Revolusi data dalam pengiriman

in Tren oleh

Kecerdasan buatan di dunia saat ini:

AI atau Kecerdasan Buatan adalah istilah selimut yang mengacu pada banyak sistem komputer yang memiliki "kecerdasan" dalam beberapa bentuk atau lainnya; bahkan jika program ini sangat diawasi oleh manusia. Namun demikian, "AI sempit" (AI yang tidak memiliki otonomi umum), sementara jauh kurang menarik merupakan jauh lebih dari apa yang masyarakat saat ini anggap sebagai AI.

Kekuatan AI terletak pada mengenali pola yang mendasarinya dan menarik kesimpulan dari data yang terlalu kompleks untuk kemampuan analitis manusia dan menemukan solusi untuk masalah yang sesuai. Ini bisa sangat berharga dalam mendiagnosis masalah dan menemukan solusi baru tidak hanya dalam bisnis tetapi dalam beragam bidang mulai dari masalah arus lalu lintas duniawi hingga masalah ilmu saraf yang kompleks. Survei McKinsey global menyatakan bahwa ada peningkatan 25% dari tahun ke tahun dalam adopsi AI dalam bisnis.

AI di industri perkapalan:

Logistik adalah bidang yang dapat memperoleh manfaat besar dari AI, cukup intuitif untuk memahami bahwa data mentah, yang diproses dengan benar akan menunjukkan kemacetan logistik. Ini juga dapat digunakan untuk menjalankan simulasi dan menguji solusi untuk merampingkan kemacetan tersebut. Industri maritim menghargai optimalisasi dan oleh karena itu cukup bebas dari hambatan yang jelas tetapi AI dapat bekerja ekstra dan melakukan perbaikan dengan menyempurnakan operasi seperti perutean kontainer, pengisian bahan bakar, dll. untuk kepentingan semua.

Kapal yang sepenuhnya otonom adalah hal pertama yang terlintas dalam pikiran ketika memikirkan AI di industri maritim. Kapal otonom penuh pertama diluncurkan oleh Rolls Royce dan didemonstrasikan pada tahun 2018. Mayflower Autonomous Ship (MAS), kapal penelitian trimaran otonom memulai perjalanan pertamanya pada 15 September 2020. Ini adalah kapal yang diproduksi untuk mempelajari isu-isu kritis seperti pemanasan global, polusi plastik mikro, dan konservasi mamalia laut oleh upaya bersama IBM dan ProMare dan lainnya.

Startup yang berbasis di Boston Sea machine robotics membangun kapal komando jarak jauh dan kapal yang sepenuhnya otonom untuk tujuan komersial. Mereka juga memiliki sistem perahu kerja di mana kapal yang lebih tua juga dapat dipasang kembali dengan harga kurang dari 100.000 USD. Sea machine baru-baru ini mengumumkan kontrak dengan Maersk untuk menggunakan teknologi kesadaran situasional yang akan diterapkan pada kapal kelas es mereka. Mesin laut berharap hal ini dapat mengurangi biaya operasional sebesar 40 persen dan meningkatkan produktivitas kapal sebesar 200 persen.

Silo.AI dan Awake.AI, dua perusahaan swasta berbasis AI, berkolaborasi untuk meningkatkan kesadaran situasional logistik pelabuhan. Program mereka telah menghasilkan prediksi yang lebih baik tentang waktu kedatangan kapal, peningkatan lebih dari 80 persen. Mereka juga telah berhasil mengotomatisasi analisis manual rute kapal yang menantang. Ini mempercepat perencanaan logistik kargo dan juga meningkatkan kemampuan deteksi potensi pengecualian yang mungkin timbul dalam perjalanan sehingga solusi dapat diterapkan secara proaktif. Menerapkan AI ke pelabuhan pengiriman juga membantu dalam otomatisasi yang lebih efisien; dengan memprediksi kedatangan kargo dan dengan demikian memobilisasi kendaraan lain seperti truk keruk dan forklift sehingga waktu idle diminimalkan.

Tantangan yang harus diatasi:

Karena media saat ini yang tidak dapat ditembus dan tak terkalahkan dapat membuat AI tampak, itu bukan tanpa kekeliruannya. AI bukanlah bola delapan ajaib yang memiliki semua jawaban. Ketika dihadapkan dengan masalah yang kompleks, dibutuhkan keterampilan yang sempurna untuk sampai pada solusi untuk beberapa dan yang lain mungkin tidak dapat dipecahkan sama sekali.

Banyak ahli berpendapat bahwa bagian terpenting dari sebagian besar AI adalah himpunan data yang tersedia. Kurangnya sumber data yang baik dapat sepenuhnya menghambat AI. Kurangnya data sensorik di atas sebagian besar kapal dan keengganan untuk berbagi data berdasarkan memiliki keunggulan kompetitif dapat menghambat pertumbuhan lapangan. Masalah lain adalah data yang tidak akurat atau salah. Ketika dikumpulkan di seluruh rantai pasokan, ada kemungkinan kesalahan yang signifikan merayap ke dalam data input, terutama ketika data dikumpulkan oleh pekerja yang tidak akrab dengan seluk-beluk AI.

Kurangnya pengetahuan ahli adalah kerugian besar lainnya. Di sebagian besar AI Sempit, membangun kerangka kerja yang dapat memproses dan menganalisis data dengan benar adalah keterampilan yang sayangnya kekurangan pasokan. Sebanyak bidang AI telah diledakkan banyak perusahaan meratapi kurangnya pekerja terampil di lapangan.

Ketakutan yang membayangi tentang ai mengambil alih pekerjaan mungkin tidak sepenuhnya tidak berdasar. Karena rantai pasokan dan industri logistik "dioptimalkan", ada kemungkinan yang masuk akal bahwa beberapa pekerjaan akan menjadi usang. Contoh yang baik adalah bahwa 30% dari biaya perjalanan kapal adalah kompensasi kru, perusahaan pelayaran berdiri untuk menghasilkan keuntungan yang rapi dengan beralih ke kapal yang sepenuhnya otonom. 

Imbalan dari integrasi AI:

Seperti bidang lainnya, industri perkapalan berdiri untuk mendapatkan banyak dari revolusi data. Memetakan rute yang dioptimalkan untuk menghemat bahan bakar dan menghindari rintangan, mengendalikan pelabuhan dan peralatan kapal, dan meramalkan degradasi kapal hanyalah puncak gunung es. Hitachi Europe Ltd. Bermitra dengan Stena Line, salah satu perusahaan pelayaran terbesar di Eropa, menerapkan AI di kapal untuk mengurangi konsumsi bahan bakar untuk inisiatif hijau.

Pada Juni 2017, raksasa pelayaran Maersk Co. menjadi korban serangan siber yang menyebabkan kerugian lebih dari 300 juta dolar bagi perusahaan. Ancaman keamanan siber biasanya didahului oleh aktivitas jaringan yang tidak biasa. AI dapat melewati lalu lintas jaringan dan mendeteksi anomali jaringan yang terlalu halus untuk diperhatikan oleh manusia.

Peningkatan keselamatan adalah aspek lain yang tidak dapat diabaikan. 75% kecelakaan laut disebabkan oleh komponen manusia dari industri maritim (Allianz 2019). Jadi ketergantungan yang meningkat pada AI tidak hanya untuk meringankan beban kru tetapi juga untuk mendeteksi pola cuaca, hotspot kejahatan, anomali teknis, kondisi pelabuhan, dll. dan membuat keputusan yang tepat yang menguntungkan semua. 

Di antara segudang masalah menantang dan kompleks yang diselesaikan dengan penerapan AI, ada juga aspek duniawi seperti pemrosesan dokumen. Industri maritim terkenal dengan banyaknya dokumen yang harus diajukan dengan cermat setiap hari. Meskipun ini adalah tugas yang menakutkan bagi orang-orang, komputer sangat cocok untuk tugas-tugas seperti itu dan dapat melakukan pekerjaan tanpa kesalahan jauh lebih ekonomis.

Inefisiensi besar secara inheren hadir dalam rantai pasokan global. AI pasti akan menemukan jalannya ke semakin banyak aspek industri perkapalan seiring berjalannya waktu. Pameran nautika menyatakan bahwa pendapatan pengiriman akan mencapai 205 miliar dolar pada tahun 2023 dari 166 miliar dolar pada tahun 2017 karena adopsi AI yang meluas.

FleetMon dan teknologi AI:

"Prediksi yang benar dari rute pelabuhan-ke-pelabuhan berikutnya memainkan peran integral dalam logistik maritim dan oleh karena itu penting untuk banyak tugas lebih lanjut seperti prediksi akurat tentang perkiraan waktu kedatangan."

(D. Marten, C. Hilgenfeld, A. Heuer 2020, hlm. 2)

FleetMon bekerja pada pendekatan berbasis AI yang dapat diskalakan untuk memprediksi tujuan pelabuhan yang akan datang dari kapal berdasarkan data AIS historis. Metode masing-masing terutama dimaksudkan sebagai isian untuk kasus-kasus di mana entri tujuan AIS dari sebuah kapal tidak dapat ditafsirkan. Kami berhasil menemukan solusi AI dalam database yang stabil dan efisien yang dibangun di atas model Markov yang cocok untuk tugas prediksi paralel besar-besaran dengan akurasi tinggi. Penelitian ini merupakan bagian dari proyek yang didanai yang disebut PRESEA ("Prakiraan lalu lintas maritim berbasis waktu nyata"). Proyek PRESEA didanai oleh Kementerian Federal Jerman untuk Urusan Ekonomi dan Energi (BMWi). Organisasi manajemen proyek diadministrasikan oleh Project Management Jülich (PtJ) dalam kerangka panggilan "Teknologi real-time untuk keamanan maritim". Proyek ini berjalan dari Juni 2019 hingga November 2021.

Jika Anda tertarik untuk mengetahui lebih banyak tentang pendekatan berbasis AI ini, silakan baca makalah sumber terbuka yang diterbitkan oleh dua pakar data kami:

D. Marten, C. Hilgenfeld, A. Heuer: "Scalable In-Database Machine Learning for the Prediction of Port-to-Port-Routes", Jurnal Terbuka untuk Mobilitas dan Transportasi, hlm. 2-10, 2020.