# 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.