[论文解读] A Survey on Predictive Maintenance for Industry 4.0

Christian Krupitzer, Tim Wagenhals+7 more|arXiv (Cornell University)|Feb 5, 2020

Reliability and Maintenance Optimization参考文献 50被引用 50

一句话总结

这篇结构化文献综述将工业4.0中的预测性维护进行分类，并从150篇论文中构建一个10类框架以指导未来研究。

ABSTRACT

Production issues at Volkswagen in 2016 lead to dramatic losses in sales of up to 400 million Euros per week. This example shows the huge financial impact of a working production facility for companies. Especially in the data-driven domains of Industry 4.0 and Industrial IoT with intelligent, connected machines, a conventional, static maintenance schedule seems to be old-fashioned. In this paper, we present a survey on the current state of the art in predictive maintenance for Industry 4.0. Based on a structured literate survey, we present a classification of predictive maintenance in the context of Industry 4.0 and discuss recent developments in this area.

研究动机与目标

• 提供对工业4.0中预测性维护的结构化概述。
• 识别文献中的关键主题、方法和空白。
• 构建一个框架，捕捉预测性维护的核心属性。
• 讨论预测性维护如何与电子维护和工业4.0概念整合。

提出的方法

• 进行以“Predictive Maintenance”为主要关键词的结构化文献综述（SLR）。
• 从1993–2018年发表的150篇论文中提取并整理属性以构建框架。
• 将属性聚类为类别，形成分层框架（树状结构）。
• 在工业4.0背景下区分传统维护、状态监测、预测诊断和电子维护。

实验结果

研究问题

• RQ1 工业4.0文献中预测性维护的核心目标与动机是什么？
• RQ2 哪些属性和维度可以表征预测性维护，如何将它们组织成一个全面的框架？
• RQ3 预测性维护与电子维护及工业4.0概念之间的关系是什么？
• RQ4 诸如系统规模、排程和降解建模等因素如何影响预测性维护方法？

主要发现

• 框架包含10个类别：目标、状态监测、维护范围、降解过程、故障检测、系统规模、调度、预测技术、数据处理和评估。
• 在150篇论文中有139篇至少提到一个目标，成本最小化和停机时间减少是最常见的目标之一。
• 状态监测通常基于传感器，在线/实时，连续监控是一个关键重点。
• 系统规模分析区分单组件与多组件系统，并强调依赖性（经济、随机、结构）。
• 排程在约62%的论文中被提出，强调动态排程和备件可用性。
• 该综述指出电子维护作为与工业4.0一致的预测性维护的集成延伸的兴起。