論文の概要: A Systematic Review of Digital Twin-Driven Predictive Maintenance in Industrial Engineering: Taxonomy, Architectural Elements, and Future Research Directions

• arxiv url: http://arxiv.org/abs/2509.24443v1
• Date: Mon, 29 Sep 2025 08:26:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:19.860695
• Title: A Systematic Review of Digital Twin-Driven Predictive Maintenance in Industrial Engineering: Taxonomy, Architectural Elements, and Future Research Directions
• Title（参考訳）: 産業工学におけるディジタルツイン駆動予測保守の体系的レビュー:分類学、建築要素、今後の研究方向
• Authors: Leila Ismail, Abdelmoneim Abdelmoti, Arkaprabha Basu, Aymen Dia Eddine Berini, Mohammad Naouss,
• Abstract要約: コストのかかるダウンタイムや悲惨な結果を避けるため、予測メンテナンスの必要性が強まっている。 モノのインターネット、人工知能、機械学習、リアルタイムビッグデータ分析の人気が高まり、効率的な予測保守のためのユニークな機会がある。 この進化の中心はデジタルツイン技術であり、センサデータを継続的に監視し統合し、資産のパフォーマンスをシミュレートし改善する適応型仮想レプリカである。
• 参考スコア（独自算出の注目度）: 0.7340017786387767
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the increasing complexity of industrial systems, there is a pressing need for predictive maintenance to avoid costly downtime and disastrous outcomes that could be life-threatening in certain domains. With the growing popularity of the Internet of Things, Artificial Intelligence, machine learning, and real-time big data analytics, there is a unique opportunity for efficient predictive maintenance to forecast equipment failures for real-time intervention and optimize maintenance actions, as traditional reactive and preventive maintenance practices are often inadequate to meet the requirements for the industry to provide quality-of-services of operations. Central to this evolution is digital twin technology, an adaptive virtual replica that continuously monitors and integrates sensor data to simulate and improve asset performance. Despite remarkable progress in digital twin implementations, such as considering DT in predictive maintenance for industrial engineering. This paper aims to address this void. We perform a retrospective analysis of the temporal evolution of the digital twin in predictive maintenance for industrial engineering to capture the applications, middleware, and technological requirements that led to the development of the digital twin from its inception to the AI-enabled digital twin and its self-learning models. We provide a layered architecture of the digital twin technology, as well as a taxonomy of the technology-enabled industrial engineering applications systems, middleware, and the used Artificial Intelligence algorithms. We provide insights into these systems for the realization of a trustworthy and efficient smart digital-twin industrial engineering ecosystem. We discuss future research directions in digital twin for predictive maintenance in industrial engineering.
• Abstract（参考訳）: 産業システムの複雑さが増すにつれ、特定の領域で生命を脅かすようなコストのかかるダウンタイムや悲惨な結果を避けるために、予測的メンテナンスの必要性が高まっている。 モノのインターネット(Internet of Things)や人工知能(AI)、機械学習(機械学習)、リアルタイムビッグデータ分析(ビッグデータ分析)の普及に伴い、リアルタイムの介入のための機器の障害を予測し、メンテナンスアクションを最適化するための効率的な予測メンテナンスのユニークな機会がある。 この進化の中心はデジタルツイン技術であり、センサデータを継続的に監視し統合し、資産のパフォーマンスをシミュレートし改善する適応型仮想レプリカである。 産業工学の予測保守においてDTを考えるなど、デジタルツイン実装の顕著な進歩にもかかわらず。 本稿は、この空白に対処することを目的としている。 我々は、産業工学における予測的保守におけるデジタルツインの時間的進化の振り返り分析を行い、AI対応デジタルツインとその自己学習モデルに始まり、デジタルツインの開発に繋がるアプリケーション、ミドルウェア、技術要件を捉えた。 我々は、デジタルツイン技術の階層構造と、技術が利用可能な産業工学アプリケーションシステム、ミドルウェア、そして使用される人工知能アルゴリズムの分類を提供する。 我々は、信頼できる、効率的なスマートデジタルツイン産業技術エコシステムを実現するために、これらのシステムに対する洞察を提供する。 産業工学における予測保守のためのディジタルツインの今後の研究方向性について論じる。

関連論文リスト

• On Digital Twins in Defence: Overview and Applications [0.0]
  デジタルツインは物理システムの仮想レプリカを作成し、リアルタイム監視、最適化、シミュレーションを可能にする。 本稿では,システム設計・開発,運用計画・訓練,ミッション実行・分担といった重要なユースケースに焦点をあてて,防衛アプリケーションにおけるディジタルツインの統合について検討する。 デジタル双生児のための新しいキャラクタリゼーションフレームワークを導入し、相互運用を容易にするために、異なる防衛領域にまたがってアプリケーションを標準化し統一することを目的としている。
  論文  参考訳（メタデータ） (2025-08-07T12:41:27Z)
• Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
  産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。 製品ライフサイクルを通じてデータをデジタル化することにより、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。 GenAIはDTの構築と更新を推進し、予測精度を改善し、多様なスマート製造に備える。
  論文  参考訳（メタデータ） (2024-08-02T10:47:10Z)
• Multi-Tier Computing-Enabled Digital Twin in 6G Networks [50.236861239246835]
  産業4.0では、製造業、自動車、医療などの産業がDTベースの開発を急速に採用している。 これまでの主な課題は、通信とコンピューティングリソースに対する高い要求と、プライバシとセキュリティに関する懸念だった。 新たなDTで低レイテンシと高セキュリティを実現するため,エッジ/フォグコンピューティングとクラウドコンピューティングを組み合わせたマルチ層コンピューティングが提案されている。
  論文  参考訳（メタデータ） (2023-12-28T13:02:53Z)
• Digital Twin Framework for Optimal and Autonomous Decision-Making in Cyber-Physical Systems: Enhancing Reliability and Adaptability in the Oil and Gas Industry [0.0]
  本研究は,石油・ガス産業におけるガスリフトプロセスに適用可能な,最適かつ自律的な意思決定のためのディジタルツインフレームワークを提案する。 このフレームワークは、ベイジアン推論、モンテカルロシミュレーション、トランスファーラーニング、オンライン学習、そしてDTに認知を与える新しい戦略を組み合わせたものである。
  論文  参考訳（メタデータ） (2023-11-21T18:02:52Z)
• Enabling Automated Integration Testing of Smart Farming Applications via Digital Twin Prototypes [49.44419860570116]
  産業4.0とスマート農業は密接に関連しており、産業4.0でもスマート農業に使われている技術の多くが使用されている。 デジタルツインは、そのようなアプリケーションのコスト効率の良いソフトウェア開発の可能性を秘めている。 本稿では,ソフトウェアの自動テストにDigital Twin Prototypeアプローチを採用するケーススタディを提案する。
  論文  参考訳（メタデータ） (2023-11-09T21:24:12Z)
• The Digital Twin Landscape at the Crossroads of Predictive Maintenance, Machine Learning and Physics Based Modeling [14.781000287006755]
  デジタルツイン」という用語の歴史と、製品ライフサイクル管理、資産維持、機器艦隊管理、運用、計画の分野での当初の文脈を探求する。 デジタルツインフレームワークの適用は、予測保守の分野において強調され、その拡張は機械学習と物理に基づくモデリングを活用している。
  論文  参考訳（メタデータ） (2022-06-21T15:17:10Z)
• Federated Learning for Industrial Internet of Things in Future Industries [106.13524161081355]
  産業用IoT(Industrial Internet of Things)は,産業用システムの運用を変革する有望な機会を提供する。 近年、人工知能(AI)はインテリジェントIIoTアプリケーションの実現に広く利用されている。 フェデレートラーニング(FL)は、複数のIIoTデバイスとマシンを協調して、ネットワークエッジでAIトレーニングを実行することで、インテリジェントなIIoTネットワークにとって特に魅力的である。
  論文  参考訳（メタデータ） (2021-05-31T01:02:59Z)
• Digital Twins: State of the Art Theory and Practice, Challenges, and Open Research Questions [62.67593386796497]
  この研究は、様々なDT機能と現在のアプローチ、デジタルツインの実装と導入の遅れの背景にある欠点と理由を探求する。 この遅延の主な理由は、普遍的な参照フレームワークの欠如、ドメイン依存、共有データのセキュリティ上の懸念、デジタルツインの他の技術への依存、定量的メトリクスの欠如である。
  論文  参考訳（メタデータ） (2020-11-02T19:08:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。