Generatieve AI pluist onderhoudsrapporten uit

MBA-studenten aan de Vlerick Business School hebben een hackathon gedaan om met generatieve AI een toepassing te ontwikkelen die klaarheid brengt in onderhoudsdata. Voor de oefening werd samengewerkt met staalbedrijf NLMK Europe dat reële data uit zijn fabrieken aanleverde en wil verder bouwen op de resultaten van de hackathon om in het bedrijf een reëel proefproject op te zetten.

Bij het gebruik van artificiële intelligentie in onderhoud denken we meestal aan toepassingen waarin data in tijdsreeksen geanalyseerd wordt om anomalieën te detecteren. Een typisch voorbeeld is het meten van temperaturen en trillingen in mechanische componenten zoals lagers en transmissies. Bepaalde patronen in die meetwaarden kunnen wijzen op slijtage of andere problemen in de componenten of de processen eromheen.

In de wereld van AI worden de meetwaarden van sensoren tijdsreeksen genoemd omdat men om de zoveel tijd een nieuwe waarde krijgt. Het gaat om gestructureerde data waarbij van elke meetwaarde precies gedefinieerd is wat het getal in kwestie voorstelt.

In de reële praktijk van een fabriek is er echter ook zeer veel ongestructureerde data, en dat is waar de hackathon aan de Vlerick Business School mee aan de slag ging. Staalbedrijf NLMK Europe leverde voor de oefening reële shiftrapporten van de productie, onderhoudslogs en systeemhistorieken. Het zijn documenten waarin mensen uit de productie in gewone taal waarnemingen beschrijven en verslag doen van stilstanden en andere problemen.

Voor mensen in onderhoud is het een hele klus om dat soort beschrijvingen te koppelen aan technische aspecten van specifieke machines. De uitdaging in de hackathon was om dit met generatieve AI te doen. Heel concreet werd gewerkt aan een reeks prompts waarmee het mogelijk was om alle relevante informatie over een bepaalde machine gedurende een bepaald tijdskader samen te brengen. Om dat te doen werd eerst structuur gebracht in de data door aan te geven welke velden relevant kunnen zijn voor bepaalde prompts. De AI-assistent kan dan een overzicht genereren van afwijkingen en mogelijke onderliggende oorzaken en aanbevolen controles suggereren, met verwijzingen naar de betreffende logregels zodat de gebruiker kan verifiëren wat er precies gemeld werd.

In een blog post stelt NLMK Europe dat de hackathon een mooie aanzet leverde waarop het bedrijf wil verder bouwen om een reëel proefproject op te zetten dat mensen in onderhoud kan ondersteunen bij de verwerking van ongestructureerde data.

© Productivity.be, 03/04/2026

Feel free to share