Membangun pipa data untuk memprediksi kerusakan pada kargo kapal

Kami mendukung mahasiswa dan peneliti dengan menawarkan akses keFleetMon API Suite dan Arsip Data AIS kami yang luas dengan posisi kapal historis dan data panggilan pelabuhan. Baca artikel tamu ini yang kami terima oleh Niklas Scherer, seorang mahasiswa gelar master dari University of Applied Sciences di Bingen, Jerman.

Proyek akademik menyelidiki korelasi antara kondisi cuaca tertentu yang dialami kapal dan kerusakan kargo yang terjadi. Data AIS dan data cuaca digunakan untuk memeriksa apakah kondisi cuaca tertentu di jalur lalu lintas tinggi maritim cenderung menyebabkan kerusakan pada angkutan barang untuk mencegah kerusakan dengan perkiraan yang realistis.

Apa yang terjadi pada kargo saya dalam perjalanannya?

Di dunia global, produk dan bahan dikirim ke seluruh dunia setiap hari. Ini menimbulkan tantangan yang signifikan karena iklim yang berbeda, kondisi cuaca yang tidak dapat diprediksi dan rute yang sedikit berubah yang dapat dengan mudah mencampuradukkan semua variabel ini. Tujuan dari tesis saya adalah untuk mengkonseptualisasikan pipa data yang dapat menggabungkan data AIS dengan data lingkungan yang sesuai yang diukur oleh sensor untuk melacak rute kargo dan kondisi yang telah terpapar. 

Infrastruktur dan uji coba yang diusulkan

Untuk mencapai tujuan ini, data AIS digunakan untuk melacak kapal dalam rutenya dari Jerman ke Australia. Perjalanan panjang ini dijamin akan mencatat berbagai tingkat suhu dan banyak peluang untuk perubahan cuaca yang tiba-tiba. Kontainer kargo dilengkapi dengan beberapa sensor untuk mengumpulkan data tentang suhu, kelembaban, dan akselerasi ke segala arah. 

FleetMonAPI disurvei secara berkala untuk menerima lokasi kapal pada stempel waktu tertentu, yang kemudian dapat secara otomatis dimasukkan ke dalam antarmuka sensor. API cuaca eksternal juga digunakan untuk menerima data tentang kondisi cuaca maritim, misalnya, ketinggian gelombang. Semua ini digabungkan untuk membuat titik data yang berisi kondisi lingkungan untuk setiap posisi AIS yang direkam untuk seluruh perjalanan ke Australia. 

Hasil dan kasus penggunaan potensial

Uji coba menghasilkan data yang menjanjikan tentang bagaimana variabel yang berbeda berubah dari waktu ke waktu sebagai fungsi dari posisi saat ini. Memeriksa satu perjalanan sebagai bukti konsep tidak memungkinkan menarik kesimpulan apa pun, namun, metodologi yang digunakan terbukti cukup untuk meningkatkan operasi dan mengumpulkan data pada banyak rute yang berbeda. 

Setelah cukup data dikumpulkan, proyek tindak lanjut akan mengumpulkan dan menganalisisnya. Kemungkinan kasus penggunaan termasuk visualisasi data atau bahkan Di masa depan, kecerdasan buatan dapat digunakan untuk membuat keputusan tentang rute terbaik berdasarkan rute dan kondisi lingkungan yang telah terpapar, untuk melindungi kargo.