Maritieme toepassingen voor machine learning en data science

Terwijl gegevensverzameling en -analyse de conservatieve maritieme industrie binnendringen, beginnen we barsten te zien in dit grootse oude systeem dat is gebaseerd op traditie en vallen en opstaan.

Als ik oud zeg, bedoel ik niet de jaren 1980 of zelfs de jaren 1880. De meningen variëren over het exacte tijdstip waarop de scheepvaart modern werd, zoals elke zeiler of longshoreman vandaag zou herkennen. Toen de Engelsen en Nederlanders begonnen met het standaardiseren van verzendmethoden tussen hun twee landen om de veiligheid te vergroten en winst te maken, verspreidden de werkwijzen zich snel. Dit gebeurde in de late jaren 1600 en als je deel wilde uitmaken van de scheepvaarteconomie, keek je naar de Engelse, Nederlandse en in mindere mate de Spaanse.

Vandaag zien we een ander voorbeeld van deze technologieclustering die een blijvend effect heeft op een groeiende industrie. Vanaf de jaren 1960 werd Californië de place to be als je deel uitmaakte van de nieuwe generatie elektronicabedrijven. Normen werden vastgesteld en het jargon en de cultuur van Silicon Valley die we vandaag hebben, is een direct gevolg van dit kleine maar krachtige geografische gebied. Naast zachte concepten zoals jargon, werden diepe architectonische normen zoals achtcijferige binaire getallen gestold. Hetzelfde soort transacties en relaties gold ook voor verzending, omdat het een gestandaardiseerd bedrijf werd.

Wereldwijde scheepvaart vertegenwoordigt tegenwoordig vele culturen en waarden en moet snel reageren in het tijdperk van doordringende media en digitale inhoud, anders zal het gedemoniseerd worden en de minimale goodwill verliezen die beschikbaar is voor een grotendeels onzichtbare industrie. Maar als ze een goed idee zien, een idee dat geld bespaart, wordt het snel overgenomen door de hogere managementniveaus. Werknemers zijn soms bestand tegen verandering uit angst voor verlies van baan. Beide gedragingen deden zich voor toen de intermodale zeecontainer in de jaren 1950 werd geïntroduceerd als een kostenbesparende maatregel.

Automatisering van schepen en havens zal een veel moeilijkere reis zijn dan die welke de voorstanders van de modulaire container in de vroege dagen vochten. Het baanverlies bij de havenarbeiders was reëel en de verzegelde container maakte een einde aan de gebruikelijke praktijk om een ​​deel van de lading te besturen. Dit was gebruikelijk en gebeurt vandaag de dag nog steeds, waarbij sommige Masters de activiteit sanctioneren. Het feit was dat het veel minder arbeid kostte om een ​​schip met grote dozen te laden dan afzonderlijke zakken of graan of kratten met apparatuur die in grootte en gewicht varieerde.

Geautomatiseerde schepen en havens elimineren sommige taken die gevaarlijk of vies zijn en de meeste mensen zullen dit soort werk niet missen. Banen met een hoge waarde zijn een ander verhaal. Een volledig autonoom schip is in de toekomst en dat betekent minder risico voor dekhanden terwijl de winst aanzienlijk wordt verhoogd voor reders. De besparingen zijn vergelijkbaar met autonome autobesparingen, minder risico, minder verzekeringskosten, efficiëntere werking, beter verkeersbeheer en eliminatie van menselijke fouten.  

Het elimineren van menselijke fouten op operationeel niveau is belangrijk omdat de meeste ongevallen gebeuren vanwege mislukking vanwege een slecht ontwerp of menselijke fouten in een bepaald aspect van de werking van het schip.

Machine learning geeft ons inzicht in de mariene wereld die we nog nooit eerder hadden en sommige onthullingen zijn in tegenspraak met geaccepteerde overtuigingen. Een goed voorbeeld hiervan is het Digital Deck-product voor commerciële vissers dat werd ontwikkeld door het bedrijf Point 97. Digitaal volgen van visserijgegevens die vissers tijdens hun dagelijkse activiteiten verzamelden, leidde tot ontdekkingen die lokale toezichthouders gebruikten om de visbestanden te beheren en de benodigde middelen te verminderen om zoeken naar illegale visserijactiviteit. Automatisch gegevens importeren zorgt voor vrijwel realtime inzichten, niet alleen voor toezichthouders, maar ook voor vissers.

Nu komt er een nieuwe klasse gegevens met de aankondiging van MIT dat ze een algoritme hebben ontwikkeld dat golfgegevens bewaakt om rouge-golfvorming te voorspellen. Rougegolf zijn gigantische en vaak dodelijke golven die zich vormen in de open zee waar twee golfvelden samenkomen. Rougegolven hebben vaak de vorm van een piek en geen langlopende golf zoals die geproduceerd door tsunami.

Dit is een nieuwe klasse gegevens omdat deze snel moet worden uitgevoerd. Automatische vermijdingssystemen worden niet algemeen geaccepteerd en toestemming om van koers te veranderen kan minuten duren. Rougegolven vormen zich en doen hun schade snel aan, dus het beste gebruik van deze gegevens is in een automatisch systeem dat van koers zal veranderen of zich naar de golfboeg zal richten. Dit maakt zeelieden ongemakkelijk, maar het alternatief is erger.

Classificatiemaatschappijen, verzekeraars en toezichthouders staan ​​allemaal meer automatisering in de weg, maar net als zelfrijdende auto's worden ze geaccepteerd vanwege meer gemak en kostenbesparingen.

We hebben al een punt bereikt waarop er te veel gegevens zijn die een mens kan absorberen. Al die gegevens op de roerdisplays kunnen beter worden beheerd door computers die al vele delen van een modern schip besturen. De weinige zeilers die op schepen van de toekomst blijven, zijn waarschijnlijk technici met weinig taken, tenzij geautomatiseerde onderhouds- en reparatiesystemen falen.