Brug Artificial Intelligence (AI) Performance Routing til øjeblikkeligt at accelerere din flådes dekarboniseringsbane og reducere brændstofomkostningerne. Performance Routing vil have en stor, kvantificerbar indflydelse på din flådes brændstofforbrug og CII i dag, resultater med stor effekt fra dag ét.
“DeepSea Vessel Voyage Optimering AI-løsning reducerer emissioner, det reducerer brændstofforbruget, og det øger sikkerheden under drift. Det er en win-win i alle aspekter af sejlads“
Geir Fagerheim (SVP Marine Operations) Wallenius Wilhelmsen
Fartøjsrejseoptimering til dekarbonisering – AI-løsning:
Dyb hav udnytter det seneste inden for AI-teknologi for at gøre skibe mere effektive. Ved at samle eksperter fra teknologi og maritim, fokuserer DeepSea på øge effektiviteten og mindske skibenes brændstofforbrug gennem en kombination af teknisk og operationel indsigt drevet af detaljerede AI-genererede præstationsmodeller. Præstationsfartøjsrute for det 21. århundrede.
Vi samarbejder med fremsynede rederier for at gøre shippingbranchen slankere, grønnere og bedre forbundet.
DeepSea samarbejder med fremsynede skibsrederier for at gøre søfartsindustrien slankere, grønnere og bedre forbundet. Blev grundlagt i 2017 for at bringe det bedste fra kunstig intelligens (AI) til skibsfartsindustrien og dets skibsfarts fremmeste AI team, drevet af det mest avancerede AI-team i branchen. Med en kultur af aktiv forskning, bidrager med akademiske artikler til konferencer globalt, driver internationale initiativer inden for AI og bringer alle disse fremskridt til sine effektivitetsfremmende produkter.
DeepSea – AI til shippingindustrien
For konstant at kunne levere en AI-drevet optimeret fartøjsrejse tager DeepSea data fra dit fartøj og (med AI) skaber en nøjagtig fartøjsmodel i skyen, som opdateres, live, så den nøjagtigt matcher dit fartøjs tilstand og hjælper dig med at drive mere effektive fartøjer og mere effektive rejser, specialtilrettelagte rejser for hvert fartøj.
DEEPSEA Pythia – Præstationsfartøjsrute for det 21. århundrede
Verdens første vejrrutingsplatform skræddersyet til dit fartøjs nøjagtige ydeevne under alle vejrforhold. Kraftige AI-modeller forstår præcis, hvordan dit fartøj præsterer under alle vejr- og begroningsforhold.
DeepSeas platform er nu på plads i mere end 20 skibsflåder og giver præcist personlige hastigheds- og fartøjsruteanbefalinger for hvert skib, baseret på deep learning-modeller trænet til at forudsige hvert skibs energiforbrug under alle mulige forhold.
“Intet menneske, uanset hvor mange års erfaring de har, kan konkurrere med disse automatiserede instruktioner. De reducerer emissioner, reducerer brændstofforbruget og øger driftssikkerheden."
"Det er en win-win i alle aspekter af shipping."
Geir Fagerheim, SVP Marine Operations hos Wallenius Wilhelmsen Shipping Company
Wallenius Wilhelmsen, kendt som førende inden for introduktionen af ny teknologi og praksis i den maritime industri, bliver det første globale rederi, der vedtager en fuldt ud AI-baseret tilgang til optimering af skibsrejser på tværs af hele sin flåde på mere end 120 Ro-Ro skibe .
Wallenius Wilhelmsen, verdens største bilselskab, gennemførte en streng 18-måneders prøveversion af DeepSeas software for at nå denne aftale. "Dette er et skelsættende øjeblik for den meningsfulde og dokumenterede implementering af kunstig intelligens (AI) i skibsfart," sagde DeepSea-præsident Roberto Cuestas (DeepSea), "Der er nu mange løsninger på markedet, der hævder at spare brændstof, reducere emissioner og opfylde miljøbestemmelser – og de fleste af dem er bare mundbeviser. Det er svært for rederier at skelne mellem, hvad der er reelt, og hvad der blot er markedsføring. Dette partnerskab er endnu et stempel for vores teknologi og tilgang fra en af de mest avancerede virksomheder i branchen." Det 18-måneders forsøg gav en fuldt valideret præstationsforbedring på 7% i en delmængde af Wallenius Wilhelmsens flåde, og når projektet er afsluttet på tværs af hele flåden, forventes dette tal at stige til 10%. Dette svarer til mere end 75.000 tons brændstof sparet og 240.000 tons kuldioxid (C02) ikke udledt – og vil dramatisk hjælpe skibe med at overholde nye industriemissionsbestemmelser. Wallenius Wilhelmsen har sat ambitiøse mål for at reducere emissionerne med 27,5% inden 2030. "Halvdelen af denne reduktion skulle komme fra eksisterende skibe. Vi arbejder ihærdigt på at finde miljøvenlige løsninger til vores eksisterende flåde. Vores mål er at implementere denne innovative rejseoptimeringsløsning for øget fartøjseffektivitet på tværs af hele vores flåde,” sagde Geir Fagerheim, SVP Marine Operations hos Wallenius Wilhelmsen.
– – –
Kunderne hos den græske virksomhed DeepSea AI, som omfatter rederier fra Singapore, Norge, Japan osv., kan gennem DeepSeas teknologi spare 8%-12% i brændstof og reducere deres miljømæssige fodaftryk. Vejen for udvikling af autonome skibe, hvor deres rute "bestemmes" ikke af skibskaptajnen, men af en algoritme, åbnes ved opkøbet af DeepSea Technologies grundlagt af Konstantinos Kyriakopoulos og Roberto Kousta, af det japanske multinationale Nabtesco, noteret på børsen Tokyo.
"Den teknologi, vi har udviklet i så mange år, var på vej i denne retning. Nu har vi den rigtige partner, som gør, at vi kan realisere dette mål, da vi ikke havde et hardwaresystem. Med kombinationen af vores teknologier kan vi også konvertere eksisterende skibe til autonome skibe, samt installere vores systemer på nye skibe,” siger Mr. Kyriakopoulos, der taler om målet med Nabtescos opkøb af DeepSea. DeepSea har udviklet en kunstig intelligens-platform, som gennem indsamling – i realtid – af data vedrørende kommercielle skibes (tankskibe, containere) præstationer under sejlads skaber modeller til at optimere deres ydeevne (brændstofbesparelse, reduktion af kulstofemissioner) under hensyntagen til vejrforholdene, det respektive skibs karakteristika mv.
Dens teknologi bruges på over 300 skibe. "Med denne kunstige intelligens-model hjælper vi hovedsageligt kaptajnen med at nå sin destination med den mindst mulige miljøforurening og den bedst mulige ydeevne", forklarer Mr. Koustas. Det er her DeepSea og Nabtescos systemer 'smelter' sammen, hvorved de vil kunne automatisere de 'kommandoer', som DeepSea giver skibet (f.eks. skibets optimale hastighed baseret på vejrforholdene). "Skibets autonomi vil være baseret på den bedst mulige kontrol af enhver bevægelse for at spare endnu mere brændstof," siger Mr. Kyriakopoulos.
Ifølge virksomheden kan dets kunder, som omfatter rederier fra Singapore, Norge, Japan osv., bruge DeepSeas teknologi til at spare 8%-12% i brændstof og reducere deres miljømæssige fodaftryk. Sidstnævnte anses for at være afgørende, da indførelsen af en kulstofafgift på skibsfart diskuteres, hvor EU lægger pres på skibsfartssektoren.
DeepSeas team, som består af 90 personer – 80% er placeret i Grækenland – forventes at stige til 110 i den næste periode, mens Athen bliver omdannet til et kunstig intelligenscenter for den japanske virksomheds aktiviteter. Disse er ikke begrænset til shippingindustrien, men strækker sig til jernbaneautomatisering, luftfart, vindmøller osv. "Med Nabtescos investering vil teknologier omkring det, vi kalder industriel kunstig intelligens (industriel AI) blive udviklet i Grækenland," siger hr. Kyriakopoulos . "Vi har en langsigtet handlingsplan for at implementere det, vi ønsker inden for autonomi og kunstig intelligens".
(7. september 2022) Wallenius Wilhelmsen blev det første globale rederi, der har vedtaget en fuldt ud AI-baseret tilgang til rejseoptimering på tværs af hele sin flåde på 120+ skibe.
Wallenius Wilhelmsen rederiet udrullede DeepSea's Performance Routing software, som leverer fartøjsspecifikke rute- og hastighedsplaner, i sidste kvartal af 2022 og 2023. En af de mest fremsynede virksomheder inden for søfartsindustrien, Wallenius Wilhelmsen har sat ambitiøse mål for at reducere emissionen med 27,5 pct. inden 2030. Dette arbejde med DeepSea er et vigtigt skridt mod at møde dem.
Geir Fagerheim, SVP Marine Operations hos Wallenius Wilhelmsen, siger:
”Intet menneske, uanset hvor mange års erfaring de har, kan konkurrere med disse automatiserede sejlinstruktioner. Det reducerer emissioner, det reducerer brændstofforbruget, og det øger sikkerheden under drift. Det er en win-win i alle aspekter af sejlads.”
Denne skelsættende beslutning, den første af sin slags globalt, blev ikke truffet hurtigt - men fulgte 18 måneders strenge trin-for-trin test.
De tal, der i sidste ende kom ud af denne omfattende prøveperiode, er betydelige:
En forbedring på 6,91 TP3T i fartøjets effektivitet og mere end 170.000 tons forudsagde reduktion i emissioner på tværs af flåden.
Men lige så vigtigt at fokusere på er de vigtigste læringer, der kom fra den 18-måneders periode med intenst samarbejde, der førte til dette partnerskab.
Den 13. oktober udførte Wallenius Wilhelmsen og DeepSea et virtuelt webinar, hvor de diskuterede denne valideringsperiode online og diskuterede sammen deres vigtigste erfaringer for dekarbonisering med optimering af fartøjsrejser (Voyage Optimization for Decarbonization – online webinar).
Hvad er 10%-initiativet? En bevægelse for at reducere maritime fartøjers energiomkostninger med 10%, tilgangen er bevist, omkostningseffektiv og kan opnås inden for 12 måneder. 10%-initiativet er en forpligtelse fra DeepSea og medlemmerne (EUROSEAS Ltd, EuroDRY Ltd, ETF Partners, Nabtesco) af initiativet til at arbejde sammen for at gøre noget reelt, målbart og virkningsfuldt – med håndgribelige fordele for alle.
Når det kommer til rejseoptimering – at vælge den bedste kurs og hastighed til rejsen – har skibenes kaptajner ikke værktøjerne til at træffe informerede beslutninger, forklarer hr. Fagerheim fra rederiet Wallenius Wilhelmsen (fragtskibe). Det er derfor, de går hårdt og hurtigt i starten af rejsen, fordi de ikke kan forudsige senere forhold. Det er her AI-drevne rejseoptimeringsplatforme kommer ind.
Indførelsen af AI-løsninger i den maritime industri er på et begyndende stadium, men kunstig intelligens har et enormt potentiale til at frigøre værdi for at optimere flådens effektivitet. AI-teknologi til rejseoptimering er primært fokuseret på at reducere fartøjets brændstofforbrug, hvilket resulterer i reduktion af CO2-emissioner og driftsomkostninger. Lloyd's Registers Maritime Performance Services har udviklet stor erfaring med brugen af AI til fartøjsoptimering og hjælper i sidste ende med at forbedre fartøjets ydeevne. Traditionel og ældre dataanalyse ser kun på 10% fartøjsdata, hvorimod AI-modeller nu kan se på tæt på 100% fartøjsdata og behandle disse data øjeblikkeligt for at skabe ekstremt nøjagtig fartøjsydelsesindsigt omkring brændstofforbrug, hastighed, trim, skrogbegroning og kraft forbrug,” (Andy McKeran, direktør for Maritime Performance Services, Lloyd's Register). Brug på AI kunstig intelligens-løsninger i søfartsindustrien forventes at blive mere end fordoblet i de næste fem år til $2,7 milliarder i 2027, en sammensat årlig vækstrate på 23%.
Maskinlæring: Den næste maritime grænse?
Da tilgængeligheden af data til højtydende computing er stigende sideløbende med indførelsen af automatisering, mener Wärtsilä Voyage, at kunstig intelligens og maskinlæring er teknologier, man skal holde øje med.
Fire måder, hvorpå Maritime Industry investerer i kunstig intelligens til præstationsstyring
AI, IOT, Business Intelligence, Data Analytics ændrer den måde, shipping fungerer på, og reducerer også omkostningerne og reducerer risikoen for menneskeliv. Førende rederier har implementeret AI-støttede teknologier for at få større indsigt i deres skibes ydeevne, mens både etablerede virksomheder og start-ups finder nye måder at rykke grænserne for AI.
Kunstig intelligens og æraen med autonom skibsfart
Verden er forbundet gennem global handel på grundlag af en transportindustri. Og den vil fortsætte med at vokse med en forventet stigning på næsten en tredjedel i søfart frem mod 2030 og med stigninger i ton-kilometertal op til 74.000 milliarder i løbet af prognoseperioden.
Med andre ord vil havet opleve betydelige stigninger i trafikken, presset vil blive meget højere, og risikoen for søulykker og hændelser på havet vil fortsætte. Det anslås, at omkring 90% af ulykker og hændelser til søs forårsaget af menneskelige fejl, koster over 1,4 milliarder EUR i erstatningskrav til søfartsansvar.
Dette har faktisk opfordret virksomheder til at investere i automatisering understøttet af transformationsteknologier inden for kunstig intelligens (AI) og maskinlæring, som den ultimative løsning til at forbedre produktivitet, effektivitet og sikkerhed ved at eliminere menneskelige fejl.
Statistikker har vist, at kunstig intelligens har evnen til at øge transport- og logistikindustriens ydeevne med næsten 90%, hvilket potentielt kan øge industriens årlige omsætning op til 0,45 billioner EUR.
"Autonom skibsfart er fremtiden for den maritime industri. Lige så forstyrrende som smartphonen, vil det smarte skib revolutionere landskabet for skibsdesign og drift."
Mikael Mäkinen, President, Marine hos Rolls-Royce Plc.
Søfartssektoren har arbejdet hårdt på at finde måder at reducere CO2-brændstof-emissioner på linje med den oprindelige IMO GHG-strategi og Maritim 2050 dagsorden med stort fokus på autonomi og fremtidige brændstoffer. Men som presset fortsætter med at vokse i kølvandet på COP26 løsninger, der frigør potentialet for en reduktion på tværs af eksisterende skibsflåder, er bydende nødvendigt.
En kort introduktion til AI (Artificial Intelligence) og dens anvendelser i den maritime industri
Under 2023 SMART4SEA Athen Forum forklarede Themistoklis Sardis, (IT-chef hos Costamare Shipping Company SA), at der er adskillige AI-applikationer i shippingindustrien, herunder automatisering af godshåndtering og -styring, optimering af ruter og logistik og forudsigelig vedligeholdelse af skibe og andet udstyr.
Mens mange industrier drager fordel af og bruger kunstig intelligens til at strømline driften og modtage værdifuld indsigt, har hver især unikke applikationer. At forstå, hvordan den maritime industri tilpasser kunstig intelligens og maskinlæring, kan bedre forberede dig til at arbejde på vandet sammen med dette udstyr
Gratis købervejledning – Førende kunstig intelligens (AI) virksomheder til shippingindustrien
Et gratis dokument (købervejledning), der indeholder detaljerede oplysninger om producenter og leverandører af Shipping AI-løsninger og deres produkter til optimering og planlægning af fartøjsruter, sammen med kontaktoplysninger for at informere din købsbeslutning (download en gratis kopi).
Shipping 4.0 : Den maritime industris fremtid
Damp. Elektricitet. Internet. Disse tre industrielle revolutioner ændrede alt ved den måde, verden fungerer på. I dag er vi midt i den fjerde industrielle revolution: Kunstig intelligens (AI). I modsætning til den gængse tro på, at shipping opererer i en traditionel, "gammeldags" model, har nye fremskridt som en del af denne automatiseringsdrevne industrielle revolution skabt nye mønstre for innovation og forandring. Dette er Shipping 4.0.
Hvad er kunstig intelligens (AI)? Kunstig intelligens udnytter computere og maskiner til at efterligne det menneskelige sinds problemløsnings- og beslutningstagningsevner. (IBM)
Kunstig intelligens er maskiners eller softwares intelligens i modsætning til menneskers eller dyrs intelligens. (Kunstig intelligens – Wikipedia)
Kunstig intelligens, en computers eller computerstyret robots evne til at udføre opgaver, der almindeligvis er forbundet med intelligente væsener. (Kunstig intelligens (AI): Definition, eksempler, typer – Britannica)
Hvad er kunstig intelligens (AI)?
Kunstig intelligens er simulering af menneskelige intelligensprocesser af maskiner, især computersystemer. Specifikke anvendelser af kunstig intelligens omfatter ekspertsystemer, naturlig sprogbehandling, talegenkendelse og maskinsyn.
Hvordan fungerer AI?
Efterhånden som hypen omkring kunstig intelligens er accelereret, har leverandører kæmpet for at promovere, hvordan deres produkter og tjenester bruger det. Ofte er det, de omtaler som AI, simpelthen en del af teknologien, såsom maskinlæring. AI kræver et fundament af specialiseret hardware og software til at skrive og træne maskinlæringsalgoritmer. Intet enkelt programmeringssprog er synonymt med AI, men Python, R, Java, C++ og Julia har funktioner, der er populære blandt AI-udviklere. (Hvad er kunstig intelligens, og hvordan fungerer AI – TechTarget)
Forskelle mellem AI, Machine Learning og Deep Learning
AI, maskinelæring og dyb læring er almindelige udtryk inden for virksomheds-IT og bruges nogle gange i flæng, især af virksomheder i deres markedsføringsmateriale. Men der er forskelle (se mere på: AI vs. machine learning vs. deep learning: Nøgleforskelle (techtarget.com)
Hvad er de 4 typer AI-intelligens?
Nogle af disse typer AI er ikke engang videnskabeligt mulige lige nu. Ifølge det nuværende klassifikationssystem er der fire primære AI typer: reaktiv, begrænset hukommelse, teori om sind og selvbevidst. (Kilde: Forstå de 4 typer kunstig intelligens – bernardmarr.com )
Hvad er AI? Alt at vide om kunstig intelligens, AI's fascinerende og hurtigt udviklende teknologier – ZDnet.com
Hvad er AI? Lær om kunstig intelligens – en meget omfattende artikel om kunstig intelligens af Oracle.com
Fordele og ulemper ved brugen af kunstig intelligens
Hvad er kunstig intelligens (AI)? (ifølge en AI-app selv 🙂 … ChatGPT)
Kunstig intelligens (AI) refererer til simulering af menneskelig intelligens i maskiner, der er i stand til at udføre opgaver, der typisk kræver menneskelig intelligens. Disse opgaver omfatter ting som læring, ræsonnement, problemløsning, opfattelse, sprogforståelse og endda beslutningstagning.
AI-systemer er designet til at analysere data, genkende mønstre og træffe informerede beslutninger eller forudsigelser baseret på disse data. De kan trænes til at forbedre deres præstationer over tid gennem iterative læreprocesser. AI-teknologier er bredt klassificeret i to kategorier: Smal eller svag AI og generel eller stærk AI.
Smal eller svag AI: Denne type AI er designet og trænet til en specifik opgave eller et snævert udvalg af opgaver. Det udmærker sig ved at udføre disse opgaver, ofte overgået menneskelige evner, men det mangler evnen til at forstå eller udføre opgaver uden for dets foruddefinerede omfang. Eksempler på smal AI omfatter stemmeassistenter som Siri eller Alexa, billedgenkendelsessystemer og anbefalingsalgoritmer, der bruges af streamingtjenester.
Generel eller stærk AI: Generel AI refererer til et niveau af kunstig intelligens, der har evnen til at forstå, lære og anvende viden på tværs af en bred vifte af opgaver, ligesom et menneske. Det ville besidde menneskelignende kognitive evner og kunne potentielt udføre enhver intellektuel opgave, som et menneske kan. Generel kunstig intelligens forbliver stort set teoretisk på dette tidspunkt og er ikke blevet opnået.
AI-systemer kan yderligere kategoriseres i machine learning og deep learning:
Maskinelæring: Det er en delmængde af AI, der involverer træning af algoritmer til at lære mønstre fra data og foretage forudsigelser eller beslutninger baseret på disse data. Typer af maskinlæring omfatter overvåget læring (træning med mærkede data), uovervåget læring (finde mønstre i umærkede data) og forstærkende læring (læring gennem forsøg og fejl).
Dyb læring: Dette er en undergruppe af maskinlæring, der bruger kunstige neurale netværk til at modellere og behandle komplekse mønstre og relationer i data. Dyb læring har været særlig vellykket i opgaver som billed- og talegenkendelse.
AI har en bred vifte af applikationer på tværs af forskellige industrier, herunder sundhedspleje, finans, transport, underholdning og mere. Det fortsætter med at udvikle sig hurtigt og har potentialet til at revolutionere, hvordan vi lever og arbejder, selvom etiske overvejelser og potentielle udfordringer også skal behandles omhyggeligt, efterhånden som AI-teknologien udvikler sig.
Find alle topudbydere af Marine Navigation-produkter og -tjenester til sikker sørejseplanlægning
Dansk 
English 
Ελληνικά 
Français 
Español 
Deutsch 
Русский 
日本語 
香港中文 
Tagalog 
العربية 
हिन्दी 
Svenska 
한국어 
עִבְרִית 
Nederlands 
Bahasa Indonesia 
Polski 
Українська 
Türkçe 
ไทย 
Português do Brasil 
Italiano 
فارسی 
Română 
Bahasa Melayu 
Suomi 
Norsk bokmål 
Português 
Tiếng Việt