DEVELOPMENT OF DIGITAL TWINS FOR PREDICTING TECHNICAL WEAR OF PRODUCTION EQUIPMENT
DOI:
https://doi.org/10.35546/kntu2078-4481.2025.4.1.32Keywords:
digital technologies, production processes, management, automation, productivity, IoT, artificial intelligence, Big DataAbstract
The study explores the features of digital technology implementation in the real sector of the economy, encompassing both industrial and agro-industrial enterprises, with the aim of improving the efficiency of production process management and predicting the technical wear of equipment. It is determined that digital twins serve as a fundamental tool for creating virtual models of physical objects capable of reproducing their condition in real time based on data obtained from IoT sensors, machine learning algorithms, and big data analytics. The purpose of the study is to substantiate the effectiveness of implementing digital twins in systems for managing the technical condition of production assets and to identify the advantages and risks of digital transformation. To achieve this goal, methods of analysis, synthesis, and generalization were applied. It is shown that the use of artificial intelligence, IoT, and Big Data technologies contributes to increasing enterprise productivity by 20–30%, reducing operating costs by 15–25%, and decreasing equipment downtime. The study systematizes the key factors for the successful implementation of digital technologies, including personnel competency development, strategic system integration planning, and strengthening of cybersecurity. A concept for the phased introduction of digital twins into enterprise structures is proposed to improve diagnostic accuracy, reduce accident rates, and optimize maintenance processes. The main challenges of digitalization are identified, such as high initial costs, shortage of qualified personnel, and cybersecurity risks. Therefore, it is recommended to enhance staff training, introduce educational programs, and improve information protection policies. The obtained results can be used to develop integrated systems for predicting the condition of technical assets within the framework of the “smart manufacturing” concept and to further advance the digital transformation of industrial enterprises.
References
Невлюдов І., Новосьолов С., Сичова О. Метод децентралізованого керування технологічними процесами в інтелектуальному виробництві. Інноваційні технології та наукові рішення для галузей. 2025. № 1 (31). С. 166–179. DOI: https://doi.org/10.30837/2522-9818.2025.1.166
Decentralized information systems in intelligent manufacturing management tasks / I. Nevliudov et al. Advanced Information Systems. 2024. Vol. 8, no. 3. P. 100–110. URL: https://doi.org/10.20998/2522-9052.2024.3.12 (date of access: 15.10.2025).
Attaran S., Attaran M., Celik B. G. Digital Twins and Industrial Internet of Things: Uncovering operational intelligence in industry 4.0. Decision Analytics Journal. 2024. Vol. 10. P. 100398. URL: https://doi.org/10.1016/j.dajour.2024.100398 (date of access: 15.10.2025).
Томашук І., Сусіденко Ю., Бурдяк М. Глобальні тенденції розвитку світової економіки за умов цифровізації: екологічний аспект. Бізнес-Навігатор. 2024. № 2(75). DOI: https://doi.org/10.32782/business-navigator.75-3
Бурдяк М., Томашук І. Концептуальні засади формування стратегічних напрямків розвитку сільськогосподарських підприємств в умовах цифровання економіки. Бізнес-Навігатор. 2024. № 1 (74). DOI: https://doi.org/10.32782/business-navigator.74-1
Гончарук І., Томашук І. Вплив інноваційних процесів на підвищення конкурентоспроможності сільськогосподарських підприємств. Економіка, фінанси, менеджмент: актуальні питання науки та практичної діяльності. 2023. № 1(63). С. 30–47. DOI: https://doi.org/10.37128/2411-4413-2023-1-3
Chen K. Innovation of Enterprise Management in the Era of Artificial Intelligence. International Journal of Global Economics and Management. 2024. Vol. 2, no. 2. P. 281–285. URL: https://doi.org/10.62051/ijgem.v2n2.35 (date of access: 15.10.2025).
Malik A., Budhwar P., Kazmi B. A. Artificial intelligence (AI)-assisted HRM: Towards an extended strategic framework. Human Resource Management Review. 2022. P. 100940. URL: https://doi.org/10.1016/j. hrmr.2022.100940 (date of access: 15.10.2025).
Daroń M., Górska M. Enterprises development in context of artificial intelligence usage in main processes. Procedia Computer Science. 2023. Vol. 225. P. 2214–2223. URL: https://doi.org/10.1016/j.procs.2023.10.212 (date of access: 15.10.2025).
Wang H. Analysis of the Impact of Artificial Intelligence on Modern Enterprise Management. Modern Economics & Management Forum. 2024. Vol. 5, no. 3. P. 495. URL: https://doi.org/10.32629/memf.v5i3.2370 (date of access: 15.10.2025).
Гриб’юк О. О., Фільченко О. П. Специфіка використання Інтернет-технологій у підготовці майбутніх інженерів-програмістів у контексті змішаного навчання. Інноваційна педагогіка. 2025. Т. 2, № 85. С. 215–223. DOI: https://doi.org/10.32782/ip/85.2.39
Журило О., Ляшенко О. Архітектура та системи безпеки Інтернету речей на основі туманних обчислень. Інноваційні технології та наукові рішення для промисловостей. 2024. № 1 (27). С. 54–66. DOI: https://doi.org/10.30837/itssi.2024.27.054
Інтернет речей: що це таке та де застосовують?. CyberCalm | Кіберзахист та кібербезпека простою мовою. URL: https://cybercalm.org/internet-rechej-shho-tse-take-ta-de-zastosovuyut/ (дата звернення: 15.10.2025).
Ukrinform. Rolls-Royce розробляє «розумний» авіадвигун, здатний ремонтувати сам себе. Укрінформ – актуальні новини України та світу. URL: https://www.ukrinform.ua/rubric-technology/2397104-rollsroyce-rozroblae-rozumnij-aviadvigun-zdatnij-remontuvati-sam-sebe.html (дата звернення: 15.10.2025).
JohnDeere купить розробника автономних тракторів BearFlagRobotics. Пропозиція – Головний журнал з питань агробізнесу. URL: https://propozitsiya.com/news/john-deere-kupyt-rozrobnyka-avtonomnykh-traktoriv-bear-flag-robotics (дата звернення: 15.10.2025).
Максимова Ю. Значення великих даних у промисловості та економіці. Економіка та суспільство. 2021. Вип. 28. URL: https://doi.org/10.32782/2524-0072/2021-28-38 (дата звернення: 15.10.2025).
Орєхов Д. Застосування штучного інтелекту в управлінні сучасним підприємством. Економіка та суспільство. 2024. № 64. DOI: https://doi.org/10.32782/2524-0072/2024-64-143
The state of AI in 2023: generative AI’s breakout year. McKinsey Company. URL: https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-in-2023-generative-ais-breakout-year#/(date of access: 15.10.2025).
Ярощук Р. Вплив цифрових технологій на підвищення ефективності аграрного виробництва. Економіка та суспільство. 2024. Вип. 68. URL: https://doi.org/10.32782/2524-0072/2024-68-58 (дата звернення: 15.10.2025).
