Upload files to "/"

Gewerkte uren tot deze commit met vorige niet genoteerde uren mee verwerkt = 3

PWS-ideeen-AI-nucleaire-energie.md

@@ -0,0 +1,76 @@
+# PWS-ideeën: AI & Nucleaire Energie
+
+Vijf productideeën voor je profielwerkstuk, elk met wie dit in de praktijk al ontwikkelt of gebruikt — zodat je weet waar je je eigen (kleinere) prototype tegen kunt afzetten.
+
+---
+
+## 1. AI-dashboard voor refueling/onderhoudsplanning
+
+**Idee:** Een simulatie of algoritme dat laat zien hoe AI een refueling- of onderhoudsschema kan optimaliseren op basis van (fictieve) sensordata.
+
+**Wordt dit al gebruikt?** Ja, actief.
+- **Argonne National Laboratory** (VS) werkt met bedrijf **LPI, Inc.** aan software die de geschatte toekomstige betrouwbaarheid van onderdelen combineert met onderhoudskosten, om optimale planning te berekenen.
+- **OxMaint** biedt een platform dat refueling-outages optimaliseert op basis van de werkelijke conditie van onderdelen, in plaats van vaste schema's.
+- Doel in de sector: onderhoud verschuiven van *tijd-gebaseerd* (vaste intervallen) naar *conditie-gebaseerd* (pas ingrijpen als het nodig is).
+
+**Waarom leuk voor PWS:** Je kunt dit goed simuleren met dummy-data in Excel of Python zonder dat je echte reactordata nodig hebt.
+
+---
+
+## 2. Anomaly detection (afwijkingen in sensordata herkennen)
+
+**Idee:** Een machine learning-model dat "normaal" gedrag leert herkennen in sensordata, zodat het afwijkingen kan signaleren vóórdat het een storing wordt.
+
+**Wordt dit al gebruikt?** Ja, op grote schaal.
+- **iFactory** claimt tot 60 dagen eerder degradatie te detecteren dan traditionele periodieke inspecties, en wordt gebruikt bij koelwaterpompen, noodgeneratoren en HVAC-systemen.
+- **AtkinsRéalis** (VK) loopt een proof-of-concept bij een moderne kerncentrale om storingen te voorspellen vóór ze gebeuren.
+- **GE Research** ontwikkelt dit specifiek voor de nieuwe generatie kleine reactoren (BWRX-300), gefinancierd door het Amerikaanse ARPA-E.
+- **EDF Energy** (Europa) en **Exelon Generation** (VS) hebben dit al operationeel in hun centrales.
+
+**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.
+
+---
+
+## 3. AI-beeldherkenning voor inspecties (scheurtjes/corrosie)
+
+**Idee:** Een beeldherkenningsmodel dat scheurtjes of roest herkent op foto's van materialen, gekoppeld aan het concept van een inspectierobot.
+
+**Wordt dit al gebruikt?** Ja, en dit is het langst lopende onderzoeksgebied van de vijf.
+- **Purdue University** (VS) ontwikkelde al in 2017 een deep-learning algoritme dat scheuren in reactoronderdelen herkent vanuit videobeelden, en heeft hier een patent op aangevraagd.
+- **Westinghouse Nuclear** heeft dit doorontwikkeld tot een commercieel product (HiVE) dat live videobeelden interpreteert om vuil, corrosie en vervorming te herkennen, en dient als eerste bedrijf een AI/ML-toepassing in voor officiële NRC-licentiëring (Amerikaanse toezichthouder).
+- Onderzoek (o.a. gepubliceerd via arXiv, 2026) combineert dit inmiddels met robots zoals de vierpotige **Boston Dynamics Spot** en het **TurtleBot 3**-platform voor autonome inspectie in gevaarlijke ruimtes.
+
+**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.
+
+---
+
+## 4. Voorspellend onderhoudssysteem (predictive maintenance, breder)
+
+**Idee:** Een concept/prototype-app die voorspelt wanneer onderdelen vervangen moeten worden, op basis van trends in sensordata.
+
+**Wordt dit al gebruikt?** Ja, dit is momenteel de grootste AI-toepassing in de nucleaire sector.
+- **Blue Wave AI Labs** heeft dit al operationeel bij **Constellation Energy**'s Peach Bottom en Limerick-centrales, met een geschatte besparing van $1,6 miljoen per jaar per reactor.
+- **McKinsey (QuantumBlack)** heeft dit soort modellen toegepast bij energiebedrijven in de VS, Azië en Australië, met tot 3% verbeterde efficiëntie en $60 miljoen jaarlijkse besparing bij één klant.
+- De markt voor predictive maintenance software in de energiesector wordt geschat op $7,08 miljard in 2030.
+
+**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.
+
+---
+
+## 5. AI-beslissingshulp/chatbot voor operators
+
+**Idee:** Een simpele chatbot of beslisboom die operators in een controlekamer helpt snel te reageren op afwijkende metingen.
+
+**Wordt dit al gebruikt?** Minder ver ontwikkeld dan de andere vier — dit is het gebied waar het minste concrete, publiek bekende operationele voorbeeld bestaat. Aanpalend werk:
+- **Westinghouse** werkt aan bredere generatieve AI-toepassingen ("Nuclear Specific Generative AI") voor de sector, wat richting deze kant beweegt.
+- De meeste bestaande systemen (zoals hierboven) geven wél voorspellingen en waarschuwingen, maar een *interactieve chatbot-achtige assistent* specifiek voor controlekamer-operators is nog relatief onontgonnen terrein.
+
+**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.
+
+---
+
+## 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.