Production systems · AI & digital twins for prescriptive maintenance
智能生产系统 · 人工智能与数字孪生支持的规范性维护
Produktionssystem · AI och digitala tvillingar för preskriptivt underhåll
I research how Artificial Intelligence and Digital Twins support prescriptive maintenance in manufacturing systems. My work brings together reinforcement learning, digital twins, generative AI and blockchain to enable trustworthy, adaptive and human-centred decision-making.
我的研究聚焦于人工智能与数字孪生如何支持制造系统的规范性维护。具体包括强化学习、数字孪生、生成式人工智能和区块链，用以实现可信、自适应且以人为本的智能决策。
Jag forskar om hur artificiell intelligens och digitala tvillingar stödjer preskriptivt underhåll i tillverkningssystem. Mitt arbete kombinerar förstärkningsinlärning, digitala tvillingar, generativ AI och blockkedjeteknik för att möjliggöra tillförlitligt, adaptivt och människocentrerat beslutsfattande.
About
关于
Om
I am a PhD student in Production Systems at Chalmers University of Technology, Gothenburg, Sweden, with a multidisciplinary background spanning mechanical engineering, computer science, and management.
My research sits at the intersection of Artificial Intelligence, Digital Twins, and Smart Manufacturing. I design architectures that bridge AI decision-making with physical production systems to achieve real-time predictive and prescriptive maintenance.
I completed my master’s at Uppsala University, including an Erasmus exchange at the University of Copenhagen. My bachelor’s studies were a double-degree programme at Tongji University and Politecnico di Milano.
我是瑞典查尔姆斯理工大学智能生产系统专业的博士研究生，具有横跨机械工程、计算机科学与管理学的多学科背景。
我的研究聚焦于人工智能、数字孪生与智能制造的交叉领域，致力于构建连接AI决策与物理生产系统的架构，实现实时预测与规范性维护。
我在乌普萨拉大学获得硕士学位，期间通过 Erasmus 项目赴哥本哈根大学交流；本科就读于同济大学与米兰理工大学双学位项目。
Jag är en doktorand i produktionssystem vid Chalmers tekniska högskola i Göteborg, med en mångvetenskaplig bakgrund som spänner över maskinteknik, datavetenskap och management.
Min forskning ligger i skärningspunkten mellan artificiell intelligens, digitala tvillingar och smart tillverkning. Jag designar arkitekturer som överbryggar AI-beslutsfattande med fysiska produktionssystem för att uppnå prediktivt och preskriptivt underhåll i realtid.
Jag tog min masterexamen vid Uppsala universitet, med ett Erasmusutbyte vid Köpenhamns universitet. Mina kandidatstudier ingick i ett dubbelexamensprogram vid Tongji-universitetet och Politecnico di Milano.
WSC 2023–2025 · APMS 2025–2026 · EuroSim 2023
Education
教育背景
Utbildning
Research
研究经历
Forskning
Publications
学术出版
Publikationer
Updated from Google Scholar · 183 citations · September 2026
根据 Google Scholar 更新 · 183 次引用 · 2026 年 9 月
Uppdaterat från Google Scholar · 183 citeringar · september 2026
Journal of Manufacturing Systems
This review combines published research with industry interviews to examine AI-enhanced digital twins in maintenance. It identifies gaps between research and industrial practice and proposes a five-layer implementation framework.
Engineering Applications of Artificial Intelligence
False alarms in glue-line inspection lead to unnecessary interventions and downtime. We compare 17 unsupervised models and 28 backbones on industrial images, examining detection accuracy, robustness and inference time with limited training data.
IOP Conference Series: Materials Science and Engineering
Equipment lifetime prediction and fault diagnosis are often modeled separately. This Transformer shares a sensor-data encoder across both tasks and is evaluated on data from 100 industrial machines.
arXiv:2608.21417 · Accepted for CIE53 2026
This workflow connects retrieval-grounded ABB RAPID generation to RobotStudio through MCP. Simulation feedback reveals execution errors that static code checks miss and supports iterative correction of robot programs.
Proceedings - Winter Simulation Conference
Maintenance priorities change with the state of a production system. This study combines a digital twin with proximal policy optimization to prioritize maintenance tasks in a lab-scale drone factory.
SSRN 6681288
Maintenance logs contain diagnostic knowledge that numerical-only agents cannot use directly. This preprint combines local LLMs with hierarchical multi-agent reinforcement learning and a production-cost reward in a lab-scale drone assembly study.
Licentiate thesis · Chalmers University of Technology
This licentiate thesis examines the transition from failure prediction to actionable maintenance decisions. It brings together five studies on industrial requirements, digital twins, reinforcement learning and anomaly detection.
Proceedings - Winter Simulation Conference
Interviews and a workshop identify what industrial stakeholders need from a maintenance digital twin. The study maps implementation requirements, decision-support needs and barriers to adoption.
IOP Conference Series: Materials Science and Engineering
Robot code generation needs reliable, domain-specific engineering knowledge. This paper explores RAG architectures that ground language models in controlled sources while retaining human oversight and traceability.
Proceedings - Winter Simulation Conference
A drone-factory digital twin supports maintenance comparisons without interrupting real production. The demonstrator evaluates what-if scenarios and combines performance indicators with structured decision analysis.
IOP Conference Series: Materials Science and Engineering
Adaptive robot instruction can change the demands placed on industrial trainees. This study compares standard and personalized humanoid-robot instructions, examining mental workload and task performance.
Proceedings - Winter Simulation Conference
This PyTorch-based simulation generates synthetic data for discrete manufacturing systems. Timed Petri nets and a directed graph represent production flow, creating an expandable environment for manufacturing AI experiments.
World Manufacturing Report 2024
This award-winning essay examines opportunities and barriers for generative AI in industrial maintenance. It discusses synthetic data, workforce learning, implementation costs, data quality and governance.
Journal of Manufacturing Systems
本文结合系统综述与企业访谈，研究 AI 增强数字孪生在维护中的应用。文章梳理研究与工业实践之间的差距，并提出五层实施框架。
Engineering Applications of Artificial Intelligence
胶线检测的误报会带来不必要的干预与停机。本文比较 17 种无监督模型和 28 种骨干网络，分析有限工业图像下的检测精度、鲁棒性与推理时间。
IOP Conference Series: Materials Science and Engineering
设备剩余寿命预测与故障诊断通常分别建模。本文使用共享传感器数据编码器的 Transformer 联合完成两项任务，并在 100 台工业设备的数据上评估。
arXiv:2608.21417 · Accepted for CIE53 2026
本文通过 MCP，将检索增强的 ABB RAPID 代码生成连接到 RobotStudio。仿真反馈能发现静态代码检查遗漏的执行错误，并支持迭代纠错。
Proceedings - Winter Simulation Conference
维护优先级会随生产系统状态而变化。本文将数字孪生与近端策略优化算法结合，在实验室无人机工厂中研究动态维护优先级排序。
SSRN 6681288
维护日志中包含仅使用数值数据的智能体难以直接利用的诊断知识。这篇预印本结合本地大语言模型、分层多智能体强化学习与生产成本奖励，在实验室无人机装配线场景中评估。
Licentiate thesis · Chalmers University of Technology
这篇副博士论文研究如何从故障预测走向可执行的维护决策。论文整合五项研究，连接工业需求、数字孪生、强化学习与异常检测。
Proceedings - Winter Simulation Conference
本文通过访谈和研讨会，梳理工业用户对维护数字孪生的实际需求。研究涵盖实施要求、决策支持场景与采用障碍。
IOP Conference Series: Materials Science and Engineering
机器人代码生成需要可靠的领域工程知识。本文探索使用可控资料支撑大语言模型的 RAG 架构，同时保留人工监督与来源追溯。
Proceedings - Winter Simulation Conference
无人机工厂数字孪生可在不中断真实生产的情况下比较维护策略。演示系统评估假设场景，并结合绩效指标与结构化决策分析。
IOP Conference Series: Materials Science and Engineering
自适应机器人指令会改变工业培训中的学习与操作负担。本文比较标准化与个性化的人形机器人指导，研究认知负荷和任务表现。
Proceedings - Winter Simulation Conference
本文基于 PyTorch 构建离散制造系统仿真，生成可用于研究的合成数据。定时 Petri 网与有向图共同描述生产流，为制造 AI 实验提供可扩展环境。
World Manufacturing Report 2024
这篇获奖文章讨论生成式 AI 在工业维护中的机遇与落地障碍。内容涵盖合成数据、员工学习、实施成本、数据质量与治理。
Journal of Manufacturing Systems
Översikten förenar publicerad forskning med industriintervjuer om AI-förstärkta digitala tvillingar för underhåll. Den identifierar gap mellan forskning och praktik och föreslår ett ramverk i fem lager.
Engineering Applications of Artificial Intelligence
Falsklarm vid kontroll av limsträngar leder till onödiga åtgärder och driftstopp. Vi jämför 17 oövervakade modeller och 28 basnätverk på industribilder med fokus på noggrannhet, robusthet och inferenstid.
IOP Conference Series: Materials Science and Engineering
Livslängdsprognoser och feldiagnostik modelleras ofta var för sig. Denna Transformer delar en kodare för sensordata mellan båda uppgifterna och utvärderas med data från 100 industrimaskiner.
arXiv:2608.21417 · Accepted for CIE53 2026
Arbetsflödet kopplar RAG-baserad generering av ABB RAPID till RobotStudio via MCP. Simuleringsåterkoppling avslöjar exekveringsfel som statisk kodkontroll missar och stödjer iterativ korrigering.
Proceedings - Winter Simulation Conference
Underhållsprioriteringar förändras med produktionssystemets tillstånd. Studien kombinerar en digital tvilling med proximal policy optimization för att prioritera underhåll i en drönarfabrik i laboratorieskala.
SSRN 6681288
Underhållsloggar innehåller diagnostisk kunskap som rent numeriska agenter inte kan använda direkt. Denna preprint kombinerar lokala språkmodeller med hierarkisk fleragentsinlärning och kostnadsbaserad belöning i en laboratoriestudie.
Licentiate thesis · Chalmers University of Technology
Licentiatavhandlingen undersöker övergången från felprognoser till genomförbara underhållsbeslut. Den sammanför fem studier om industrins krav, digitala tvillingar, förstärkningsinlärning och anomalidetektion.
Proceedings - Winter Simulation Conference
Intervjuer och en workshop identifierar vad industrins intressenter behöver från en digital tvilling för underhåll. Studien kartlägger införandekrav, beslutsbehov och hinder för användning.
IOP Conference Series: Materials Science and Engineering
Generering av robotkod kräver tillförlitlig, domänspecifik ingenjörskunskap. Artikeln undersöker RAG-arkitekturer som förankrar språkmodeller i kontrollerade källor med mänsklig kontroll och spårbarhet.
Proceedings - Winter Simulation Conference
En digital tvilling av en drönarfabrik stödjer jämförelser av underhåll utan att störa verklig produktion. Demonstratorn utvärderar scenarier och förenar nyckeltal med strukturerad beslutsanalys.
IOP Conference Series: Materials Science and Engineering
Adaptiva robotinstruktioner kan förändra kraven under industriell utbildning. Studien jämför standardiserade och personliga instruktioner från en humanoid robot med fokus på mental belastning och prestation.
Proceedings - Winter Simulation Conference
Simuleringen i PyTorch genererar syntetiska data för diskreta tillverkningssystem. Tidsatta Petri-nät och en riktad graf beskriver produktionsflödet i en utbyggbar miljö för AI-experiment.
World Manufacturing Report 2024
Den prisbelönade essän granskar möjligheter och hinder för generativ AI inom industriellt underhåll. Den diskuterar syntetiska data, lärande, införandekostnader, datakvalitet och styrning.
Experience & Teaching
经历与教学
Erfarenhet & Undervisning
Awards
荣誉奖项
Utmärkelser
Recognition · 2026
荣誉 · 2026
Utmärkelse · 2026
I am honoured to receive this award recognising the academic achievements of Chinese students abroad.
很荣幸获得这项面向海外中国留学生、表彰学术成果的国家奖学金。
Jag är hedrad över att få ta emot denna utmärkelse för kinesiska utlandsstudenters akademiska prestationer.
Award ceremony · Chinese Embassy in Sweden
颁奖仪式 · 中国驻瑞典大使馆
Prisutdelning · Kinas ambassad i Sverige
Academic Community
学术交流
Akademiskt nätverk
Beyond the lab
实验室之外
Utanför labbet
Away from research, I enjoy a game of Go, video games and a few laps on the karting track. I have travelled to more than 40 countries, and I like getting outdoors for a hike. At home, I share my days with my cat, Xigua — whose name means “watermelon” in Chinese.
不做研究的时候，我喜欢下围棋、玩游戏，也喜欢赛车，偶尔去跑几圈卡丁车。我已经去过 40 多个国家，也喜欢用徒步的方式走进自然。回到家，还有我的猫西瓜，陪我度过日常。
När jag inte forskar spelar jag gärna Go eller datorspel, eller kör några varv på gokartbanan. Jag har rest till fler än 40 länder och tycker om att vandra i naturen. Hemma har jag sällskap av min katt Xigua — namnet betyder ”vattenmelon” på kinesiska.
