Afstuderen bij Gain: AI en softwarekwaliteit in industriële automatisering

Bij Gain werken we graag met jong talent. Studenten brengen nieuwe kennis mee en kijken met een frisse blik naar bestaande werkwijzen en technologie. Dat levert vaak waardevolle inzichten op en geregeld ook nieuwe collega’s. Verschillende van hen werken inmiddels al jarenlang bij Gain.

Bij Gain Noordoost zijn vorig jaar twee afstudeerders na hun stage gebleven en inmiddels onderdeel van het team geworden.

Dit jaar verwelkomen we opnieuw twee afstudeerders: Lars en Igor. Beiden werken aan een onderwerp dat direct bijdraagt aan de verdere professionalisering en innovatie van ons softwareontwikkelproces.

Unit-testing en kwaliteitsborging binnen het Gain Standard Beckhoff Framework

Lars richt zich tijdens zijn afstudeerperiode op het verder versterken van de kwaliteit van het Gain Standard Beckhoff Framework. Binnen industriële automatisering worden systemen steeds complexer en nemen de eisen rondom betrouwbaarheid en onderhoudbaarheid toe. Een gestructureerde en geautomatiseerde testaanpak is daarom essentieel.

Zijn onderzoek richt zich op het opzetten van een effectieve unit-teststrategie binnen het framework. Daarbij wordt gekeken naar:

De inzet van beschikbare tooling voor unit-testing
Het combineren van unit-tests met (hardware)simulatie
Het automatiseren van testen binnen het ontwikkelproces

Ook de rol van Artificial Intelligence (AI) wordt hierin meegenomen. Denk aan het genereren van tests op basis van bestaande functionaliteit of specificaties, afgestemd op de wensen van onze engineers.

Met zijn achtergrond in Technische Informatica onderzoekt Lars hoe inzichten uit de IT-wereld , waar testautomatisering al jaren volwassen is, effectief toegepast kunnen worden binnen de OT-omgeving. Het open-source karakter van ons framework maakt deze kwaliteitsverbeteringen direct waardevol voor onze klanten. Zo bouwen we aan een nog betrouwbaardere basis voor toekomstige ontwikkelingen.

AI-gegenereerde PLC-software: van specificatie naar Structured Text

Waar Lars zich richt op het testen van software, onderzoekt Igor juist hoe softwareontwikkeling zelf kan worden versneld en verbeterd met behulp van AI.

Zijn afstudeeropdracht staat in het teken van de inzet van AI binnen het ontwikkelproces van PLC-software bij Gain. Centraal staat de vraag:

In hoeverre is AI in staat om automatisch Structured Text (IEC-61131-3) te genereren op basis van natuurlijke taal of gestructureerde specificaties?

Binnen dit onderzoek ontwikkelt Igor een proof of concept dat PLC-code genereert voor het Beckhoff TwinCAT 3-platform. Daarbij wordt niet alleen gekeken naar technische haalbaarheid, maar nadrukkelijk ook naar:

De kwaliteit van de gegenereerde code
Onderhoudbaarheid en consistentie
Betrouwbaarheid en veiligheid binnen industriële toepassingen

De snelle ontwikkelingen op het gebied van AI bieden kansen om programmeerwerk te versnellen, te uniformeren en schaalbaarder te maken. Tegelijkertijd stelt industriële automatisering hoge eisen aan voorspelbaarheid en robuustheid. In dit onderzoek wordt daarom verkend welke aanpak het meest geschikt is om AI op een verantwoorde en veilige manier toe te passen binnen onze projecten.

Met zijn achtergrond in AI slaat Igor een brug tussen moderne AI-technologie en de dagelijkse praktijk van industriële automatisering. Daarmee zetten we een volgende stap in de verdere digitalisering van onze automatiseringsoplossingen.

De kracht van de combinatie: IT, OT en AI

Wat deze twee afstudeeropdrachten verbindt, is de combinatie van IT-principes en industriële automatisering. Door testautomatisering, AI-ondersteunde ontwikkeling en gestructureerde kwaliteitsborging samen te brengen, werken we aan: