Towards reliable production control: a cross-functional digital twin framework for asset performance management

This research develops and validates a Digital Twin (DT) framework for asset performance management (APM), addressing critical gaps in current implementations where production and maintenance processes often operate in isolation. Building on findings from the Systematic Literature Review, the research pursues four objectives: to model machine reliability as a dynamic function of operational conditions, integrate production and maintenance perspectives, embed a collaborative Decision Support (DS), and translate outputs into actionable managerial insights through a unified Graphical User Interface (GUI). The methodological foundation combines a Weibull-based Prognostics and Health Management (PHM) model with stochastic simulation of utilization rates and health indices. The DT continuously tracks reliability and throughput under varying routing structures. Robustness analysis through replication ensures statistical stability, while a structured Design of Experiments (DoE) identifies best-, mid-, and worst-performing configurations, providing a sound basis for scenario testing. The DS module operationalizes predictive optimization within the DT by solving constrained problems that balance reliability thresholds with production goals. Moreover, scenario-based experiments were conducted to demonstrate adaptability, including recovery of degraded systems, management of distinct degradation patterns, and operation under constraints. Results showed trade-offs between system reliability and production output, with routing design emerging as a decisive factor. The GUI was implemented to unify monitoring and prediction, supporting human-in-the-loop decision-making and collaboration between production and maintenance teams. Overall, this research validates a novel DT architecture that unites operational control and reliability within a single simulation environment, advancing methodological practice through collaborative decision support that bridges organizational silos. By quantifying trade-offs, enabling proactive optimization, and fostering human-in-the-loop collaboration, the framework provides a tangible pathway toward synchronized, data-driven asset management.

Questa ricerca sviluppa e valida un framework di Digital Twin (DT) per l’Asset Performance Management (APM), indirizzando le lacune evidenziate nelle implementazioni attuali, dove i processi di produzione e manutenzione spesso operano isolati. Sulla base dei risultati della revisione sistematica della letteratura, la ricerca persegue quattro obiettivi: modellare l’affidabilità delle macchine come funzione dinamica delle condizioni operative, integrare le prospettive di produzione e manutenzione, incorporare un modulo collaborativo di Decision Support (DS) e tradurre gli output in indicazioni manageriali operative attraverso un’interfaccia grafica unificata (GUI). Il fondamento metodologico combina un modello di Prognostics and Health Management (PHM) basato su Weibull con una simulazione stocastica dei tassi di utilizzo e degli indici di salute. Il DT traccia continuamente affidabilità e throughput sotto differenti strutture di routing dei prodotti. L’analisi di robustezza mediante repliche sperimentali assicura stabilità statistica, mentre un Design of Experiments (DoE) strutturato identifica configurazioni con prestazioni migliori, intermedie e peggiori, fornendo una solida base per i test di scenario. Il modulo DS rende operativa l’ottimizzazione predittiva all’interno del DT risolvendo problemi vincolati che bilanciano soglie di affidabilità con obiettivi di produzione. Sono stati condotti esperimenti basati su scenari per dimostrare l’adattabilità, includendo il ripristino di sistemi degradati, la gestione di differenti pattern di degrado e il funzionamento in condizioni vincolate. I risultati hanno evidenziato compromessi tra affidabilità del sistema e output produttivo, con il routing dei prodotti come fattore decisivo. La GUI è stata implementata per unificare le fasi di monitoraggio e previsione, supportando l’uomo nel loop del processo decisionale e la collaborazione tra i team di produzione e manutenzione. Nel complesso, questa ricerca valida una nuova architettura di DT che unisce controllo operativo e affidabilità in un ambiente di simulazione, avanzando la pratica metodologica attraverso un supporto decisionale collaborativo che supera i silos organizzativi. Quantificando i trade-off, abilitando l’ottimizzazione proattiva e favorendo la collaborazione dell’uomo nel loop, il framework offre un percorso concreto verso una gestione degli asset sincronizzata e basata sui dati.