MétaCan
Menu
Retour à la cohorte
Enregistrement W4366977974 · doi:10.1117/12.2660270

Digital twin for predictive maintenance

2023· article· en· W4366977974 sur OpenAlexaff
Zheng Liu, Erik Blasch, Min Liao, Chunsheng Yang, Kazuhiko Tsukada, Norbert Meyendorf

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueDigital Transformation in Industry
Établissements canadiensNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésComputer sciencePredictive maintenancePredictive analyticsInternet of ThingsData scienceData modelingThe InternetCyber-physical systemIndustrial InternetAnalyticsDigital ecosystemBig dataDistributed computingEngineeringData miningSoftware engineeringEmbedded systemWorld Wide WebReliability engineering

Résumé

récupéré en direct d'OpenAlex

Digital twin engineering is a disruptive technology that creates a living data model of industrial assets. The living model will continually adapt to changes in the environment or operations using real-time sensory data as well as forecast the future of the corresponding infrastructure. A digital twin can be used to proactively identify potential issues with its real physical counterpart, allowing the prediction of the remaining useful life of the physical twin by leveraging a combination of physics-based models and data-driven analytics. The digital twin ecosystem comprises sensor and measurement technologies, industrial Internet of Things, simulation and modeling, and machine learning. This paper will review the digital twin technology and highlight its application in predictive maintenance applications.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,977
Score d'incertitude au seuil0,519

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,219
Écart entre enseignants0,203 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDigital Transformation in IndustryTravaux en français237 207