Κατασκευή αγωγού δεδομένων για την πρόβλεψη ζημιών στο φορτίο του πλοίου

Υποστηρίζουμε φοιτητές και ερευνητές προσφέροντας πρόσβαση στοFleetMon Api Suite και το εκτεταμένο αρχείο δεδομένων AIS με ιστορικό θέσης σκάφους και δεδομένα ελλιμενισμού. Διαβάστε αυτό το άρθρο επισκεπτών που λάβαμε από τον Niklas Scherer, μεταπτυχιακό φοιτητή του Πανεπιστημίου Εφαρμοσμένων Επιστημών στο Bingen της Γερμανίας.

Το ακαδημαϊκό έργο διερευνά μια συσχέτιση μεταξύ συγκεκριμένων καιρικών συνθηκών στις οποίες εκτέθηκε ένα πλοίο και της πρόκλησης ζημιάς στο φορτίο. Τα δεδομένα AIS και τα μετεωρολογικά δεδομένα χρησιμοποιήθηκαν για να εξεταστεί εάν ορισμένες καιρικές συνθήκες σε θαλάσσιες λωρίδες υψηλής κυκλοφορίας είναι πιθανό να προκαλέσουν ζημιές στα εμπορεύματα, προκειμένου να αποφευχθούν ζημιές με ρεαλιστικές προβλέψεις.

Τι θα συμβεί στο φορτίο μου στο ταξίδι του;

Σε έναν παγκοσμιοποιημένο κόσμο, τα προϊόντα και τα υλικά αποστέλλονται παγκοσμίως σε καθημερινή βάση. Αυτό θέτει σημαντικές προκλήσεις λόγω των διαφορετικών κλιμάτων, των απρόβλεπτων καιρικών συνθηκών και των ελαφρώς μεταβαλλόμενων διαδρομών που μπορούν εύκολα να συγχέουν όλες αυτές τις μεταβλητές. Ο στόχος της διατριβής μου ήταν να συλλάβω έναν αγωγό δεδομένων που θα μπορούσε να συνδυάσει δεδομένα AIS με κατάλληλα περιβαλλοντικά δεδομένα που μετρήθηκαν από αισθητήρες για την παρακολούθηση της διαδρομής του φορτίου και των συνθηκών στις οποίες έχει εκτεθεί. 

Προτεινόμενη υποδομή και δοκιμαστική λειτουργία

Για την επίτευξη αυτού του στόχου, τα δεδομένα AIS χρησιμοποιήθηκαν για την παρακολούθηση ενός πλοίου στη διαδρομή του από τη Γερμανία στην Αυστραλία. Αυτό το μακρύ ταξίδι εγγυάται ότι θα καταγράψει μια ποικιλία επιπέδων θερμοκρασίας και πολλές ευκαιρίες για ξαφνικές καιρικές αλλαγές. Το εμπορευματοκιβώτιο ήταν εξοπλισμένο με πολλαπλούς αισθητήρες για τη συλλογή δεδομένων σχετικά με τη θερμοκρασία, την υγρασία και την επιτάχυνση προς όλες τις κατευθύνσεις. 

FleetMonΤο API του ψηφιζόταν σε τακτά χρονικά διαστήματα για να λαμβάνει τη θέση του πλοίου σε μια δεδομένη χρονική σήμανση, η οποία στη συνέχεια μπορούσε να τροφοδοτηθεί αυτόματα στη διεπαφή του αισθητήρα. Ένα εξωτερικό API καιρού χρησιμοποιήθηκε επίσης για τη λήψη δεδομένων σχετικά με τις θαλάσσιες καιρικές συνθήκες, π.χ. ύψος κύματος. Όλα αυτά συνδυάστηκαν για να δημιουργήσουν σημεία δεδομένων που περιέχουν περιβαλλοντικές συνθήκες για κάθε καταγεγραμμένη θέση AIS για ολόκληρο το ταξίδι στην Αυστραλία. 

Αποτελέσματα και πιθανές περιπτώσεις χρήσης

Η δοκιμαστική εκτέλεση παρήγαγε ελπιδοφόρα δεδομένα σχετικά με το πώς οι διάφορες μεταβλητές άλλαξαν με την πάροδο του χρόνου ως συνάρτηση της τρέχουσας θέσης. Η εξέταση ενός μόνο ταξιδιού ως απόδειξη της ιδέας δεν επιτρέπει την εξαγωγή συμπερασμάτων, ωστόσο, η μεθοδολογία που χρησιμοποιήθηκε αποδείχθηκε επαρκής για την κλιμάκωση της επιχείρησης και τη συλλογή δεδομένων σε πολλές διαφορετικές διαδρομές. 

Μόλις συλλεχθούν αρκετά δεδομένα, ένα έργο παρακολούθησης θα τα συγκεντρώσει και θα τα αναλύσει. Οι πιθανές περιπτώσεις χρήσης περιλαμβάνουν οπτικοποίηση δεδομένων ή ακόμα και στο μέλλον, η τεχνητή νοημοσύνη θα μπορούσε να χρησιμοποιηθεί για τη λήψη αποφάσεων σχετικά με την καλύτερη διαδρομή με βάση τη διαδρομή και τις περιβαλλοντικές συνθήκες στις οποίες έχει εκτεθεί, για την προστασία του φορτίου.