“We evolueren naar een digitale werkelijkheid”, stelt Wim Vancauwenberghe, directeur van BEMAS. “Meer nog: digitalisering is onmisbaar voor de toekomst.” En daarmee bedoelt hij ook de inzet van AI en generatieve modellen in maintenancetoepassingen. We hebben het erover met hem en Louis Morias, data & AI consultant bij Axians. (*)
“In AI is het belangrijk te beseffen dat er geen ‘one fits all’ bestaat”, opent Morias. “Afhankelijk van welk type bedrijf en hoe ver je al staat met digitalisering bieden zich bepaalde AI-oplossingen aan.” Veel informatie staat reeds op papier. Het is dan ook zaak om die data, liefst gestructureerd te digitaliseren. Maar opgelet: “Je kan met AI een propere keuken installeren maar eerst moet je een huis bouwen waarin die past.”
Dat klinkt erg imponerend. Vancauwenberghe sust: “Ondertussen kan je generatieve AI wel als een versneller inzetten voor heel wat verschillende taken.” Generatieve AI maakt nieuwe inhoud –zoals tekst, beelden of gestructureerde gegevens– op basis van patronen die het model tijdens zijn training heeft geleerd en van de context die de gebruiker aanreikt. In maintenance zijn Large Language Models (LLM) vooral interessant voor toepassingen waarin veel tekst, documentatie en menselijke kennis verwerkt moeten worden. Hij somt op: administratieve en repetitieve taken, het documenteren van processen, het inventariseren en samenvatten van verslagen die je tevens ook doorzoekbaar kunt maken… Voor bijvoorbeeld anomaliedetectie of voorspellingen op basis van sensordata blijven andere vormen van machine learning belangrijk.
“Zo kan je bijvoorbeeld veiligheidsinstructies uit machinehandleidingen filteren om daarmee instructiefiches voor een onderhoudstechnicus te laten maken.” Op een werkvloer, die steeds multicultureler en meertalig wordt, kan AI helpen om ‘just-in-time’ en automatisch de vertaalslag te maken voor technici. Een andere toepassing: aan de hand van een Excel-overzicht met instructies kan generatieve AI helpen om een eerste onderhoudsplan op te stellen: wanneer dient wat te gebeuren? Dat is tevens een stap naar het maken van een werkplanning. AI kan ook rekening houden met risico’s -wat als je niets doet?- en inplannen in functie van prioriteiten.
Large Language Models
LLM’s bieden veel mogelijkheden wanneer ze losgelaten worden op klantrelatiebeheersystemen (CRM’s) en Enterprise Asset Management (EAM) systemen die allerlei zaken/data -van voorbije storingen, bijvoorbeeld- integreren. “Root Cause Analysis, bijvoorbeeld”, zegt Vancauwenberghe. “AI kan mogelijke oorzaken van een storing voorstellen en zo als diagnose-assistent of ‘sparringpartner’ fungeren. De uiteindelijke diagnose en technische beslissing blijven echter bij de onderhoudsspecialist.”
We houden het even ‘eenvoudig’. LLM’s zijn te gebruiken om rapporten te schrijven. De technicus, die een hekel heeft aan schrijven en papier, kan zijn interventie gewoon ‘inspreken’. De machine zet de spraak om in het gewenste tekstformaat. Het resultaat kan ook al in andere systemen geïntegreerd worden. Morias noemt de Gentse startup Highsail, die een AI-assistent ontwikkelde voor operatoren en technici. Hij zet spraak, beelden en notities om in gestructureerde rapporten. ‘Ask Odin’ van SOA People (een SAP-specialist) is eveneens een ‘voice agent’ voor maintenance in de industrie. Hij maakt onderhoudsdocumentatie en SAP-context toegankelijk.
Vaak heeft men het nu ook over ‘agentic AI’ die autonoom bepaalde acties kan uitvoeren. Hij noemt LangChain, een platform en open source raamwerk voor het bouwen van AI-agents en LLM-toepassingen. Het helpt je om interoperabele componenten en integraties van derden aan elkaar te koppelen, wat het ontwikkelen van AI-applicaties vereenvoudigt. “Natuurlijk kan het daarbij ook in de fout gaan”, waarschuwt Morias. Waakzaamheid blijft steeds geboden.
Wat het kost en wat het opbrengt
Is er reeds een CMMS (Computerized Maintenance Management System) -veel softwareleveranciers bieden die aan- dan zal AI daarin vaak al geïntegreerd zijn en deel uitmaken van het abonnement of de licentie. Er zijn ‘freemium’ en ‘premium’ formules. Je betaalt dan naarmate de AI meer vermag. Het gebruik van AI kan ook ‘token based’ zijn. Tokens zijn eenheden waarin input en output van het model worden gemeten. Morias stelt vast dat veel AI-aanbieders die richting opgaan maar hij waarschuwt er tegelijk voor dat je op die manier wel heel snel door je budget heen kunt raken.
Vancauwenberghe wijst op het belang van de ‘context’. Hoe belangrijker, des te meer is de gebruiker bereid te betalen voor AI. “Voor eenvoudige use cases kies je voor goedkoper.” Zo zijn vandaag al CoPilote, Gemini of Claude voor tussen €20 en €100 per maand te gebruiken. Zwaardere modellen zullen eerder token-based zijn. Dan betaal je naargelang het type model en je gebruik ervan. “Wij proberen bij Axians het proces op te delen in stukjes en voor elk van die onderdelen dan het kleiner en goedkoper model te gebruiken”, zegt Morias.
Vancauwenberghe kijkt voor de businesscase vooral naar de tijdwinst en de kwaliteit van het onderhoud. “Hoeveel administratietijd bespaart de technicus? Hoeveel minder tijd verliest hij met het zoeken naar technische informatie? Als AI helpt om sneller de juiste handleiding, storingshistoriek of werkinstructie te vinden, kan dat rechtstreeks bijdragen aan een lagere Mean Time To Repair.”
AI-opleidingen en kennis binnenhalen
Scholen experimenteren vooral nog met AI. De eerste technische scholen starten ook een opleiding, zoals het VTI in Deinze. Wie reeds in het vak staat, moet er zelf voor gaan. BEMAS organiseert AI- en Generatieve AI-opleidingen voor maintenancetoepassingen. De vereniging sleutelt ook aan een n8n-opleiding waarbij het leert workflows op te knippen in behapbare onderdelen om dan werkprocessen volgens een standaardmethode te automatiseren. “n8n is een low-codeplatform waarmee workflows grotendeels visueel kunnen worden opgebouwd.” Maar de roep van AI heeft implicaties.
Hoe ga je documenteren, machinedata verzamelen, beelden,… Alles moet op een eigen manier verwerkt worden. Dat vergt tijd en wellicht ook het aanpassen van processen om ‘vector databases’ op te bouwen die niet alleen de ruwe data maar ook hun ‘context’ meenemen. Morias geeft een voorbeeld. “Een bank dient om op te zitten. Maar ‘bank’ verwijst ook naar de financiële instelling. De betekenis verschilt naargelang de context. Met een vector search ga je op zoek naar zaken die semantisch met elkaar gelinkt zijn om er finaal een LLM op los te laten.” Het is een hele klus, een proces om dit alles op te zetten zodat de data aanspreekbaar is/blijft in de toekomst. “Het helpt om daarbij een bedrijf met kennis van zaken aan te spreken”, zegt Morias.
Vaak ontstaat een eerste contact wanneer het bedrijf voor een Asset Information Management (AIM) kiest. Een ander pad loopt via de softwareleveranciers en de nieuwe spelers als OpenAI en Anthropic. Men kan ook al terecht bij wie onderhoud en AI toelevert. “KMO’s kiezen vaak voor deeloplossingen. Grote bedrijven zoeken hun oplossingen op maat te bouwen. Dat kost meer maar…” Het evolueert heel snel, beaamt Morias. “AI is op geen jaar tijd bij veel bedrijven naar een strategisch hoger niveau geklommen.”
Vancauwenberghe merkt dat AI snel wordt omarmd, al blijven er bezorgdheden over privacy, soevereiniteit, milieu,… “Voor vertrouwelijke onderhouds- of productiegegevens zijn de contractuele afspraken en technische beveiligingsmaatregelen minstens zo belangrijk als het gekozen model.”
“Welke technologie je kiest is steeds afhankelijk van de use case”, stelt Morias. Er bestaan al modellen die getraind zijn op specifieke use cases. Er zijn in de cloud ook LLM’s met bepaalde confidentialiteitsafspraken. Bij veel fabrieken is men nog steeds terughoudend en wordt er gewacht op meer maturiteit maar beiden zijn het er over eens: “ook bij deze stand van de innovatielevenscyclus is er meerwaarde uit AI te halen.”
(*) Louis Morias (24) is data & AI consultant bij Axians, met een voorliefde voor voorspellende maintenance en generatieve AI. Hij behaalde eerder een MA in Business Engineering (Gent) en vervolgens een MA in Engineering (Leuven). Een paar maanden geleden won hij in het Zweedse Luleå, op voordracht van BEMAS, de EFNMS Excellence Award met zijn thesis: “Exploring the Potential of Generative AI in Maintenance and Asset Management”.
Door Luc De Smet
