数字孪生与强化学习协同的智能生产自适应维护框架

法国 Arts et Métiers 与 CESI 团队提出一种基于强化学习的维护决策框架，将生产系统数字孪生作为仿真环境，让智能体在运行、检查、校准与维护等动作间学习自适应策略，并以预测产量与设备健康状态作为决策指标。该框架在电池制造流程的一个示例工序上演示，学习到的策略用于控制过程衰减并维持产量稳定。仿真结果显示该方法能够提前预判衰减并在适当时机触发维护动作。