RAG voor data-analyse binnen industriële machines
Opleidingsniveau
Werkveld
Stagevergoeding
Afstudeeropdracht: Toepassing van RAG-methodiek voor dataverzameling en analyse binnen industriële machines
Binnen industriële machines wordt veel data gegenereerd, zoals storingen, statussen, proceswaarden en productiegegevens. Deze data worden vaak wel opgeslagen, maar beperkt gebruikt voor analyse of ondersteuning van engineers en operators.
Nieuwe AI-technieken zoals Retrieval-Augmented Generation (RAG) maken het mogelijk om data en documentatie slim te combineren. Hiermee kan bijvoorbeeld sneller inzicht worden verkregen in storingen of kan een engineer ondersteund worden bij het analyseren van machinegedrag.
Voor Gain Automation Technology ligt hier een kans om machine-data toegankelijker en bruikbaarder te maken, zonder dat diepgaande AI-kennis vereist is.
Opdrachtomschrijving
Het doel van deze afstudeeropdracht is om te onderzoeken hoe de RAG-methodiek praktisch toegepast kan worden binnen een industriële omgeving, en om een werkend prototype te ontwikkelen dat machine-data gebruikt voor eenvoudige analyse en ondersteuning.
De student zal zich onder andere bezighouden met:
Analysefase
- Begrijpen van de basisprincipes van RAG (op hoofdlijnen).
- Inventariseren van beschikbare data binnen een machine of simulatie, zoals:
- Storingsmeldingen
- PLC-variabelen
- Logbestanden
- Documentatie
- Bepalen van praktische use cases, bijvoorbeeld:
- Ondersteuning bij storingen
- Inzicht in machinegedrag
- Sneller vinden van relevante informatie
Ontwerpfase
- Ontwerpen van een eenvoudige architectuur voor het verzamelen en gebruiken van data:
- Hoe wordt data opgehaald (bijv. via bestanden, MQTT of PLC)?
- Hoe wordt data opgeslagen en beschikbaar gemaakt?
- Bepalen hoe deze data gebruikt kan worden in combinatie met een AI-model (bijv. via bestaande tools/libraries).
- Ontwerpen van een eenvoudige gebruikersinterface (bijv. webinterface of tool waarin vragen gesteld kunnen worden).
Implementatiefase
- Ontwikkelen van een prototype waarin:
- Data uit een machine of simulatie wordt verzameld
- Data beschikbaar wordt gemaakt voor analyse
- Een AI-tool vragen kan beantwoorden op basis van deze data
- Gebruik maken van bestaande tools en libraries (geen ontwikkeling van AI-modellen zelf nodig)
- (Optioneel) Koppeling met industriële systemen zoals:
- TwinCAT (Beckhoff)
- MQTT of logging
Validatie
- Testen van het prototype met praktische vragen, zoals:
- “Welke storingen komen het meest voor?”
- “Waarom is de machine gestopt?”
- Evalueren op:
- Gebruiksgemak
- Relevantie van de antwoorden
- Toepasbaarheid in de praktijk



Verwachte resultaten
- Een praktisch onderzoek naar de toepasbaarheid van RAG binnen industriële automatisering.
- Een eenvoudig maar werkend prototype voor data-analyse met AI.
- Inzicht in hoe machine-data beter benut kan worden.
- Aanbevelingen voor verdere toepassing binnen de organisatie.


Gewenst profiel
- Opleiding: HBO Technische Informatica, Industriële Automatisering of Mechatronica.
- Interesse in software en data.
- Basiskennis van programmeren (bijv. Python).
- Affiniteit met industriële automatisering is een pré.
- Interesse in AI is een pré.
Begeleiding en middelen
De student krijgt begeleiding van een technisch specialist binnen Gain Automation Technology.
Er is toegang tot:
- Voorbeelddata en/of simulaties
- Ontwikkeltools (bijv. Python)
- (Optioneel) PLC-omgeving (TwinCAT)
- Documentatie en interne kennis
Overige:
📍 Locatie: Gorinchem
🕒 Werktijden: flexibel, thuiswerken is mogelijk
💰de stagevergoeding bedraagt EUR400,- bruto per maand
Omdat we het ook belangrijk vinden dat je tijd hebt voor vrienden, familie en hobby’s heb je elke maand twee vrije dagen.
Je kunt deze opdracht alleen of als duo uitvoeren. Als duo kun je deze opdracht ook combineren met de opdracht ‘Genereren van PLC-software met AI’.
Past de Afstudeeropdracht: RAG voor data-analyse binnen industriële machines goed bij jou? Dan horen we graag van je!
Voel je vrij om contact op te nemen met Otto Bouman. Je kunt ook een mail sturen naar recruitment@gain.nl

