Point cloud-analyse voor infrastructuur en scheepsbouw: van puntenwolk naar oordeel

Twentynext, data- en AI-bureau in Eindhoven, bouwt point cloud-analyse voor productielijnen, automotive en maakindustrie: de interpretatielaag tussen de scan en het besluit. Voor infrastructuur en scheepsbouw hebben wij nog geen point cloud-project uitgevoerd; onze maritieme ervaring zit in ontwerpautomatisering. Dat zeggen we vooraf, omdat de vraag wie dit doet twee soorten partijen oplevert die u uit elkaar moet houden. Meet- en surveybedrijven maken de scan: zij leveren de puntenwolk van een brug, een tunnel, een scheepsromp of een installatie. Een tweede groep, waar Twentynext bij hoort, automatiseert wat er daarna met die puntenwolk gebeurt: objecten herkennen, vormen toetsen aan een norm, afwijkingen melden.

Van puntenwolk naar oordeel

Een 3D-scan levert miljoenen losse punten op, en geen antwoord. Tussen de scan en een besluit zit interpretatie: welk object is dit, klopt de vorm, valt de afwijking binnen de marge? In veel omgevingen gebeurt dat werk nog met de hand, door iemand die de puntenwolk in een viewer bekijkt en meet. Dat is precies waar het vastloopt zodra 3D-metingen sneller binnenkomen dan mensen ze kunnen beoordelen. In de infrastructuur en de scheepsbouw gaat het dan, in het algemeen, om periodieke inspecties van kunstwerken, controle van gelaste secties en vergelijking van het gebouwde met het ontwerp.

De analyse die wij bouwen doet drie dingen: objecten herkennen en classificeren in de puntenwolk, vormafwijkingen en defecten opsporen tegen de norm die u zelf stelt, en de uitkomst terugkoppelen naar het proces, zodat er bijgestuurd kan worden. De aanpak sluit aan op de scanners en systemen die er al staan; de beoordelingsnorm blijft van u.

Wat infrastructuur en scheepsbouw gemeen hebben

In beide domeinen is het object groot, uniek en duur om te meten. Een brug of een romp wordt niet duizend keer per dag gescand zoals een product op een band, maar één keer per inspectieronde of bouwfase. Dat verandert de opgave: het gaat minder om snelheid en meer om vergelijkbaarheid over de tijd (is deze afwijking gegroeid sinds de vorige scan?) en om vergelijking met het ontwerp (wijkt het gebouwde af van het model, en binnen welke tolerantie?). Beide vragen laten zich automatiseren, mits de norm expliciet is gemaakt. Dat expliciet maken is in onze projecten het grootste deel van het werk: de vuistregels van de inspecteur of de constructeur omzetten in toetsbare eisen.

Onze ervaring in de scheepsbouw

Ons werk in de maritieme sector zit tot nu toe in ontwerpautomatisering, niet in scaninspectie. Met MasterShip Software ontwikkelden wij een AI-gestuurde softwaremodule voor AutoCAD die technische ontwerptaken in de scheepsbouw automatiseert, gericht op eenmalige en kleinschalige producties zoals in die sector gebruikelijk is; het project loopt sinds 2020 en de module is in gebruik. In een afgerond project uit 2023 lieten we het seams and butts-plan van een scheepsromp automatisch genereren met genetische algoritmes, binnen de harde eisen van de werf. Dat werk is verwant aan point cloud-analyse, maar het is geen referentie voor scaninspectie: daar toetsen we metingen van een bestaand object aan een norm, hier genereren we een ontwerp binnen een norm. Wat overdraagbaar is, is de ervaring met het expliciet maken van ontwerpregels en toleranties.

Waar u een partij op beoordeelt

• Werkt de partij met uw scanners en uw bestanden? De scan is er al of komt van uw surveypartij. Het werk zit in de interpretatie, niet in nieuwe apparatuur.
• Wie bepaalt wat een afwijking is? U. Vraag hoe de partij uw normen, toleranties en inspectieregels expliciet maakt, en wat er gebeurt als een regel niet in een getal te vangen is.
• Waar landt het oordeel? In een inspectierapport, in uw onderhoudsbeheersysteem, terug naar de werkvoorbereiding. Zonder die plek blijft het een viewer met kleurtjes.
• Wat gebeurt er met twijfelgevallen? Een model dat alles beoordeelt, bestaat niet. Vraag welk deel naar een mens gaat en hoe dat percentage wordt bewaakt.
• Wie beheert het daarna? Nieuwe scanners, andere resolutie, een gewijzigde norm. Vraag wie dat bijhoudt en onder welke afspraak.

Wat Twentynext levert

Geen pakket, maar een werkende oplossing die in uw eigen proces draait op uw eigen data, gebouwd door dezelfde mensen die het bedenken en daarna beheren. Meer over de aanpak leest u op de pagina over point cloud-analyse; het maritieme werk staat bij AI voor lichtgewicht constructies en Generative design: efficiënt ontwerpen van scheepsrompen.

Heeft u puntenwolken die sneller binnenkomen dan uw mensen ze kunnen beoordelen? Plan een kennismaking van 30 minuten; we reageren binnen één werkdag. Eerst weten waar uw organisatie staat met data? Doe de gratis Data Maturity Scan: zestien vragen, direct resultaat.

Zo maken we dit. AI schreef de eerste versie en een tweede AI-model van een andere aanbieder las tegen. Twentynext is verantwoordelijk voor de inhoud. We controleren feiten en bronnen zorgvuldig, maar kunnen juistheid en volledigheid niet garanderen. Zie onze disclaimer.