Skip to content

Use cases

De use cases binnen het MLOps4ECM-project dienen als praktische voorbeelden van de toepassing van MLOps-strategieën en -tools op edge devices in industriële omgevingen. Ze zijn ontwikkeld om bedrijven inzicht te geven in hoe machine learning effectief kan worden ingezet voor condition monitoring, met als doel de operationele efficiëntie van machines en processen te verbeteren.

Door concrete probleemstellingen uit de industrie aan te pakken, illustreren de use cases niet alleen de mogelijkheden en beperkingen van verschillende technologieën, maar reiken ze ook best practices en tools aan die bedrijven ondersteunen bij het succesvol implementeren en optimaliseren van hun eigen machine learning-projecten.

Bekijk hier de verschillende use cases:

  • Bekaert use case: Deze case beschrijft hoe we een volledig geautomatiseerde MLOps-pipeline voor training, packaging en edge-deployment opbouwden via Prefect, Git/LakeFS, MinIO en Jetson-hardware zodat R&D-modellen automatisch en betrouwbaar naar productie worden gebracht.
  • Leap Technologies use case: We tonen hoe occlusion-aware instance segmentation op goedkope edge-hardware (Raxda Rock 5B) wordt getraind en geoptimaliseerd met o.a. Ray Data/Tune, MinIO en ONNX Runtime, inclusief een NPU-deployment.
  • LSDD use case: Hier introduceren we de Latent-space Drift Detector, een orthogonale autoencoder die zonder labels drift opspoort op resource-constrained Beckhoff PLC's, inclusief offline training, online detectie en automatische hertraining.
  • Quicksand use case: Deze use case demonstreert hoe we 900+ energieprofielen van AI-inference op STM32 microcontrollers automatisch uitrollen en meten, met Prefect-orchestratie, containerized builds en gestroomlijnde rapportage voor edge AI-ontwikkeling.
  • Televic use case: We bouwden een data- en visualisatie-pipeline met Parquet/Polars, Plotly dashboards, Git/DVC en een Proxmox-cluster zodat gebruikers realtime treinmetingen via de publieksdemo kunnen verkennen en vergelijken.
  • Vandewiele use case: Deze use case bespreekt de drift-detectiestrategie op edge devices die we toepasten bij Vandewiele-installaties en illustreert hoe je het best sensordata opvolgt en hertrainingstriggers bepaalt.