diff --git a/PWS-ideeen-AI-nucleaire-energie.md b/PWS-ideeen-AI-nucleaire-energie.md index a7d0dbe..c149c89 100644 --- a/PWS-ideeen-AI-nucleaire-energie.md +++ b/PWS-ideeen-AI-nucleaire-energie.md @@ -15,6 +15,19 @@ Vijf productideeën voor je profielwerkstuk, elk met wie dit in de praktijk al o **Waarom leuk voor PWS:** Je kunt dit goed simuleren met dummy-data in Excel of Python zonder dat je echte reactordata nodig hebt. +**Mogelijke hoofdvraag:** *In hoeverre kan een AI-algoritme de onderhoudsplanning van een kerncentrale efficiënter maken dan traditionele, tijd-gebaseerde planning?* + +**Deelvragen:** +1. Hoe werkt onderhoudsplanning in een kerncentrale op dit moment, zonder AI? +2. Wat is het verschil tussen tijd-gebaseerd en conditie-gebaseerd onderhoud? +3. Waarom stapt de sector over van tijd-gebaseerd naar conditie-gebaseerd onderhoud? +4. Welke soorten data zijn nodig om onderhoud te kunnen voorspellen of plannen? +5. Wat maakt onderhoudsplanning in een kerncentrale lastiger dan in een "gewone" fabriek? +6. Wie ontwikkelt dit soort AI-planningssystemen al, en in welke centrales worden ze toegepast? +7. Welke resultaten (tijd- of kostenbesparing) worden hiermee tot nu toe gerapporteerd? +8. Wat zijn de risico's als een AI-planningsmodel een verkeerde inschatting maakt? +9. Wie is er uiteindelijk verantwoordelijk als een AI-advies over onderhoud fout blijkt te zijn? + --- ## 2. Anomaly detection (afwijkingen in sensordata herkennen) @@ -29,6 +42,19 @@ Vijf productideeën voor je profielwerkstuk, elk met wie dit in de praktijk al o **Waarom leuk voor PWS:** Goed te bouwen met Python/scikit-learn op gesimuleerde sensordata — een van de meest haalbare "echte AI"-projecten op deze lijst. +**Mogelijke hoofdvraag:** *Hoe kan een machine learning-model afwijkingen in sensordata van kerncentrale-apparatuur herkennen vóórdat er een storing optreedt?* + +**Deelvragen:** +1. Wat is "anomaly detection" en hoe verschilt dit van gewone data-analyse? +2. Hoe wordt een storing in een kerncentrale nu ontdekt, zonder AI? +3. Welke soorten sensoren en data leveren signalen die op een aankomende storing kunnen wijzen? +4. Hoe "leert" een AI-model wat normaal gedrag is, zonder dat iemand dit expliciet programmeert? +5. Wat is het verschil tussen een gemiste afwijking en een vals alarm, en waarom is die balans belangrijk? +6. Welke bedrijven of instellingen passen anomaly detection al toe in kerncentrales? +7. Hoeveel eerder kunnen deze systemen een probleem signaleren vergeleken met traditionele methodes? +8. Wat zijn de beperkingen van dit soort AI-systemen — waar gaan ze nog wel eens mis? +9. Hoe wordt vertrouwen in zo'n systeem opgebouwd bij operators die gewend zijn aan andere methodes? + --- ## 3. AI-beeldherkenning voor inspecties (scheurtjes/corrosie) @@ -42,6 +68,19 @@ Vijf productideeën voor je profielwerkstuk, elk met wie dit in de praktijk al o **Waarom leuk voor PWS:** Je hoeft geen nucleaire foto's te gebruiken — het principe (CNN's die scheurtjes herkennen) is met willekeurige materiaalfoto's te oefenen en goed visueel te presenteren. +**Mogelijke hoofdvraag:** *Hoe kan beeldherkenning met AI helpen bij het detecteren van materiaalschade in moeilijk bereikbare of gevaarlijke ruimtes zoals een kerncentrale?* + +**Deelvragen:** +1. Hoe wordt materiaalschade (scheurtjes, corrosie) in een kerncentrale nu handmatig geïnspecteerd? +2. Waarom is directe menselijke inspectie in sommige delen van een kerncentrale niet of nauwelijks mogelijk? +3. Wat is beeldherkenning met AI, en hoe leert een model het verschil tussen "schade" en "geen schade"? +4. Welke rol spelen robots (zoals drones of viervoetige robots) bij het uitvoeren van dit soort inspecties? +5. Sinds wanneer wordt dit soort technologie ontwikkeld, en hoe heeft het zich in de tijd ontwikkeld? +6. Welke bedrijven of universiteiten hebben dit al tot een werkend product gemaakt? +7. Hoe nauwkeurig zijn deze systemen vergeleken met een menselijke inspecteur? +8. Wat gebeurt er als het systeem een scheur mist of ten onrechte alarm slaat? +9. Welke goedkeuring of regelgeving is nodig voordat zo'n AI-systeem officieel ingezet mag worden in een kerncentrale? + --- ## 4. Voorspellend onderhoudssysteem (predictive maintenance, breder) @@ -55,6 +94,19 @@ Vijf productideeën voor je profielwerkstuk, elk met wie dit in de praktijk al o **Waarom leuk voor PWS:** Overlapt met idee 2, maar dit is breder inzetbaar — goed als je liever een concept/ontwerp presenteert dan alleen een werkend model. +**Mogelijke hoofdvraag:** *Hoe kan een voorspellend onderhoudssysteem op basis van AI de kosten en downtime van een kerncentrale verminderen?* + +**Deelvragen:** +1. Wat is het verschil tussen reactief, preventief en predictief onderhoud? +2. Welke kosten brengt onverwachte uitval (downtime) van een kerncentrale precies met zich mee? +3. Hoe verzamelt en verwerkt een predictief onderhoudssysteem data uit een centrale? +4. Welke bedrijven passen dit al toe, en bij welke centrales? +5. Welke besparingen (tijd, geld, uitstoot) worden hierdoor tot nu toe gerapporteerd? +6. Waarom groeit de markt voor dit soort systemen zo snel? +7. Wat zijn de nadelen of risico's van te veel vertrouwen op een voorspellend AI-systeem? +8. Hoe verhoudt dit onderwerp zich tot anomaly detection (idee 2) — waar zit het verschil precies? +9. Wat is er nog voor nodig voordat dit soort systemen breed in de hele sector gebruikt kan worden? + --- ## 5. AI-beslissingshulp/chatbot voor operators @@ -67,10 +119,15 @@ Vijf productideeën voor je profielwerkstuk, elk met wie dit in de praktijk al o **Waarom leuk voor PWS:** Juist omdát dit minder ver ontwikkeld is, is het een origineel onderwerp — je loopt minder risico dat je "het wiel opnieuw uitvindt" en kunt makkelijker een eigen, onderscheidend concept neerzetten. ---- +**Mogelijke hoofdvraag:** *Hoe zou een AI-beslissingshulp operators in een controlekamer van een kerncentrale kunnen ondersteunen bij het interpreteren van afwijkende metingen?* -## Advies - -Voor een **werkend product** binnen de tijd die je hebt: optie **2 (anomaly detection)** is het meest haalbare en heeft de meeste bestaande voorbeelden om je onderzoek op te baseren. - -Voor een **origineel concept** waarmee je opvalt: optie **5 (beslissingshulp)** is het minst "al gedaan" en laat meer ruimte voor eigen inbreng. +**Deelvragen:** +1. Wat doet een operator in een controlekamer, en welke soorten beslissingen moet die onder tijdsdruk nemen? +2. Welke informatiebronnen gebruikt een operator nu al om een beslissing te nemen? +3. Wat is het verschil tussen een AI die waarschuwt/voorspelt en een AI die actief meedenkt of advies geeft? +4. Waarom bestaat een interactieve AI-assistent voor operators nog nauwelijks, terwijl andere AI-toepassingen (planning, onderhoud) wel al gangbaar zijn? +5. Welke bedrijven werken al in de richting van dit soort generatieve AI-toepassingen in de nucleaire sector? +6. Wat zijn de gevaren van een AI die een verkeerd advies geeft in een veiligheidskritieke situatie? +7. Hoe kun je voorkomen dat operators té veel op zo'n AI-systeem gaan vertrouwen? +8. Wie is uiteindelijk verantwoordelijk voor een beslissing: de operator of de AI die het advies gaf? +9. Welke wet- en regelgeving zou er nodig zijn voordat zo'n systeem echt ingezet mag worden? \ No newline at end of file