面向工业维护的认知数字孪生：故障检测与诊断的操作框架及其在生命科学健康管理中的启示

本文提出了一种创新的认知数字孪生（CDT）框架，通过本体论（ontology）与数据驱动算法的融合，为工业维护中的故障检测与诊断（FDD）提供决策支持。该框架实现了感知、注意、记忆、推理、问题解决和学习六大认知能力，将人类专家知识结构化，提升了维护过程的应变能力和决策智能化水平，对复杂设备健康管理具有重要借鉴意义。

　　

章节亮点

维护应用中的认知数字孪生文献综述

为了界定并阐释认知数字孪生（CDT）在制造业维护中的应用现状，我们进行了一项系统性文献综述（SLR）。该综述遵循Tranfield等人（2003年）提出的标准三步骤进行，即规划综述、执行综述、以及报告与传播。这确保了综述的可重复性和透明度，并最大限度地减少了主观性。

本节其余部分的安排如下：首先详述……

面向故障检测与诊断决策支持的认知数字孪生框架

基于第2节所示的文献综述结果，本节旨在结合故障检测与诊断（FDD）来描述所提出的认知数字孪生（CDT）框架，因为FDD是那些在执行相关活动时，无论在知识、决策还是行动方面，都需要大量人力投入的过程之一。首先，第3.1小节阐明了专家知识在FDD中的作用，作为理解CDT框架描述的前提性铺垫。接着，第3.2小节详细阐述了……

认知数字孪生框架在实验室环境中的应用

该认知数字孪生（CDT）框架在一个专门为维护相关实验搭建的实验室平台[具体细节将在论文最终录用后公布，以保持匿名性]中得到了实现。该平台配备了传感器并连接到OPC UA服务器，支持记录和访问流程各阶段的所有过程数据，从而能够洞察维护区域的资产状态。具体来说，该平台由两个重叠的……

讨论与管理启示

基于第4节展示的结果并立足于第3节介绍的概念框架，本节就所提出的认知数字孪生（CDT）框架的意义和启示进行了更广泛的讨论。虽然实验室实施旨在测试和证明该方法的可行性，但就认知技术如何支持维护中知识驱动的故障检测与诊断（FDD）方面，我们获得了一些可推广的见解。讨论分为三个部分：

结论

本研究通过提出并在实验室环境中评估了一个认知数字孪生（CDT）框架，为现有文献做出了贡献。其创新之处在于将本体论（ontology）与数据分析技术结合成一个连贯的系统，专门为维护中的故障检测与诊断（FDD）提供认知决策支持。

维护领域的认知数字孪生（CDT）是一个新兴概念，除了其应对当前维护需求（如弹性、动态性、系统整体视野等）的潜力之外……