Käytä tekoälyn (AI) suorituskykyreititystä nopeuttaaksesi välittömästi kalustosi hiilidioksidipäästöjen vähentämistä ja alentaaksesi polttoainekustannuksia. Suorituskyvyn reitityksellä on merkittävä, mitattavissa oleva vaikutus kalustosi polttoaineenkulutukseen ja CII:hen tänään, ja tulokset ovat suuria ensimmäisestä päivästä lähtien.
"Syvänmeren alusmatkan optimointi AI Ratkaisu vähentää päästöjä, vähentää polttoaineen kulutusta ja lisää turvallisuutta käytön aikana. Se on win-win kaikilla purjehduksen osa-alueilla"
Geir Fagerheim (SVP Marine Operations) Wallenius Wilhelmsen
Vessel Voyage Optimisation for Decarbonisation - AI Solution:
Syvänmeren hyödyntää uusinta tekoälyteknologiaa tehostaakseen laivoja. Teknologian ja merenkulun asiantuntijat yhdistävä DeepSea keskittyy tehokkuuden lisääminen ja laivojen polttoaineenkulutuksen vähentäminen teknisten ja toiminnallisten näkemysten yhdistelmällä, joka perustuu yksityiskohtaisiin tekoälyn luomiin suorituskykymalleihin. Esitysalusten reititys 2000-luvulle.
Teemme yhteistyötä eteenpäin katsovien varustamoiden kanssa tehdäksemme merenkulkualasta kevyemmän, vihreämmän ja paremmat yhteydet.
DeepSea tekee yhteistyötä tulevaisuuteen suuntautuneiden merenkulkuyhtiöiden kanssa tehdäkseen merenkulkualasta kevyemmän, vihreämmän ja paremman yhteyden. Perustettiin vuonna 2017 tuomaan parhaan tekoälyn (AI) merenkulkualalle ja sen merenkulun tärkeimmälle osalle. AI-tiimi, jota käyttää alan edistynein tekoälytiimi. Aktiivisen tutkimuksen kulttuurin ansiosta hän osallistuu akateemisiin kirjoituksiin konferensseihin maailmanlaajuisesti, johtaa kansainvälisiä tekoälyaloitteita ja tuo kaikki nämä edistysaskeleet tehokkuutta lisääviin tuotteisiinsa.
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
Maailman ensimmäinen sääreititysalusta, joka on räätälöity aluksesi tarkan suorituskyvyn mukaan kaikissa sääolosuhteissa. Tehokkaat tekoälymallit ymmärtävät tarkalleen, kuinka aluksesi toimii kaikissa sää- ja likaisissa olosuhteissa.
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, Wallenius Wilhelmsen Shipping Companyn meritoimintojen johtaja
Wallenius Wilhelmsen, joka tunnetaan johtavana merenkulkualan uuden teknologian ja käytäntöjen käyttöönotossa, on ensimmäinen maailmanlaajuinen varustamo, joka ottaa käyttöön täysin tekoälyyn perustuvan lähestymistavan laivojen matkojen optimointiin koko yli 120 ro-ro-laivastossaan. .
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% polttoaineessa ja pienentää ympäristöjalanjälkeään. Jälkimmäistä pidetään ratkaisevan tärkeänä, sillä merenkulun hiiliveron käyttöönotosta keskustellaan Euroopan unionin painostaessa merenkulkualaa.
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. syyskuuta 2022) Wallenius Wilhelmsenistä tuli ensimmäinen maailmanlaajuinen varustamo, joka otti käyttöön täysin tekoälyyn perustuvan lähestymistavan matkan optimointiin koko sen yli 120 aluksen laivastossa.
Wallenius Wilhelmsen laivayhtiö otti DeepSean käyttöön Suorituskyvyn reititysohjelmisto, joka tarjoaa aluskohtaisia reitti- ja nopeussuunnitelmia vuosien 2022 ja 2023 viimeisellä neljänneksellä. Yksi merenkulun alan edistyksellisimmistä yrityksistä Wallenius Wilhelmsen on asettanut kunnianhimoiset tavoitteet vähentää päästöjä 27,5 prosenttia. 2030 mennessä. Tämä työ DeepSean kanssa on tärkeä askel kohti niiden saavuttamista.
Geir Fagerheim, Wallenius Wilhelmsenin merioperaatioiden johtaja, sanoo:
”Ei kukaan ihminen, olipa heillä kuinka monen vuoden kokemus, ei voi kilpailla näiden automaattisten purjehdusohjeiden kanssa. Se vähentää päästöjä, vähentää polttoaineen kulutusta ja lisää turvallisuutta käytön aikana. Se on win-win kaikilla purjehduksen osa-alueilla.
Tämä maamerkkipäätös, ensimmäinen laatuaan maailmanlaajuisesti, ei tehty nopeasti – vaan seurasi 18 kuukautta tiukkaa vaiheittaista testausta.
Numerot, jotka lopulta tulivat tästä kattavasta kokeilujaksosta, ovat merkittäviä:
Alusten tehokkuuden parannus 6,91 TP3T ja yli 170 000 tonnia ennakoivat päästöjen vähenemistä koko laivastossa.
Yhtä tärkeitä ovat kuitenkin ne keskeiset oppimiset, jotka syntyivät 18 kuukauden intensiivisen yhteistyön aikana, joka johti tähän kumppanuuteen.
13. lokakuuta Wallenius Wilhelmsen ja DeepSea järjestivät virtuaalisen webinaarin, jossa keskusteltiin verkossa tästä validointijaksosta ja keskustelivat yhdessä tärkeimmistä oppimistaan hiilidioksidin vähentämisestä alusten matkan optimoinnin avulla (Voyage Optimisation for Decarbonisation - online webinar).
Mikä on 10%-aloite? Liike vähentää merialusten energiakustannuksia 10%:lla, lähestymistapa on todistettu, kustannustehokas ja se voidaan saavuttaa 12 kuukaudessa. 10%-aloite on DeepSean ja aloitteen jäsenten (EUROSEAS Ltd, EuroDRY Ltd, ETF Partners, Nabtesco) sitoumus tehdä yhteistyötä tehdäkseen jotain todellista, mitattavaa ja vaikuttavaa – konkreettisia etuja kaikille.
Mitä tulee matkan optimointiin – matkalle parhaan kurssin ja nopeuden valitsemiseen – laivojen kapteenilla ei ole työkaluja tehdä tietoisia päätöksiä, selittää Fagerheim varustamo Wallenius Wilhelmsenistä (rahtialukset). Tästä syystä he kulkevat kovaa ja nopeasti matkan alussa, koska he eivät voi ennustaa myöhempiä olosuhteita. Tässä AI-käyttöiset matkanoptimointialustat tulevat käyttöön.
Tekoälyratkaisujen käyttöönotto merenkulkualalla on vasta syntyvaiheessa, mutta tekoälyllä on valtavasti potentiaalia avata arvoa laivaston tehokkuuden optimoinnissa. Tekoälyteknologia matkan optimointiin keskittyy ensisijaisesti aluksen polttoaineen kulutuksen vähentämiseen, mikä vähentää CO2-päästöjä ja käyttökustannuksia. Lloyd's Registerin Maritime Performance Services on kehittänyt laajan kokemuksen tekoälyn käytöstä alusten optimointiin ja viime kädessä aluksen suorituskyvyn parantamiseen. Perinteinen ja vanha data-analytiikka tarkastelee vain 10% alustiedoista, kun taas tekoälymallit voivat nyt tarkastella lähes 100% alusdataa ja käsitellä nämä tiedot välittömästi luodakseen erittäin tarkkoja tietoja aluksen suorituskyvystä polttoaineenkulutuksesta, nopeudesta, trimmista, rungon likaantumisesta ja tehosta. kulutus”, (Andy McKeran, Maritime Performance Services -johtaja, Lloyd's Register). Merenkulun tekoälyratkaisuihin käytettyjen menojen odotetaan yli kaksinkertaistuvan seuraavien viiden vuoden aikana $2,7 miljardiin vuoteen 2027 mennessä, mikä tarkoittaa 23%:n vuotuista kasvua.
Koneoppiminen: seuraava merenkulun raja?
Kun korkean suorituskyvyn laskennan datan saatavuus lisääntyy automaation käyttöönoton myötä, Wärtsilä Voyage uskoo, että tekoäly ja koneoppiminen ovat teknologioita, joita kannattaa pitää silmällä.
Neljä tapaa, joilla meriteollisuus investoi tekoälyyn suorituskyvyn hallinnassa
Tekoäly, IOT, Business Intelligence, Data Analytics muuttavat toimitustapoja ja myös vähentävät kustannuksia ja vähentävät ihmishenkien riskiä. Johtavat laivayhtiöt ovat ottaneet käyttöön tekoälyavusteisia teknologioita saadakseen paremman käsityksen alusten suorituskyvystä, kun taas sekä vakiintuneet yritykset että aloittelevat yritykset etsivät uusia tapoja rikkoa tekoälyn rajoja.
Tekoäly ja autonomisen merenkulun aikakausi
Maailma on yhteydessä toisiinsa globaalin kaupan kautta kuljetusteollisuuden pohjalta. Ja se jatkaa kasvuaan, sillä meriliikenteen ennustetaan kasvavan lähes kolmanneksella vuoteen 2030 mennessä ja tonnikilometreissä jopa 74 000 miljardiin ennustejaksolla.
Toisin sanoen valtameren liikenne lisääntyy huomattavasti, paine kohoaa paljon ja merionnettomuuksien ja merellä tapahtuvien vaaratilanteiden riski säilyy. On arvioitu, että noin 90% merionnettomuuksia ja inhimillisistä virheistä johtuvia vaaratilanteita aiheuttavat yli 1,4 miljardia euroa merivastuuvakuutuskorvauksia.
Tämä on itse asiassa rohkaissut yrityksiä investoimaan automaatioon, joka perustuu tekoälyn (AI) ja koneoppimisen muuntamiseen, mikä on lopullinen ratkaisu tuottavuuden, tehokkuuden ja turvallisuuden parantamiseen eliminoimalla inhimilliset virheet.
Tilastot ovat osoittaneet, että tekoälyllä on kyky parantaa kuljetus- ja logistiikkateollisuuden suorituskykyä lähes 90%:llä, mikä saattaa kasvattaa alan vuosituloja jopa 0,45 biljoonaan euroon.
”Autonominen merenkulku on merenkulkualan tulevaisuus. Älykäs laiva mullistaa laivan suunnittelun ja toiminnan maiseman yhtä häiritsevästi kuin älypuhelin.
Mikael Mäkinen, toimitusjohtaja, Rolls-Royce Oyj
Meriliikennesektori on työskennellyt kovasti löytääkseen tapoja vähentää hiilipolttoainepäästöjä Initialin mukaisesti IMO:n kasvihuonekaasustrategia ja Maritime 2050 -agenda keskittyen voimakkaasti autonomiaan ja tulevaisuuden polttoaineisiin. Mutta kun paine jatkaa kasvuaan sen jälkeen COP26 Ratkaisut, jotka vapauttavat nykyisten alusten vähentämismahdollisuudet, ovat välttämättömiä.
Lyhyt johdatus tekoälyyn (Artificial Intelligence) ja sen sovelluksiin merenkulkualalla
Vuoden 2023 SMART4SEA Athens -foorumin aikana Themistoklis Sardis (Costamare Shipping Company SA:n IT-päällikkö) selitti, että merenkulkualalla on useita tekoälysovelluksia, mukaan lukien lastinkäsittelyn ja -hallinnan automatisointi, reittien ja logistiikan optimointi sekä ennakoiva ylläpito. laivoja ja muita laitteita.
Vaikka monet teollisuudenalat hyötyvät tekoälystä ja käyttävät niitä toimintojen virtaviivaistamiseen ja arvokkaiden oivallusten saamiseen, jokaisella on ainutlaatuisia sovelluksia. Ymmärtäminen, kuinka merenkulkuala mukauttaa tekoälyä ja koneoppimista, voi valmistautua paremmin työskentelemään vedessä näiden laitteiden rinnalla
Free Buyers Guide - Leading artificial intelligence (AI) companies for the shipping industry
Ilmainen asiakirja (ostajien opas), joka sisältää yksityiskohtaisia tietoja Shipping AI -ratkaisujen valmistajista ja toimittajista ja heidän aluksen reitityksen optimointi- ja suunnittelutuotteista sekä yhteystiedot ostopäätöksesi vahvistamiseksi (lataa ilmainen kopio).
Toimitus 4.0 : Meriteollisuuden tulevaisuus
Steam. Sähkö. Internet. Nämä kolme teollista vallankumousta muuttivat kaiken maailman toiminnassa. Tänään olemme keskellä neljättä teollista vallankumousta: tekoälyä (AI). Vastoin yleistä uskoa, että merenkulku toimii perinteisen, "vanhanaikaisen" mallin mukaan, uudet askeleet osana tätä automaatiovetoista teollista vallankumousta ovat luoneet uusia innovaatio- ja muutosmalleja. Tämä on toimitus 4.0.
Mikä on tekoäly (AI)? Tekoäly hyödyntää tietokoneita ja koneita jäljittelemään ihmismielen ongelmanratkaisu- ja päätöksentekokykyä. (IBM)
Tekoäly on koneiden tai ohjelmistojen älykkyyttä, toisin kuin ihmisten tai eläinten älykkyys. (Artificial Intelligence - Wikipedia)
Tekoäly, tietokoneen tai tietokoneohjatun robotin kyky suorittaa älykkäisiin olentoihin yleisesti liittyviä tehtäviä. (Artificial intelligence (AI): Definition, Examples, Types - Britannica)
Mikä on tekoäly (AI)?
Tekoäly on ihmisälyprosessien simulointia koneilla, erityisesti tietokonejärjestelmillä. Tekoälyn erityissovelluksia ovat asiantuntijajärjestelmät, luonnollisen kielen käsittely, puheentunnistus ja konenäkö.
Miten AI toimii?
Tekoälyn kiihtyessä toimittajat ovat pyrkineet mainostamaan, miten heidän tuotteet ja palvelut käyttävät sitä. Usein se, mitä he kutsuvat tekoälyksi, on yksinkertaisesti osa teknologiaa, kuten koneoppimista. AI vaatii perustan erikoistuneesta laitteistosta ja ohjelmistosta koneoppimisalgoritmien kirjoittamiseen ja harjoittamiseen. Mikään ohjelmointikieli ei ole synonyymi tekoälylle, mutta Pythonissa, R:ssä, Javassa, C++:ssa ja Juliassa on tekoälykehittäjien suosimia ominaisuuksia. (What is Artificial Intelligence and How Does AI Work - TechTarget)
Erot tekoälyn, koneoppimisen ja syväoppimisen välillä
AI, koneoppiminen ja syvä oppiminen ovat yleisiä termejä yritysten IT:ssä, ja niitä käytetään joskus vaihtokelpoisina, erityisesti yritysten markkinointimateriaaleissaan. Mutta eroja on (katso lisää osoitteesta: Tekoäly vs. koneoppiminen vs. syväoppiminen: keskeiset erot (techtarget.com)
Mitkä ovat 4 tekoälyn tyyppiä?
Some of these types of AI aren't even scientifically possible right now. According to the current system of classification, there are neljä ensisijaista AI-tyypit: reaktiivinen, rajoitettu muisti, mielen teoria ja itsetietoisuus. (Lähde: Tekoälyn neljän tyypin ymmärtäminen - bernardmarr.com )
Mikä on AI? Kaikki mitä tiedetään tekoälystä, kiehtovista ja nopeasti kehittyvistä tekoälytekniikoista - ZDnet.com
Mikä on AI? Opi tekoälystä - a very comprehensive article on AI, by Oracle.com
Tekoälyn käytön edut ja haitat
Mikä on tekoäly (AI)? (according to an AI app itself 🙂 ... ChatGPT)
Tekoäly (AI) viittaa ihmisen älykkyyden simulointiin koneissa, jotka pystyvät suorittamaan tehtäviä, jotka tyypillisesti vaativat ihmisälyä. Näihin tehtäviin kuuluvat esimerkiksi oppiminen, päättely, ongelmanratkaisu, havainto, kielen ymmärtäminen ja jopa päätöksenteko.
Tekoälyjärjestelmät on suunniteltu analysoimaan tietoja, tunnistamaan kuvioita ja tekemään tietoon perustuvia päätöksiä tai ennusteita näiden tietojen perusteella. Heitä voidaan kouluttaa parantamaan suorituskykyään ajan myötä iteratiivisten oppimisprosessien avulla. Tekoälytekniikat luokitellaan laajasti kahteen luokkaan: kapea tai heikko tekoäly ja yleinen tai vahva tekoäly.
Kapea tai heikko tekoäly: Tämän tyyppinen tekoäly on suunniteltu ja koulutettu tiettyä tehtävää tai kapeaa valikoimaa varten. Se suoriutuu erinomaisesti noiden tehtävien suorittamisessa, usein ylittäen ihmisen kyvyt, mutta siltä puuttuu kyky ymmärtää tai suorittaa tehtäviä ennalta määritellyn soveltamisalansa ulkopuolella. Esimerkkejä kapeasta tekoälystä ovat puheavustajat, kuten Siri tai Alexa, kuvantunnistusjärjestelmät ja suoratoistopalveluiden käyttämät suositusalgoritmit.
Yleinen tai vahva tekoäly: Yleinen tekoäly viittaa tekoälyn tasoon, jolla on kyky ymmärtää, oppia ja soveltaa tietoa monenlaisissa tehtävissä, aivan kuten ihminen. Sillä olisi ihmisen kaltaisia kognitiivisia kykyjä ja se voisi mahdollisesti suorittaa minkä tahansa älyllisen tehtävän, jonka ihminen voi tehdä. Yleinen tekoäly on tässä vaiheessa suurelta osin teoreettinen, eikä sitä ole saavutettu.
Tekoälyjärjestelmät voidaan luokitella edelleen koneoppimiseen ja syväoppimiseen:
Koneoppiminen: Se on tekoälyn osajoukko, joka sisältää harjoitusalgoritmeja oppimaan malleja tiedosta ja tekemään ennusteita tai päätöksiä datan perusteella. Koneoppimisen tyyppejä ovat ohjattu oppiminen (koulutus tunnistetuilla tiedoilla), valvomaton oppiminen (kuvioiden löytäminen merkitsemättömästä tiedosta) ja vahvistusoppiminen (oppiminen yrityksen ja erehdyksen kautta).
Syväoppiminen: Tämä on koneoppimisen osajoukko, joka käyttää keinotekoisia hermoverkkoja mallintamaan ja käsittelemään datan monimutkaisia malleja ja suhteita. Syväoppiminen on onnistunut erityisen hyvin esimerkiksi kuvan- ja puheentunnistuksen tehtävissä.
Tekoälyllä on laaja valikoima sovelluksia eri aloilla, mukaan lukien terveydenhuolto, rahoitus, kuljetus, viihde ja monet muut. Se kehittyy edelleen nopeasti ja sillä on potentiaalia mullistaa tapamme elää ja työskennellä, vaikka eettisiin näkökohtiin ja mahdollisiin haasteisiin on myös kiinnitettävä huomiota tekoälytekniikan edetessä.
Löydä kaikki merinavigointituotteiden ja -palveluiden parhaat toimittajat turvalliseen merimatkasuunnitteluun
Suomi 
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 
Dansk 
Norsk bokmål 
Português 
Tiếng Việt