Gemi kargosundaki hasarı tahmin etmek için bir veri hattı oluşturmak

Öğrencilere ve araştırmacılara FleetMon API Suite 'e ve geçmiş gemi konumu ve liman çağrı verilerini içeren kapsamlı AIS Veri Arşivimize erişim sunarak destek oluyoruz. Almanya'nın Bingen kentindeki Uygulamalı Bilimler Üniversitesi'nde yüksek lisans öğrencisi olan Niklas Scherer'den aldığımız bu konuk makaleyi okuyun.

Akademik proje, bir geminin maruz kaldığı belirli hava koşulları ile meydana gelen kargo hasarı arasındaki ilişkiyi araştırmaktadır. AIS verileri ve hava durumu verileri, gerçekçi tahminlerle hasarı önlemek amacıyla deniz trafiğinin yoğun olduğu hatlarda belirli hava koşullarının yükte hasara yol açma ihtimalinin olup olmadığını incelemek için kullanılmıştır.

Yolculuk sırasında kargoma ne olur?

Küreselleşen dünyada, ürünler ve malzemeler günlük olarak dünya çapında sevk edilmektedir. Bu durum, farklı iklimler, öngörülemeyen hava koşulları ve tüm bu değişkenleri kolayca karıştırabilen çok az değişen rotalar nedeniyle önemli zorluklar ortaya çıkarmaktadır. Tezimin amacı, kargonun rotasını ve maruz kaldığı koşulları takip etmek için AIS verilerini sensörler tarafından ölçülen uygun çevresel verilerle birleştirebilecek bir veri hattı kavramsallaştırmaktı. 

Önerilen altyapı ve test çalışması

Bu amaca ulaşmak için AIS verileri, Almanya'dan Avustralya'ya giden bir gemiyi izlemek için kullanıldı. Bu uzun yolculuk, çeşitli sıcaklık seviyelerini ve ani hava değişiklikleri için birçok fırsatı kaydetmeyi garanti etti. Kargo konteyneri, sıcaklık, nem ve her yöndeki ivme hakkında veri toplamak için birden fazla sensörle donatıldı. 

FleetMon'nin API'si, belirli bir zaman damgasında gemi konumunu almak için düzenli aralıklarla sorgulandı ve bu daha sonra otomatik olarak sensör arayüzüne beslenebildi. Dalga yüksekliği gibi deniz hava koşullarına ilişkin verileri almak için harici bir hava durumu API'si de kullanılmıştır. Tüm bunlar bir araya getirilerek Avustralya'ya yapılan tüm yolculuk boyunca kaydedilen her AIS konumu için çevresel koşulları içeren veri noktaları oluşturuldu. 

Sonuçlar ve potansiyel kullanım durumları

Test çalışması, farklı değişkenlerin mevcut konumun bir fonksiyonu olarak zaman içinde nasıl değiştiğine dair umut verici veriler üretti. Kavram kanıtı olarak tek bir yolculuğun incelenmesi herhangi bir sonuca varılmasına izin vermez, ancak kullanılan metodolojinin operasyonu büyütmek ve birçok farklı rotada veri toplamak için yeterli olduğu kanıtlanmıştır. 

Yeterli veri toplandıktan sonra, bir takip projesi bu verileri bir araya getirecek ve analiz edecektir. Olası kullanım durumları arasında veri görselleştirme ve hatta gelecekte yapay zeka, kargoyu korumak için rotaya ve maruz kaldığı çevresel koşullara göre en iyi rota hakkında karar vermek için kullanılabilir.