5.2 KiB
PWS-ideeën: AI & Nucleaire Energie (verkort)
Vijf productideeën voor je profielwerkstuk, met wie dit al ontwikkelt.
1. AI-dashboard voor onderhoudsplanning
Idee: Simulatie die laat zien hoe AI onderhoud kan plannen op basis van sensordata.
Al in gebruik? Ja.
- Argonne National Lab + LPI, Inc.: software die betrouwbaarheid en kosten combineert voor planning.
- OxMaint: platform dat plant op basis van werkelijke conditie i.p.v. vaste schema's.
- Trend: van tijd-gebaseerd naar conditie-gebaseerd onderhoud.
Hoofdvraag: In hoeverre kan AI de onderhoudsplanning van een kerncentrale efficiënter maken dan traditionele planning?
Kern-deelvragen:
- Hoe werkt onderhoudsplanning nu, zonder AI?
- Verschil tijd-gebaseerd vs. conditie-gebaseerd onderhoud?
- Welke data is nodig om onderhoud te voorspellen?
- Wie ontwikkelt dit al, en met welke resultaten?
- Wat zijn de risico's van een verkeerde AI-inschatting?
2. Anomaly detection in sensordata
Idee: ML-model dat afwijkend gedrag herkent vóórdat het een storing wordt.
Al in gebruik? Ja, op grote schaal.
- iFactory: detecteert degradatie tot 60 dagen eerder dan inspecties.
- AtkinsRéalis (VK): proof-of-concept om storingen te voorspellen.
- GE Research: ontwikkelt dit voor nieuwe kleine reactoren (BWRX-300).
- EDF Energy en Exelon: al operationeel.
Hoofdvraag: Hoe kan een ML-model afwijkingen in sensordata herkennen vóórdat er een storing optreedt?
Kern-deelvragen:
- Wat is anomaly detection en hoe verschilt dit van gewone data-analyse?
- Hoe "leert" een model wat normaal gedrag is?
- Verschil tussen gemiste afwijking en vals alarm — waarom belangrijk?
- Wie past dit al toe, en hoeveel eerder signaleren ze problemen?
- Waar gaan deze systemen nog wel eens mis?
3. AI-beeldherkenning voor inspecties
Idee: Model dat scheurtjes/corrosie herkent op foto's, gekoppeld aan een inspectierobot.
Al in gebruik? Ja — het langst lopende onderzoeksgebied.
- Purdue University (2017): deep-learning algoritme voor scheurdetectie, patent aangevraagd.
- Westinghouse (HiVE): commercieel product, eerste AI/ML-toepassing ingediend bij NRC.
- Onderzoek combineert dit met robots als Boston Dynamics Spot en TurtleBot 3.
Hoofdvraag: Hoe kan AI-beeldherkenning helpen bij het detecteren van materiaalschade in gevaarlijke ruimtes zoals een kerncentrale?
Kern-deelvragen:
- Hoe wordt schade nu handmatig geïnspecteerd?
- Waarom is menselijke inspectie soms niet mogelijk?
- Hoe leert een model het verschil tussen schade en geen schade?
- Welke rol spelen robots hierbij?
- Welke goedkeuring is nodig voor officiële inzet?
4. Voorspellend onderhoudssysteem (breder)
Idee: App die voorspelt wanneer onderdelen vervangen moeten worden.
Al in gebruik? Ja — grootste AI-toepassing in de sector nu.
- Blue Wave AI Labs bij Constellation Energy: ~$1,6 miljoen besparing per jaar per reactor.
- McKinsey (QuantumBlack): tot 3% efficiëntieverbetering, $60 miljoen besparing bij één klant.
- Marktomvang predictive maintenance (energie): geschat $7,08 miljard in 2030.
Hoofdvraag: Hoe kan een voorspellend AI-onderhoudssysteem de kosten en downtime van een kerncentrale verminderen?
Kern-deelvragen:
- Verschil reactief, preventief en predictief onderhoud?
- Wat kost onverwachte downtime?
- Wie past dit al toe, met welke besparingen?
- Risico's van te veel vertrouwen op zo'n systeem?
- Verschil met anomaly detection (idee 2)?
5. AI-beslissingshulp/chatbot voor operators
Idee: Chatbot of beslisboom die operators helpt snel te reageren op afwijkende metingen.
Al in gebruik? Minder ver ontwikkeld dan de rest — nog relatief onontgonnen.
- Westinghouse werkt aan generatieve AI voor de sector ("Nuclear Specific Generative AI").
- Bestaande systemen waarschuwen wel, maar een interactieve assistent bestaat nauwelijks.
Waarom leuk voor PWS: Origineler onderwerp, minder risico op "het wiel opnieuw uitvinden".
Hoofdvraag: Hoe zou een AI-beslissingshulp operators kunnen ondersteunen bij het interpreteren van afwijkende metingen?
Kern-deelvragen:
- Welke beslissingen neemt een operator onder tijdsdruk?
- Verschil tussen een AI die waarschuwt en een AI die actief meedenkt?
- Waarom bestaat dit nog nauwelijks, terwijl andere toepassingen al gangbaar zijn?
- Gevaren van een verkeerd advies in een veiligheidskritieke situatie?
- Wie is verantwoordelijk: de operator of de AI?
6. AI voor afvalclassificatie en -sortering
Idee: Algoritme dat bepaalt hoe nucleair afval geclassificeerd en verwerkt moet worden.
Al in gebruik? Ja, vooral bij decommissioning (ontmanteling van oude centrales).
- Veolia Nuclear Solutions + Faculty AI: autonome sortering met de robot Dexter.
- PNNL (Hanford-site): AI optimaliseert glasformules voor verglazen van radioactief afval (onderdeel van de Genesis Mission).
Hoofdvraag: Hoe kan AI helpen bij het classificeren en sorteren van nucleair afval?
Kern-deelvragen:
- Hoe wordt afval nu geclassificeerd, zonder AI?
- Welke categorieën radioactief afval bestaan er?
- Hoe werkt een AI-systeem dat afval herkent en classificeert?
- Wat maakt dit lastiger dan gewoon huishoudelijk afval classificeren?
- Welke rol spelen robots bij fysieke sortering?