies, as the main lever to enable CDT. Starting from this, a HITL-based framework for CDT for decision-making support in fault diagnosis, a task for which deep technical expertise and experience are still required, has been developed. To habilitate the existence of the framework, algorithms, ontology, database, and human capabilities are synergically combined to enable CDT’s cognitive capabilities. Data-driven algorithms have been developed to allow the correct functioning of KARMA ontology, a pre-existent maintenance ontology that has been semantically revised and extended to serve as a reusable base of knowledge for fault diagnosis application, which is able to provide maintenance staff with relevant knowledge about the health state of the system and the fault. The framework has been applied and assessed in the reality-like facility TELMA, at the Research Center for Automation in Nancy, through the implementation of a fault scenario. After the instantiation of the ontology, through reasoning it is able to support maintainers’ diagnostics decision-making process by providing them with information about the health state of the components and the process and, if a fault is detected, knowledge about the failure causes, failure modes, and process deviations.

In un ambiente industriale sempre più competitivo, la gestione e la manutenzione degli asset industriali per la creazione di valore lungo il loro ciclo di vita rivestono un'importanza crescente e, in questo ambito, la tecnologia recentemente emersa del Cognitive Digital Twin (CDT) è particolarmente adatta a soddisfare le esigenze odierne di flessibilità, dinamicità, visione ampia dei sistemi e reattività agli stimoli. Grazie a tecnologie e conoscenze umane, il CDT è caratterizzato dalle capacità cognitive di percezione, attenzione, memoria, ragionamento, problem-solving ed apprendimento, che consentono una rappresentazione digitale e aumentata del sistema fisico. Sebbene questa tecnologia mostri un notevole potenziale nel supportare l'esecuzione di attività con minimo intervento umano, nella maggior parte dei casi il livello tecnologico attuale non è in grado di raggiungere la piena automazione, rendendo il ruolo umano ancora fondamentale in relazione alle tecnologie esistenti. L'obiettivo di questa tesi è quindi l'esplorazione del CDT applicato ai domini di gestione degli asset e manutenzione. Per fare ciò, per prima, è stata condotta una revisione sistematica della letteratura con l'obiettivo di definire lo stato dell'arte della ricerca scientifica sull'argomento, che ha portato alla comprensione preliminare dello human-in-the-loop (HITL) come attore fondamentale nei sistemi di produzione, in relazione alle tecnologie esistenti, come leva principale per abilitare il CDT. A partire da ciò, è stato sviluppato un framework per CDT basato sullo HITL per il supporto decisionale nella diagnosi dei guasti, un compito per il quale sono ancora necessarie profonde competenze tecniche ed esperienza. Per abilitare l'esistenza del framework, algoritmi, ontologia, database e capacità umane sono combinati sinergicamente abilitando le capacità cognitive del CDT. Algoritmi data-driven sono stati sviluppati per consentire il corretto funzionamento dell'ontologia KARMA, una preesistente ontologia di manutenzione che è stata semanticamente rivista ed estesa per servire come base di conoscenza riutilizzabile per applicazioni di diagnosi dei guasti, in grado di fornire ai manutentori conoscenze rilevanti sullo stato di salute del sistema e sul guasto. Il framework è stato applicato e valutato nell'impianto realistico TELMA, presso il Centro di Ricerca per l'Automazione di Nancy, attraverso l'implementazione di uno scenario di guasto. Dopo l'istanziazione dell'ontologia, attraverso il ragionamento essa è in grado di supportare il processo decisionale dei manutentori in materia di diagnostica, fornendo loro informazioni sullo stato di salute dei componenti e del processo e, se viene rilevato un guasto, conoscenze sulle cause e modalità del guasto, e sulle deviazioni del processo.