Η επανάσταση των δεδομένων στη ναυτιλία

in Τάσεις by

Η τεχνητή νοημοσύνη στον σημερινό κόσμο:

Η τεχνητή νοημοσύνη ή τεχνητή νοημοσύνη είναι ένας γενικός όρος που αναφέρεται σε πολλά συστήματα υπολογιστών που έχουν «νοημοσύνη» με τη μία ή την άλλη μορφή. ακόμη και αν το πρόγραμμα επιβλέπεται σε μεγάλο βαθμό από ανθρώπους. Ωστόσο, τα "Narrow AI's" (AI's που δεν έχουν γενική αυτονομία), ενώ είναι πολύ λιγότερο ενδιαφέροντα αποτελούν πολύ περισσότερα από αυτά που η κοινωνία σήμερα αντιλαμβάνεται ως AI.

Η δύναμη μιας τεχνητής νοημοσύνης έγκειται στην αναγνώριση των υποκείμενων προτύπων και στην εξαγωγή συμπερασμάτων από δεδομένα που είναι πολύ περίπλοκα για τις ανθρώπινες αναλυτικές ικανότητες και στην εξεύρεση λύσεων σε προβλήματα ανάλογα. Αυτά μπορεί να είναι ανεκτίμητα για τη διάγνωση προβλημάτων και την εξεύρεση νέων λύσεων όχι μόνο στις επιχειρήσεις αλλά σε ένα ευρύ φάσμα τομέων που κυμαίνονται από τα εγκόσμια προβλήματα ροής κυκλοφορίας έως σύνθετα προβλήματα νευροεπιστήμης. Μια παγκόσμια έρευνα της McKinsey αναφέρει ότι υπάρχει αύξηση 25% σε ετήσια βάση στην υιοθέτηση της τεχνητής νοημοσύνης στις επιχειρήσεις.

Η τεχνητή νοημοσύνη στη ναυτιλιακή βιομηχανία:

Η εφοδιαστική είναι ένας τομέας που μπορεί να επωφεληθεί σημαντικά από την τεχνητή νοημοσύνη, είναι αρκετά διαισθητικό να κατανοήσουμε ότι τα ανεπεξέργαστα δεδομένα, επεξεργασμένα σωστά, θα επισημάνουν υλικοτεχνικά σημεία συμφόρησης. Μπορεί επίσης να χρησιμοποιηθεί για την εκτέλεση προσομοιώσεων και λύσεων δοκιμών για τον εξορθολογισμό των εν λόγω σημείων συμφόρησης. Η ναυτιλιακή βιομηχανία εκτιμά τη βελτιστοποίηση και ως εκ τούτου είναι αρκετά απαλλαγμένη από προφανή εμπόδια, αλλά η τεχνητή νοημοσύνη μπορεί να κάνει το επιπλέον μίλι και να κάνει βελτιώσεις βελτιώνοντας λειτουργίες όπως η δρομολόγηση εμπορευματοκιβωτίων, ο ανεφοδιασμός κ.λπ.

Τα εντελώς αυτόνομα πλοία είναι το πρώτο πράγμα που έρχεται στο μυαλό όταν σκεφτόμαστε την τεχνητή νοημοσύνη στη ναυτιλιακή βιομηχανία. Το πρώτο πλήρως αυτόνομο σκάφος καθελκύστηκε από τη Rolls Royce και παρουσιάστηκε το 2018. Το αυτόνομο πλοίο Mayflower (MAS), ένα αυτόνομο ερευνητικό σκάφος τριμαράν ξεκίνησε το πρώτο του ταξίδι στις 15 Σεπτεμβρίου 2020. Πρόκειται για ένα σκάφος που δημιουργήθηκε για τη μελέτη κρίσιμων θεμάτων όπως η υπερθέρμανση του πλανήτη, η ρύπανση από μικροπλαστικά και η διατήρηση των θαλάσσιων θηλαστικών από τις κοινές προσπάθειες της IBM και της ProMare και άλλων.

Η νεοφυής επιχείρηση Sea machine robotics με έδρα τη Βοστώνη κατασκευάζει σκάφη απομακρυσμένης διοίκησης και εντελώς αυτόνομα σκάφη για εμπορικούς σκοπούς. Έχουν επίσης ένα σύστημα σκαφών εργασίας μέσω του οποίου τα παλαιότερα σκάφη μπορούν επίσης να μετασκευαστούν για λιγότερο από 100.000 δολάρια ΗΠΑ. Η Sea Machine ανακοίνωσε πρόσφατα μια σύμβαση με τη Maersk για τη χρήση τεχνολογίας επίγνωσης της κατάστασης που θα εφαρμοστεί στα πλοία κατηγορίας πάγου. Οι μηχανές θαλάσσης αναμένουν ότι αυτό θα μειώσει το λειτουργικό κόστος κατά 40 τοις εκατό και θα αυξήσει την παραγωγικότητα των πλοίων κατά 200 τοις εκατό.

Η Silo.AI και η Awake.AI, δύο ιδιωτικές εταιρείες που βασίζονται στην τεχνητή νοημοσύνη, συνεργάζονται για τη βελτίωση της επίγνωσης της κατάστασης όσον αφορά την εφοδιαστική των λιμένων. Τα προγράμματά τους έχουν αποφέρει καλύτερες προβλέψεις για τους χρόνους άφιξης των πλοίων, μια βελτίωση άνω του 80 τοις εκατό. Έχουν επίσης καταφέρει να αυτοματοποιήσουν την απαιτητική χειροκίνητη ανάλυση των διαδρομών των πλοίων. Αυτό επιταχύνει τον προγραμματισμό της εφοδιαστικής φορτίου και επίσης ενισχύει την ικανότητα ανίχνευσης πιθανών εξαιρέσεων που ενδέχεται να προκύψουν καθ 'οδόν, έτσι ώστε οι λύσεις να μπορούν να εφαρμοστούν προληπτικά. Η εφαρμογή ai στα λιμάνια αποστολής βοηθά επίσης στην αποτελεσματικότερη αυτοματοποίηση. προβλέποντας την άφιξη του φορτίου και κινητοποιώντας έτσι άλλα οχήματα όπως βυθοκόρηση και περονοφόρα ανυψωτικά μηχανήματα έτσι ώστε να ελαχιστοποιείται ο χρόνος αδράνειας.

Οι προκλήσεις που πρέπει να ξεπεραστούν:

Όσο αδιαπέραστα και ανίκητα μπορεί να κάνουν την τεχνητή νοημοσύνη να φαίνεται, δεν είναι χωρίς τις πλάνες της. Ένα AI δεν είναι μια μαγική οκτώ μπάλα που έχει όλες τις απαντήσεις. Όταν αντιμετωπίζετε πολύπλοκα προβλήματα, χρειάζεται εξαιρετική ικανότητα για να φτάσετε στις λύσεις σε μερικούς και άλλοι μπορεί να μην είναι καθόλου επιλύσιμες.

Πολλοί ειδικοί υποστηρίζουν ότι το πιο κρίσιμο μέρος των περισσότερων AI είναι το διαθέσιμο σύνολο δεδομένων. Η έλλειψη καλών δεδομένων πηγής μπορεί να εμποδίσει εντελώς ένα AI. Η έλλειψη αισθητηριακών δεδομένων στα περισσότερα πλοία και η απροθυμία να μοιραστούν δεδομένα με βάση το ανταγωνιστικό πλεονέκτημα μπορούν να εμποδίσουν την ανάπτυξη του τομέα. Ένα άλλο πρόβλημα είναι ανακριβή ή εσφαλμένα δεδομένα. Όταν συλλέγονται σε ολόκληρη την αλυσίδα εφοδιασμού, υπάρχει σημαντική πιθανότητα σφαλμάτων να εισχωρήσουν στα δεδομένα εισόδου, ειδικά όταν τα δεδομένα συλλέγονται από εργαζόμενους που δεν είναι εξοικειωμένοι με τις περιπλοκές ενός AI.

Η έλλειψη εξειδικευμένων γνώσεων είναι ένα άλλο μεγάλο μειονέκτημα. Στα περισσότερα Στενά AI, η οικοδόμηση ενός πλαισίου που μπορεί να επεξεργαστεί και να αναλύσει σωστά τα δεδομένα είναι μια ικανότητα που δυστυχώς είναι ανεπαρκής. Όσο και αν έχει ανατιναχθεί ο τομέας της τεχνητής νοημοσύνης, πολλές εταιρείες θρηνούν για την έλλειψη ειδικευμένων εργαζομένων στον τομέα.

Ο διαφαινόμενος φόβος της τεχνητής νοημοσύνης να αναλάβει θέσεις εργασίας μπορεί να μην είναι εντελώς αβάσιμος. Καθώς η αλυσίδα εφοδιασμού και ο κλάδος των logistics είναι «βελτιστοποιημένοι» υπάρχει εύλογη πιθανότητα μερικές θέσεις εργασίας να καταστούν παρωχημένες. Ένα καλό παράδειγμα είναι ότι το 30% του κόστους του ταξιδιού ενός πλοίου είναι αποζημίωση πληρώματος, οι ναυτιλιακές εταιρείες θα αποκομίσουν καθαρό κέρδος μεταβαίνοντας σε εντελώς αυτόνομα πλοία. 

Τα οφέλη της ενσωμάτωσης της τεχνητής νοημοσύνης:

Όπως κάθε άλλος τομέας, η ναυτιλιακή βιομηχανία θα κερδίσει πολλά από την επανάσταση των δεδομένων. Η χαρτογράφηση βελτιστοποιημένων διαδρομών για εξοικονόμηση καυσίμων και αποφυγή εμποδίων, ο έλεγχος του εξοπλισμού λιμένων και πλοίων και η πρόβλεψη της υποβάθμισης ενός πλοίου είναι μόνο η κορυφή του παγόβουνου. Η Hitachi Europe Ltd. Συνεργάζεται με τη Stena Line, μία από τις μεγαλύτερες ναυτιλιακές εταιρείες στην Ευρώπη, εφαρμόζοντας τεχνητή νοημοσύνη στα πλοία για τη μείωση της κατανάλωσης καυσίμων για την πράσινη πρωτοβουλία.

Τον Ιούνιο του 2017, ο ναυτιλιακός γίγαντας Maersk Co. έπεσε θύμα κυβερνοεπίθεσης που προκάλεσε απώλειες άνω των 300 εκατομμυρίων δολαρίων για την εταιρεία. Οι απειλές για την ασφάλεια στον κυβερνοχώρο συνήθως προηγούνται από ασυνήθιστη δραστηριότητα δικτύου. Ένα AI μπορεί να περάσει από την κυκλοφορία του δικτύου και να ανιχνεύσει ανωμαλίες δικτύου που είναι πολύ λεπτές για να παρατηρηθούν από τους ανθρώπους.

Η βελτίωση της ασφάλειας είναι μια άλλη πτυχή που δεν μπορεί να αποσιωπηθεί. Το 75% των θαλάσσιων ατυχημάτων προκαλούνται από την ανθρώπινη συνιστώσα της ναυτιλιακής βιομηχανίας (Allianz 2019). Έτσι, η αυξανόμενη εξάρτηση από την τεχνητή νοημοσύνη όχι μόνο για την ελάφρυνση του φόρτου του πληρώματος, αλλά και για τον εντοπισμό καιρικών συνθηκών, σημείων εγκληματικότητας, τεχνικών ανωμαλιών, λιμενικών συνθηκών κ.λπ., και για τη λήψη τεκμηριωμένης απόφασης προς όφελος όλων. 

Μεταξύ των μυριάδων προκλητικών και σύνθετων προβλημάτων που επιλύονται με την εφαρμογή της τεχνητής νοημοσύνης, υπάρχουν επίσης οι κοσμικές πτυχές όπως η επεξεργασία της γραφειοκρατίας. Η ναυτιλιακή βιομηχανία είναι διαβόητη για τον τεράστιο όγκο εγγράφων που πρέπει να κατατίθενται σχολαστικά κάθε μέρα. Ενώ αυτό είναι ένα αποθαρρυντικό έργο για τους ανθρώπους, οι υπολογιστές είναι ιδιαίτερα κατάλληλοι για τέτοιες εργασίες και μπορούν να κάνουν τη δουλειά χωρίς λάθη πολύ πιο οικονομικά.

Τεράστιες ανεπάρκειες είναι εγγενώς παρούσες στην παγκόσμια αλυσίδα εφοδιασμού. Η τεχνητή νοημοσύνη θα βρει αναπόφευκτα το δρόμο της σε όλο και περισσότερες πτυχές της ναυτιλιακής βιομηχανίας με την πάροδο του χρόνου. Η Nautic expo αναφέρει ότι τα έσοδα από τους ναύλους θα φτάσουν τα 205 δισεκατομμύρια δολάρια το 2023 από 166 δισεκατομμύρια δολάρια το 2017 λόγω της ευρείας υιοθέτησης της τεχνητής νοημοσύνης.

FleetMon και τεχνολογία τεχνητής νοημοσύνης:

«Η σωστή πρόβλεψη των επόμενων δρομολογίων από λιμάνι σε λιμάνι διαδραματίζει αναπόσπαστο ρόλο στη θαλάσσια εφοδιαστική και ως εκ τούτου είναι απαραίτητη για πολλές περαιτέρω εργασίες, όπως ακριβείς προβλέψεις του εκτιμώμενου χρόνου άφιξης».

(Δ. Μάρτεν, Κ. Χίλγκενφελντ, Α. Χάουερ 2020, σελ. 2)

FleetMon εργάζεται σε μια κλιμακούμενη προσέγγιση βασισμένη στην τεχνητή νοημοσύνη για την πρόβλεψη επερχόμενων λιμενικών προορισμών από πλοία με βάση ιστορικά δεδομένα AIS. Η αντίστοιχη μέθοδος προορίζεται κυρίως ως συμπλήρωση για περιπτώσεις όπου η καταχώριση προορισμού AIS ενός σκάφους δεν είναι ερμηνεύσιμη. Καταφέραμε να βρούμε μια σταθερή και αποτελεσματική λύση AI στη βάση δεδομένων που βασίζεται σε μοντέλα Markov κατάλληλα για μαζικά παράλληλες εργασίες πρόβλεψης με υψηλή ακρίβεια. Η έρευνα αποτελεί μέρος ενός χρηματοδοτούμενου έργου που ονομάζεται PRESEA ("Πρόβλεψη θαλάσσιας κυκλοφορίας σε πραγματικό χρόνο"). Το έργο PRESEA χρηματοδοτείται από το Ομοσπονδιακό Υπουργείο Οικονομίας και Ενέργειας της Γερμανίας (BMWi). Ο οργανισμός διαχείρισης έργου διοικείται από το Project Management Jülich (PtJ) στο πλαίσιο της πρόσκλησης «Τεχνολογίες σε πραγματικό χρόνο για την ασφάλεια στη θάλασσα». Το έργο θα διαρκέσει από τον Ιούνιο του 2019 έως τον Νοέμβριο του 2021.

Εάν ενδιαφέρεστε να μάθετε περισσότερα σχετικά με αυτήν την προσέγγιση που βασίζεται στην τεχνητή νοημοσύνη, διαβάστε το έγγραφο ανοιχτού κώδικα που δημοσιεύθηκε από δύο από τους ειδικούς μας στα δεδομένα:

D. Marten, C. Hilgenfeld, A. Heuer: "Κλιμακούμενη μηχανική μάθηση εντός βάσης δεδομένων για την πρόβλεψη διαδρομών από λιμάνι σε λιμάνι", Ανοιχτό περιοδικό για την κινητικότητα και τις μεταφορές, σ. 2-10, 2020.