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
Vessel Voyage Optimisation for Decarbonisation - AI Solution:
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 for the shipping industry
In order to constantly provide an AI driven optimised vessel voyage DeepSea takes data from your vessel and (with AI) creates an accurate vessel model in the Cloud, which is updated, live, to exactly match your vessel's state and help you run more efficient vessels and more efficient voyages, custom-planned voyages for each vessel.
DEEPSEA Pythia - Performance vessel routing for the 21st-century
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.
DeepSea's platform, is now in place in more than 20 vessel fleets and accurately provides personalized speed and vessel route recommendations for each ship, based on deep learning models trained to predict each ship's energy consumption in every possible condition.
“No human, no matter how many years of experience they have, can compete with these automated instructions. They reduce emissions, reduce fuel consumption and increase operational safety."
"It's a win-win in all aspects of 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, the world's largest car carrier, conducted a rigorous 18-month trial of DeepSea's software to reach this deal. "This is a watershed moment for the meaningful and proven implementation of artificial intelligence (AI) in shipping," said DeepSea President Roberto Cuestas (DeepSea), “There are now many solutions on the market that claim to save fuel, reduce emissions and meet environmental regulations – and most of them are just lip service. It is difficult for shipping companies to distinguish between what is real and what is just marketing. This partnership is another stamp of approval for our technology and approach, from one of the most advanced companies in the industry.” The 18-month trial yielded a fully validated performance improvement of 7% in a subset of Wallenius Wilhelmsen's fleet, and when the project is completed across the entire fleet, this figure is expected to increase to 10%. This equates to more than 75.000 tonnes of fuel saved and 240.000 tonnes of carbon dioxide (C02) not emitted – and will dramatically help ships comply with new industry emissions regulations. Wallenius Wilhelmsen has set ambitious targets to reduce emissions by 27,5% by 2030. “Half of this reduction should come from existing ships. We are working diligently to find environmentally friendly solutions for our existing fleet. Our goal is to implement this innovative voyage optimization solution for increased vessel efficiency across our entire fleet," said Geir Fagerheim, SVP Marine Operations at Wallenius Wilhelmsen.
- - -
The clients of the Greek company DeepSea AI, which include shipping companies from Singapore, Norway, Japan, etc., can save, through DeepSea's technology, 8%-12% in fuel and reduce their environmental footprint. The way for the development of autonomous ships, where their route is "determined" not by the ship captain but by an algorithm, is opened by the acquisition of DeepSea Technologies founded by Konstantinos Kyriakopoulos and Roberto Kousta, by the Japanese multinational Nabtesco, listed on the stock exchange Tokyo.
"The technology we have been developing for so many years was heading in this direction. Now we have the right partner, which allows us to realize this goal, as we did not have a hardware system. With the combination of our technologies, we can also convert existing ships into autonomous ones, as well as install our systems on new ships," says Mr. Kyriakopoulos, speaking about the goal of the acquisition of DeepSea by Nabtesco. DeepSea has developed an artificial intelligence platform which, through the collection - in real time - of data concerning the performance of commercial ships (tankers, containers) during navigation, creates models to optimize their performance (fuel saving, reduction carbon emissions) taking into account the weather conditions, the characteristics of the respective ship, etc.
Its technology is used on over 300 ships. "Essentially with this artificial intelligence model we help the captain reach his destination with the least possible environmental pollution and the best possible performance", explains Mr. Koustas. This is where DeepSea and Nabtesco's systems 'merge' together in which will be able to automate the 'commands' given to the ship by DeepSea (eg the optimal speed of the ship based on the weather conditions). "The ship's autonomy will be based on the best possible control of its every movement to save even more fuel," says Mr. Kyriakopoulos.
According to the company, its customers, which include shipping companies from Singapore, Norway, Japan, etc., can use DeepSea's technology to save 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.
DeepSea's team, which consists of 90 people – 80% are located in Greece – is expected to increase to 110 in the next period, while Athens is being transformed into an artificial intelligence center for the Japanese company's activities. These are not limited to the shipping industry, but extend to railway automation, aviation, wind turbines, etc. "With Nabtesco's investment, technologies around what we call industrial artificial intelligence (industrial AI) will be developed in Greece," says Mr. Kyriakopoulos. "We have a long-term action plan to implement what we want in autonomy and artificial intelligence".
(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 Optimisation for Decarbonisation - 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
Free Buyers Guide - Leading artificial intelligence (AI) companies for the shipping industry
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. (Artificial Intelligence - Wikipedia)
Kunstig intelligens, en computers eller computerstyret robots evne til at udføre opgaver, der almindeligvis er forbundet med intelligente væsener. (Artificial intelligence (AI): Definition, Examples, Types - 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. (What is Artificial Intelligence and How Does AI Work - 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?
Some of these types of AI aren't even scientifically possible right now. According to the current system of classification, there are 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 - a very comprehensive article on AI, by Oracle.com
Fordele og ulemper ved brugen af kunstig intelligens
Hvad er kunstig intelligens (AI)? (according to an AI app itself 🙂 ... 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