Advancing sustainable industrial maintenance through ontology-based decision support systems: an in-depth systematic literature review

The emergence of Industry 4.0 and the subsequent digital transformation in industrial systems have led to an evolution in the role of maintenance. While historically confined to operational roles, maintenance has evolved into a strategic function that affects long-term economic performance, environmental efficiency and social responsibility. Therefore, digital twin technology, considered as dynamic digital representations of physical assets that reflect real-time conditions, and ontologies defined as formal models of domain knowledge and methods for performing computational reasoning on such models, are being identified as enabling tools for advanced decision-making in the maintenance environment. However, the “dual” Systematic Literature Review (SLR) conducted in this study identifies significant structural barriers to their effective use. “Dual” SLR since the first part of this review provides a comprehensive view of how sustainability, maintenance, and Industry 4.0 converge to reveal the imbalance in the operationalization of the triple bottom line. Alternatively, the second part of the review focuses specifically on studies using semantic technologies in maintenance and digital twin contexts, with an assessment of modelling and reasoning approaches. Some findings of this SLR are that sustainability is commonly referred to in discussions of maintenance optimization but rarely addressed as a computable element in the decision-making process, that economic considerations continue to dominate decisions made about maintenance activities, environmental factors are only partially formalized in the literature and that the social dimension is almost completely absent. Furthermore, many ontology-driven solutions rely on static models of knowledge, limited ability to share information among applications, and poor integration of real-time operational data. Additionally, the transparency of reasoning and validation procedures is lacking in many of the studies reviewed. Ultimately, the synthesis of the findings from both parts of the review revealed the scarcity of a systematically developed and empirically tested semantic digital twin framework for supporting sustainability-oriented decision-making in maintenance. Building upon this gap, a design research path is proposed for developing a semantic digital twin framework in which sustainability indicators are formally incorporated into ontology-based models of maintenance and connected to real-time operational data. Attention will be paid to incorporating the social dimension into maintenance decision processes.

L’emergere dell’Industry 4.0 e la conseguente trasformazione digitale dei sistemi industriali hanno determinato un’evoluzione nel ruolo della manutenzione. Storicamente confinata a funzioni operative, la manutenzione si è progressivamente trasformata in una funzione strategica in grado di incidere sulla performance economica di lungo periodo, sull’efficienza ambientale e sulla responsabilità sociale. In tale contesto, la tecnologia del digital twin, intesa come rappresentazione digitale dinamica di asset fisici capace di rifletterne le condizioni in tempo reale, e le ontologie, definite come modelli formali della conoscenza di dominio e strumenti per l’esecuzione di meccanismi di reasoning computazionale su tali modelli, sono individuate come strumenti abilitanti per il supporto avanzato alle decisioni in ambito manutentivo. Tuttavia, la “duplice” Systematic Literature Review condotta nel presente studio evidenzia significative barriere strutturali al loro efficace utilizzo. Si parla di “duplice” revisione in quanto la prima parte fornisce una visione complessiva della convergenza tra sostenibilità, manutenzione e Industry 4.0, mettendo in luce lo squilibrio nell’operazionalizzazione del triple bottom line. La seconda parte, invece, si concentra specificamente sugli studi che impiegano tecnologie semantiche nei contesti di manutenzione e digital twin, valutandone gli approcci di modellazione e di reasoning. Dall’analisi emerge che la sostenibilità è frequentemente richiamata nei processi di ottimizzazione della manutenzione, ma raramente trattata come elemento computabile all’interno del processo decisionale. Le considerazioni economiche continuano a predominare, gli aspetti ambientali risultano solo parzialmente formalizzati e la dimensione sociale è quasi del tutto assente. Inoltre, molte soluzioni basate su ontologie si fondano su modelli di conoscenza statici, mostrano limitate capacità di interoperabilità e presentano una debole integrazione con dati operativi in tempo reale. Anche la trasparenza dei processi di reasoning e di validazione risulta spesso insufficiente. La sintesi dei risultati evidenzia, in ultima analisi, la carenza di un framework ontologico sviluppato in modo sistematico e validato empiricamente per supportare decisioni manutentive orientate alla sostenibilità. A partire da tale lacuna, viene proposto un percorso di ricerca progettuale volto allo sviluppo di un framework ontologico in cui gli indicatori di sostenibilità siano formalmente integrati in modelli manutentivi basati su ontologie e connessi ai dati operativi in tempo reale, con particolare attenzione all’integrazione della dimensione sociale nei processi decisionali di manutenzione.