This thesis evaluates the significance of the Digital Twin based data-driven solution, in helping corrective maintenance technicians leverage their multi-disciplinary engineering skills to solve complex mechatronic problems. Due to the complex mechatronic nature of the faults, human involvement is necessary for corrective maintenance. Even today, many industries perform corrective maintenance by following methods that are both time inefficient and error prone. Software/AI based solutions have been widely reported to have failed due to neglect of human aspect in maintenance. The role of human cannot be completely replaced by software systems yet. Standard maintenance practices such as FMEA and RCA are costly, time consuming and susceptible to errors. On the other side, Digital Twin (DT) based solutions have shown to have improved management and effectiveness of maintenance by considering the human aspect. However, for corrective maintenance, the solution is still in its conceptual stage. There is a need to practically implement a Digital Twin based solution and quantitatively evaluate its significance. Recent studies have shown that Digital Twin concept, built on model-based approach, has a tremendous potential in providing all the essential data required to control the behaviour of a network of physical devices, and at the same time, virtually monitor their real-world states effectively. This thesis first attempts to develop user-centric visualizations built on a fully integrated digital twin of a complex Cyber Physical Production System (CPPS), and then it tries to evaluate its effectiveness (in terms of correctness and efficiency) in solving the corrective maintenance problem. Experimental results show that when the corrective maintenance task is assisted by user-centricvisualizations from a real-time Digital Twin, it significantly improved the accuracy and efficiency of the maintenance technician by about 24% and 52,4% respectively. Further, a post-experimental qualitative analysis explains that it is not any visualization but a Digital Twin based data-driven visualization, built on the user requirements that helped perform the corrective maintenance task more effectively.

Denna avhandling utvärderar betydelsen av den datadrivna lösningen som baseras på en Digital Tvilling vilken hjälper korrigerande underhållstekniker att utnyttja sina tvärvetenskapliga tekniska färdigheter vid åtgärdande av komplexa mekatroniska problem. Med anledning av felens komplexa mekatroniska natur är mänsklig inblandning nödvändig vid korrigerande underhåll. Även idag utför många industrier korrigerande underhåll genom att använda metoder som både är tidsineffektiva och felbenägna. Mjukvaru- eller AI-baserade lösningar har vida rapporterats ha misslyckats med anledning av ett försummande av den mänskliga aspekten i underhåll. Än så länge kan inte den mänskliga rollen helt ersättas av mjukvarusystem. Standard praxis för underhåll såsom FMEA och RCA är kostsamma, tidskrävande och känsliga för fel. Å andra sidan har lösningar som baserats på en Digital Tvilling (DT) visat på förbättrad hantering och effektivitet av underhåll genom att ta hänsyn till den mänskliga aspekten. För korrigerande underhåll är lösningen dock fortfarande i sitt konceptuella skede. Det finns ett behov av att praktiskt implementera en lösning baserad på en Digital Tvilling och kvantitativt utvärdera dess betydelse.

Nyligen utförda studier har visat att ett Digtal Tvilling-koncept, uppbyggt på ett modellbaserat tillvägagångssätt, har en enorm potential i att tillhandahålla alla nödvändiga data som krävs för att kontrollera beteendet hos ett nätverk av fysiska enheter och samtidigt virtuellt övervaka deras verkliga tillstånd effektivt. Denna avhandling försöker först utveckla användarcentrerade visualiseringar uppbyggda på en helt integrerad Digital Tvilling av ett komplext Cyberfysiskt Produktionssystem (Cyber Physical Production System CPPS) och försöker sedan utvärdera dess effektivitet (när det gäller korrekthet och effektivitet) för att lösa problemet vid korrigerandeunderhåll. Experimentella resultat visar att när uppgiften vid korrigerande underhåll assisteras av användarcentrerade visualiseringar från en i realtid motsvarande Digital Tvilling förbättrades underhållsteknikerns noggrannhet och effektivitet med cirka 24% respektive 52,4%. Vidareförklarar en post-experimentell kvalitativ analys att det inte är vilken visualisering som helst utanen datadriven visualisering baserad på en digital tvilling och uppbyggd på användarkrav som hjälpte till att utföra uppgiften för korrigerande underhåll mer effektivt.