Creación de una cadena de datos para predecir los daños en la carga de los barcos

Apoyamos a los estudiantes e investigadores ofreciéndoles acceso al conjunto de API deFleetMon y a nuestro extenso archivo de datos AIS con datos históricos de posición de buques y escalas portuarias. Lea este artículo invitado que recibimos de Niklas Scherer, estudiante de máster de la Universidad de Ciencias Aplicadas de Bingen, Alemania.

El proyecto académico investiga una correlación entre las condiciones meteorológicas específicas a las que estuvo expuesto un buque y los daños que se produjeron en la carga. Se utilizaron datos AIS y datos meteorológicos para examinar si determinadas condiciones meteorológicas en las vías marítimas de alto tráfico son susceptibles de causar daños a la carga, con el fin de prevenirlos mediante una previsión realista.

¿Qué ocurre con mi carga durante el viaje?

En un mundo globalizado, los productos y materiales se envían diariamente a todo el mundo. Esto plantea importantes retos debido a los diferentes climas, las condiciones meteorológicas imprevisibles y las rutas que cambian ligeramente y que pueden mezclar fácilmente todas estas variables. El objetivo de mi tesis era conceptualizar un conducto de datos que pudiera combinar los datos del AIS con los datos ambientales apropiados medidos por sensores para seguir la ruta de la carga y las condiciones a las que ha estado expuesta. 

Infraestructura propuesta y prueba de funcionamiento

Para lograr este objetivo, se utilizaron datos AIS para seguir a un barco en su ruta de Alemania a Australia. Este largo viaje garantizaba el registro de una variedad de niveles de temperatura y muchas oportunidades de cambios climáticos repentinos. El contenedor de carga estaba equipado con múltiples sensores para recoger datos sobre la temperatura, la humedad y la aceleración en todas las direcciones. 

FleetMonLa API de la empresa fue consultada a intervalos regulares para recibir la ubicación del barco en un momento determinado, lo cual pudo ser introducido automáticamente en la interfaz del sensor. También se utilizó una API meteorológica externa para recibir datos sobre las condiciones meteorológicas marítimas, por ejemplo, la altura de las olas. Todo ello se combinó para crear puntos de datos que contenían las condiciones ambientales de cada posición AIS registrada durante todo el viaje a Australia. 

Resultados y posibles casos de uso

La prueba de funcionamiento arrojó datos prometedores sobre la evolución de las distintas variables en función de la posición actual. El examen de un solo viaje como prueba de concepto no permite sacar conclusiones, pero la metodología empleada demostró ser suficiente para ampliar la operación y recoger datos en muchas rutas diferentes. 

Una vez recogidos suficientes datos, un proyecto posterior los agregaría y analizaría. Los posibles casos de uso incluyen la visualización de datos o incluso En el futuro, la inteligencia artificial podría utilizarse para tomar decisiones sobre la mejor ruta en función de la ruta y las condiciones ambientales a las que se ha expuesto, para proteger la carga.