Van ruwe fabrieksdata naar slimmer onderhoud

Een goede hackathon heeft energie. Een fantastische hackathon heeft impact. Met betere vragen, heldere redeneringen en output die mensen kunnen én willen gebruiken in de fabriek. En dat is wat we kregen toen onze full-time MBA-studenten in zee gingen met NLMK Europe voor een eerste GenAI-hackathon, opgebouwd rond een realiteit die elke fabriek zal herkennen: onderhoudsteams hebben geen gebrek aan data … maar wel aan tijd. “De term ‘productiegegevens’ klinkt overzichtelijk in een leslokaal, maar dat strookt allesbehalve met de realiteit”, aldus Martin Butler, professor Management Practice in Digital Transformation, die de businesscase mee vormgaf. “Een combinatie van registraties door mensen en machines leidt tot ontbrekende elementen, taalkundige inconsistenties en verschillende detailniveaus.” Samen met Vladimir Vashurkin, Smart Manufacturing Lead bij NLMK Europe, bracht Martin een levensechte bedrijfscontext mee naar het leslokaal. “De studenten kregen geen strak omlijnde sandbox om in te spelen. Ze kregen echte gegevens en een echte rol om in te kruipen … en één namiddag om er logica in te brengen.”

Wat schuilt er écht achter ‘onderhoud’?

Als je nog nooit een betrouwbaarheidsingenieur aan het werk zag, durf je al snel te veronderstellen dat voorspellend onderhoud start met een deterministisch model: als dit, dan dat. Maar de realiteit van NLMK begint, net als elke complexe bedrijfsomgeving, met interpretatie. Vladimir legt de routine uit: “Shiftrapporten van de productie, onderhoudslogs, systeemhistorieken, gepland werk dat nog loopt, stromen naar het onderhoudsteam dat beschrijvingen in gewone taal moet koppelen aan de juiste apparatuur-ID. Die koppeling is goed voor 40-50% van de dagelijkse werklast. Dat is enorm! Met de hackathon wilden we die dagelijkse routine dus versnellen met de hulp van AI. Niet ‘AI omwille van AI’, maar een eerste stap naar een AI-systeem dat de mensen die het werk doen kan ondersteunen.”

Een briefing die een deel van het leerproces werd

Je krijgt MBA-studenten pas helemaal mee als een case geloofwaardig is. Voor Martin was dat een absolute voorwaarde: “NLMK leverde actuele, ongestructureerde data van de afgelopen maand aan en stuurde onderhoudsingenieurs om de context toe te lichten.” 

Zelfs voordat de hackathon van start ging, creëerde de samenwerking waarde via duidelijkheid. Vladimir glimlacht wanneer hij terugdenkt aan de weken toen hij en zijn team van projectsponsors, samen met Martin, de aftrap van de hackathon voorbereidden: “Het was best wel grappig. We hadden verwacht dat we de relevante data gewoon ter beschikking hadden, maar we botsten op de dubbelzinnigheid – en bikkelharde realiteit – van data. Het was niet altijd duidelijk hoe de rapporten heetten, welke teams ze hadden aangemaakt en wat de gegevensbron was, want data worden gegenereerd via verschillende kanalen.” 

Eén namiddag, zes teams, diverse strategieën

Op de dag zelf zag de kamer er precies uit zoals je verwacht van een hackathon. En zo klonk ze ook. Teams troepten samen, vragen vlogen heen en weer en de context werd afgetast. En NLMK verschool zich niet achter een diapresentatie, legt Vladimir uit: “Drie collega’s en ik bleven de hele namiddag daar om eventuele vragen van studenten te beantwoorden. Ze kregen van ons carte blanche voor de aanpak van het probleem. Om de output toegankelijk te houden, drongen we aan op het gebruik van Microsoft Copilot als belangrijkste AI-tool. Ze mochten wel aanvullende tools gebruiken als ze dat wilden.” 

Het belangrijkste was het denkproces. Groepjes moesten de routine van de onderhoudstechnieker onderverdelen in stappen, om die vervolgens te vertalen naar een reeks prompts die op hun beurt bruikbare output creëerden. “Die openheid leverde verscheidenheid op”, voegt Vladimir daar nog aan toe. “Bij die zes groepjes zagen we verschillende benaderingen. Sommigen startten top-down, door te groeperen, structureren en dashboarden, alvorens aan de slag te gaan met de inzichten. Anderen brachten eerst de omgeving in kaart.”

De studentenervaring: diverse teams, echte energie

Voor het full-time MBA-cohort is de hackathon onderdeel van een breder immersief AI-leertraject dat bewust verweven is in disciplines, in plaats van het te behandelen als een op zichzelf staand thema. “We geven geen opleiding over AI”, zegt Martin. “We ontwikkelen AI-vaardigheden binnen de praktische toepassingen, binnen disciplines en echte toepassingen.”

De opbouw naar de hackathon was luchtig, maar doelgericht. “Enkele teasermails vooraf, met een speelse uitnodiging om hoodies te dragen zoals echte hackers, en wat algemene informatie over de werking van NLMK”, blikt Carole Govaerts terug. Samen met Antonio Vasco de Mello en drie andere medestudenten behoorde zij tot een van de zes groepjes die de arena betrad. “Ikzelf heb een juridische achtergrond. De rest van ons team kwam uit engineering, finance of marketing/beleid.” Antonio bracht engineering- en onderhoudservaring in, “al is het dan uit de compleet andere context van offshore schepen. Ik had nooit met AI gewerkt omdat dit om vertrouwelijkheidsredenen verboden was. Dus nee, we hadden niet echt een AI-wizard aan boord.”

‘Goede’ output

Het team startte niet met een model. De eerste stap was namelijk niet een model, maar wel een gesprek openen met de ingenieurs van NLMK. “We vroegen hen wat hun werk het meest vertraagde”, zei Antonio. “Stilstandtijd is niet te herleiden tot één ding. Het zijn honderden kleine beslissingen die onder tijdsdruk worden gemaakt. We wilden weten waar ze mee te maken hebben als er iets fout gaat.”

Carole legt uit hoe zij de losse data structureerden: “We onderzochten welke velden echt nuttig zijn en creëerden een overzicht van de verschillende databronnen en registratiemethodes. Dat vertaalden we vervolgens in een promptstructuur die ingenieurs echt kunnen gebruiken.”

In de praktijk combineerde hun prototype diverse databronnen in één stroom. De gebruiker kiest een machine en een tijdskader, en de AI-assistent genereert een helder overzicht van afwijkingen, mogelijke onderliggende oorzaken en aanbevolen controles – altijd met verwijzingen naar de betreffende logregels. “Onze output was eenvoudig en modulair”, voegt Antonio daaraan toe. “We stelden een ‘promptbibliotheek’ en een dashboardstroom voor die kan meegroeien met de data, om te beginnen met één lijn of één machine en vervolgens uit te breiden. Dat maakt een proefproject realistisch.”

De volgende stappen

Voor Vladimir is die bruikbaarheid waar het allemaal om draait. En de reden waarom het team van Carole en Antonio won. “We zijn van plan om de output van de hackathon mee te nemen naar het bedrijf, om het concept na te kijken met nog meer onderhoudsexperts, een stresstest uit te voeren op meer machines en tijdskaders, en helder te krijgen welk datawerk we moeten doen om van concept naar proefproject te gaan.”

De hackathon is misschien wel het begin van een langere samenwerking. NLMK Europe en Vlerick onderzoeken immers een mogelijk vervolg in de vorm van een intern project. Een klein studententeam zou kunnen helpen om de oplossing verder te ontwikkelen door het prompt-framework aan te scherpen, de logica van het dashboard te verbeteren en het te vertalen naar een stappenplan voor implementatie.

Martin benadrukt het evenwicht dat samenwerkingen zoals deze tot een succes maakt: “NLMK moet bedrijfswaarde zien, en studenten moeten lessen zien.”