Προσομοιάζουν στις νοηματικές λειτουργίες του ανθρώπου. Μαθαίνουν, εξελίσσονται και λαμβάνουν αποφάσεις παρατηρώντας και αναλύοντας τα δεδομένα που έχουν στη διάθεσή τους, όπως θα έκανε ο ανθρώπινος εγκέφαλος. Το σημαντικότερο είναι ότι αυτοβελτιώνονται! Τα συστήματα Τεχνητής Νοημοσύνης (ΤΝ) αποτελούν πλέον μέρος της ζωής μας και μέρα με τη μέρα καταλαμβάνουν όλο και μεγαλύτερο κομμάτι της καθημερινότητας σε επαγγελματικό και προσωπικό επίπεδο. Τα πάλαι ποτέ σενάρια επιστημονικής φαντασίας αποτελούν πραγματικότητα. Στο πλαίσιο αυτό η ναυτιλία κάνει ουσιαστικά τα πρώτα της βήματα.

Στον συναρπαστικό κόσμο της Τεχνητής Νοημοσύνης μάς εισάγει ο κ. Βαγγέλης Κανελλόπουλος, μηχανολόγος μηχανικός ΕΜΠ, με MBA από το Brunel University, IRCA Auditor, Managing Partner της Alexander Moore, υπεύθυνος Ναυτιλίας.

– Ας αρχίσουμε από τα βασικά. Τι είναι η Τεχνητή Νοημοσύνη;

H Τεχνητή νοημοσύνη με απλά λόγια είναι η προσομοίωση των νοηματικών λειτουργιών του ανθρώπου με χρήση νευρωνικών δικτύων. Βασικά χαρακτηριστικά των συστημάτων ΤΝ είναι η δυνατότητα να μαθαίνουν, να λύνουν προβλήματα και να παίρνουν αποφάσεις όπως ακριβώς κάνει και ο άνθρωπος παρατηρώντας το περιβάλλον και τα δεδομένα που είναι διαθέσιμα.

Η βασική διαφορά με άλλα πληροφοριακά συστήματα είναι ότι ο τρόπος σκέψης του συστήματος δεν προκύπτει από τη σχεδίαση ενός αλγορίθμου από τον άνθρωπο, αλλά το ίδιο το σύστημα ΤΝ αναπτύσσει τον αλγόριθμο που θα δώσει την καλύτερη λύση στο θέμα που καλείται να επιλύσει.

– Και πώς λειτουργεί;

Στις περισσότερες περιπτώσεις η εκμάθηση του συστήματος ΤΝ βασίζεται σε διαθέσιμα ιστορικά δεδομένα. Για παράδειγμα, αξιοποιούμε ιστορικά στοιχεία από τη λειτουργία του κάθε πλοίου χωριστά, όπως η ταχύτητα πλεύσης, η κατανάλωση κύριων μηχανών, οι εκπομπές ρύπων, η ισχύς, το RPM, το trim, η κατάσταση θαλάσσης, τα στοιχεία του ανέμου, οι βλάβες κ.ά. Το σύστημα ΤΝ εκπαιδεύεται με βάση τα δεδομένα αυτά και μαθαίνει τη λειτουργία και την εξατομικευμένη συμπεριφορά του.

Μετά την εκμάθηση, το σύστημα ΤΝ είναι σε θέση να προβλέψει τη συμπεριφορά του συγκεκριμένου πλοίου με μεγάλη ακρίβεια όπως οι καταναλώσεις, το shaft power, η πρόβλεψη βλαβών. Η εμπειρία μας από σημαντικές ελληνικές ναυτιλιακές εταιρείες έχει δείξει ότι οι σχετικές προβλέψεις σε πολλές περιπτώσεις ξεπερνούν σε ακρίβεια τους συμβατικούς υπολογισμούς ή και τις εκτιμήσεις των στελεχών.

– Γιατί η ΤΝ αναπτύσσεται τώρα στη ναυτιλιακή βιομηχανία;

Η ΤΝ έχει γνωρίσει σημαντική ανάπτυξη μόλις τα 3-5 τελευταία χρόνια σε όλους τους κλάδους παγκοσμίως. Ο βασικός καταλύτης είναι κυρίως η υψηλή ταχύτητα των πληροφοριακών συστημάτων που είναι αναγκαία για να επεξεργαστούν τεράστιους όγκους δεδομένων (Big Data) με εξαιρετικά απαιτητικά μοντέλα εκμάθησης.

Επιπλέον, τεχνολογίες όπως το Cloud δίνουν τη δυνατότητα σε κάθε ναυτιλιακή εταιρεία να έχει πρόσβαση σε ισχυρή υπολογιστική ισχύ, όποτε αυτή τη χρειάζεται (Saas), χωρίς να απαιτούνται υψηλές επενδύσεις σε μηχανογραφικό εξοπλισμό.

Ειδικά για τη ναυτιλία, η ανάπτυξη της τεχνολογίας ΤΝ συνέπεσε χρονικά με τις αυξημένες ανάγκες που προκύπτουν για βελτίωση στην απόδοση των πλοίων (vessel performance). Για παράδειγμα, η μετάβαση στην εποχή αυξημένων περιβαλλοντικών στόχων (low carbon και clear emissions), οι αυστηρότερoι κανονισμοί ασφάλειας πλοίων, η αποδοτικότερη διαχείριση πλοίων (low cost) δημιουργούν την ανάγκη για «έξυπνα» συστήματα. Το κανονιστικό πλαίσιο διαχείρισης των πλοίων (όπως TMSA, DBMSA, MARPOL, ISM Code) καθιστά αναγκαία τη χρήση της ΤΝ σε όλα τα επίπεδα λήψης αποφάσεων.

– Ποια είναι τα οφέλη από τη χρήση της στη ναυτιλία;

Το κυριότερο ίσως όφελος από τη χρήση της ΤΝ στη ναυτιλία είναι ότι μπορούν να προβλεφθούν ή να εντοπιστούν σημαντικά γεγονότα προτού συμβούν. Επομένως, η διαχείριση θεμάτων του πλοίου γίνεται σε χρόνο πρόγνωσης (proactive) και όχι σε χρόνο αντιμετώπισης καταστάσεων (reactive).

Μιλώντας μεταφορικά αν γνωρίζει κάποιος ότι, για παράδειγμα, αύριο θα έχει καταιγίδα μπορεί να λάβει από πριν τα κατάλληλα μέτρα αντιμετώπισης της κακοκαιρίας και να διαχειριστεί αποτελεσματικά τις όποιες επιπτώσεις.

Επομένως, η ΤΝ παρέχει τη δυνατότητα να προβλεφθούν κρίσιμοι βασικοί δείκτες απόδοσης του πλοίου σε αντίθεση με τη συνήθη, εκ των υστέρων ανάλυση/αποκλίσεις από τις αναμενόμενες τιμές. Επιπλέον, σε πραγματικό χρόνο γεγονότα που αποκλίνουν από την προβλεπόμενη συμπεριφορά στο πλοίο μπορεί να ενεργοποιήσουν alerts για άμεση διαχείριση (anomaly detection).

– Ας περάσουμε επί του πρακτέου. Ποιες είναι οι βασικές εφαρμογές της ΤΝ στη ναυτιλία;

Οι εφαρμογές της ΤΝ στη ναυτιλία είναι πραγματικά αναρίθμητες. Οι πλέον δημοφιλείς, κάτι που επιβεβαιώνεται και από τις δικές μας υλοποιήσεις, είναι οι: Predictive Maintenance, πρόβλεψη ισχύος (shaft power), Voyage Optimization, έλεγχος εκπομπών ρύπων, πρόβλεψη δεικτών TMSA.

Βαγγέλης Κανελλόπουλος

Ωστόσο καθημερινά προστίθενται νέες περιοχές, όπως είναι η εκτίμηση συμβάντων σε πλοία, η αξιολόγηση πληρωμάτων, η επιθεώρηση πλοίων, το structural health, η ανάλυση με εικόνα γεγονότων που μπορεί να αυξήσουν την πιθανότητα ατυχήματος (π.χ. είσοδος πληρώματος σε χώρους αυξημένου ρίσκου χωρίς κατάλληλα μέσα ατομικής προστασίας). Αυτό που αποτελεί πλέον τάση και αντιμετωπίζουμε στις νέες μας υλοποιήσεις είναι ότι η κάθε ναυτιλιακή εταιρεία έρχεται με το δικό της σενάριο και τις δικές της ανάγκες, που σε πολλές περιπτώσεις είναι μοναδικό.

Επιπλέον, μια περιοχή στην οποία η ΤΝ προφανώς και έχει καθοριστική εφαρμογή είναι το «αυτόνομο πλοίο».

– Το λεγόμενο «έξυπνο πλοίο»;

Ναι. Ηδη αρχίζουν να υλοποιούνται σημαντικά έργα στην κατεύθυνση «έξυπνα πλοία» που χωρίς την ΤΝ και άλλες τεχνολογίες που βασίζονται στο connectivity δεν θα μπορούσαν να υλοποιηθούν.

– Σε ποιο επίπεδο βρίσκεται η έρευνα ΤΝ στην Ελλάδα;

Η έρευνα και ανάπτυξη στην ΤΝ αποτελεί αναγκαιότητα, καθώς πολλές από τις περιοχές εφαρμογής είναι σε αρχικό στάδιο. Για τον λόγο αυτό στην Alexander Moore υποστηρίζουμε έμπρακτα την έρευνα στον τομέα της Τεχνητής Νοημοσύνης στη ναυτιλία που διεξάγεται από τη Σχολή Ναυπηγών Μηχανολόγων Μηχανικών του ΕΜΠ. Στο πλαίσιο αυτό, χρηματοδοτούμε διδακτορική διατριβή στην περιοχή της πρόωσης πλοίου με μεθόδους ψηφιακού διδύμου (digital twin) και μηχανικής μάθησης.

– Πώς αντιμετωπίζουν την ΤΝ σήμερα οι ναυτιλιακές εταιρείες στην Ελλάδα;

Αυτό που διαπιστώνουμε είναι ότι οι ελληνικές ναυτιλιακές εταιρείες είναι μεν ευαισθητοποιημένες για τις δυνατότητες της ΤΝ, αλλά ο βαθμός υλοποίησης διαφοροποιείται σημαντικά. Σίγουρα βρισκόμαστε σε αρχικό στάδιο υιοθέτησης σχετικών λύσεων.

Οι ναυτιλιακές εταιρείες που ήδη έχουν ξεκινήσει ανάλογες δράσεις είναι προφανώς εκείνες που διαχειρίζονται πλοία αυξημένων απαιτήσεων, όπως είναι τα μεταφοράς υγροποιημένου φυσικού αερίου (LNG) και τα δεξαμενόπλοια.

Είναι βέβαιο ότι τόσο οι αλλαγές στο κανονιστικό πλαίσιο όσο και η επιτυχία σχετικών έργων θα οδηγήσουν άμεσα, ήτοι τα επόμενα 1-3 χρόνια, τις περισσότερες ναυτιλιακές εταιρείες στην εφαρμογή σχετικών λύσεων.

– Ποια είναι τα βασικά θέματα στην υλοποίηση της ΤΝ στη ναυτιλία;

H υλοποίηση λύσεων στη ναυτιλία έχει σημαντικές προϋποθέσεις. Η κυριότερη είναι η διαθεσιμότητα μεγάλου όγκου δεδομένων (Big Data) και εύρους χαρακτηριστικών (π.χ. μέτρηση δονήσεων για Predictive Maintenance). Η Τεχνητή Νοημοσύνη βασισμένη και μόνο στα noon reports (αναφορές πεπραγμένων) προφανώς και δεν θα φέρει ικανοποιητικά αποτελέσματα.
Τα τελευταία χρόνια έχει ξεκινήσει σημαντική προσπάθεια στη συγκέντρωση δεδομένων από πλοία σε υψηλή συχνότητα (π.χ. στοιχεία λειτουργίας μηχανών ανά ώρα, τέταρτο ή και λεπτό). Στις περισσότερες περιπτώσεις αυτό απαιτεί σημαντικές επενδύσεις σε αισθητήρες (sensors), gateways και connectivity (ΙοΤ), κάτι που λειτουργεί αποτρεπτικά σε ευρέως κλίμακας υλοποιήσεις. Ωστόσο, σε άλλες περιοχές, π.χ., τηλεμετρία πλοίων και στοιχεία καιρού, τα σχετικά δεδομένα είναι εύκολα διαθέσιμα.

Τα νεότευκτα πλοία αποτελούν διέξοδο καθώς στις περισσότερες περιπτώσεις λαμβάνονται υπόψη οι ανάγκες συγκέντρωσης δεδομένων και έχουν τις κατάλληλες υποδομές.

Ωστόσο, πέρα από τη συγκέντρωση δεδομένων, είναι αναγκαίο το κατάλληλο δυναμικό το οποίο θα υλοποιήσει τα σχετικά συστήματα. Τα θέματα εντοπίζονται τόσο στην έλλειψη επαρκών εξειδικευμένων πόρων (π.χ. data scientists) όσο και στην έλλειψη εκπαίδευσης των στελεχών των ναυτιλιακών εταιρειών (π.χ. μηχανικών, πλοιάρχων) στην ΤΝ. Αν ληφθεί υπόψη ότι ο σωστός σχεδιασμός και η υλοποίηση της ΤΝ απαιτούν τη στενή συνεργασία μεταξύ διαφορετικών ειδικοτήτων, καταλαβαίνουμε και το μέγεθος της δυσκολίας. Για τον λόγο αυτό στις υλοποιήσεις μας τα εξειδικευμένα στελέχη που χρησιμοποιούμε προέρχονται από τις άμεσα σχετιζόμενες ειδικότητες και δεν χρησιμοποιούμε μόνο στελέχη εξειδικευμένα σε ΤΝ και πληροφορική.

Στις υλοποιήσεις ΤΝ η εμπειρία και γνώση των θεμάτων της ναυτιλίας (μαζί με τα σχετικά δεδομένα) αποτελεί σημαντικότερο παράγοντα επιτυχίας από την τεχνολογία, όσο και αν ακούγεται οξύμωρο. Το πώς θα μάθει το σύστημα ΤΝ εξαρτάται από αυτόν που το εκπαιδεύει.

Η ελληνική ναυτιλία έχει το μεγαλύτερο πλεονέκτημα έναντι των ανταγωνιστών της, καθώς έχει το μέγεθος και την εμπειρία διαχείρισης πλοίων που είναι τα δομικά συστατικά για επιτυχή εφαρμογή της ΤΝ.

– Τι πρέπει να κάνουν οι ελληνόκτητες ναυτιλιακές εταιρείες;

Σίγουρα η συνταγή δεν είναι μία και δεν εφαρμόζεται σε όλες τις ναυτιλιακές εταιρείες με τον ίδιο τρόπο. Για παράδειγμα, στις ναυτιλιακές εταιρείες που ήδη έχουν αρχίσει να υλοποιούν με επιτυχία τέτοια έργα ο κύριος στόχος είναι να προχωρήσουν σε νέες περιοχές (π.χ. ασφάλεια πλοίου, διαχείριση πληρωμάτων) και να ενσωματώσουν στην κουλτούρα των ανθρώπων τους τη νέα πραγματικότητα.

Οι ναυτιλιακές εταιρείες οι οποίες συγκεντρώνουν σημαντικούς όγκους δεδομένων από αισθητήρες και προσπαθούν να επεξεργαστούν τα δεδομένα με συμβατικούς τρόπους, για παράδειγμα αναφορές, excel, ακόμα και data visualization tools, είναι αναγκαίο να προχωρήσουν άμεσα σε υλοποίηση έργων TN. Οσο τα δεδομένα γίνονται Big Data, η απλή επεξεργασία δεδομένων δεν θα φέρει τα επιθυμητά αποτελέσματα.

Εκείνες οι εταιρείες που είναι σε προγενέστερο στάδιο μπορούν να ξεκινήσουν με απλά έργα ΤΝ ώστε να καταλάβουν τα οφέλη και να σχεδιάσουν τα επόμενα βήματά τους.
Ο κ. Κανελλόπουλος κλείνει τη συνέντευξη επισημαίνοντας: «Η ελληνική ναυτιλία έχει βασίσει την επιτυχία της στη μεγάλη παράδοση της και τα στελέχη της. Η ΤΝ, επειδή ακριβώς αξιοποιεί αυτή την παράδοση, δίνει το βασικότερο πλεονέκτημα για το νέο μεγάλο άλμα της ελληνικής ναυτιλίας στη νέα εποχή».

Ποια είναι η Alexander Moore

Η Alexander Moore (IBM Watson Partner & SAP Gold Partner – www.alexandermoore.com) είναι μία από τις πλέον δυναμικές εταιρείες στον τομέα του Information Technology και της Τεχνητής Νοημοσύνης.

Απασχολεί 38 στελέχη από διαφορετικά πεδία όπως Data Science, Engineering (Ναυπηγική, Πληροφορική, Μηχανολογία, Ηλεκτρονική, Ασφάλεια & Περιβάλλον), Οικονομικά και Διοίκηση Επιχειρήσεων. To μεγάλο εύρος στις ειδικότητες των στελεχών της, η εμπειρία τους και η χρήση των πιο προηγμένων εργαλείων ΤΝ παγκοσμίως προσδίδουν μοναδικό πλεονέκτημα στην προσέγγιση και επίλυση σύνθετων θεμάτων στη ναυτιλία και σε άλλους κλάδους.

Οι υλοποιήσεις τους στον τομέα της ΤΝ στη ναυτιλία επικεντρώνονται στους τομείς: Vessel’s Performance, Ασφάλεια (Safety Management) και Διαχείριση Πληρωμάτων (Crew Management).

Ο κ. Κανελλόπουλος είναι Managing Partner της Alexander Moore (IBM Watson Partner & SAP Gold Partner) και υπεύθυνος του Ναυτιλιακού Τμήματος.

Εχει σημαντική εμπειρία στην υλοποίηση έργων Τεχνητής Νοημοσύνης τόσο στον ναυτιλιακό κλάδο όσο και ευρύτερα. Συμμετέχει ενεργά στη σχεδίαση και ανάπτυξη προηγμένων πληροφορικών συστημάτων τόσο στην Ελλάδα όσο και διεθνώς.

Στην 25ετή εμπειρία του έχει διαχειριστεί με επιτυχία σημαντικό αριθμό έργων σε ένα ευρύ φάσμα περιοχών όπως: ERP Implementation, Advanced Analytics, Financial Management, SCM, ISM Code, ISO 9001/ ISO 14001.

Διαβάστε ακόμη: 

Μεγαλοεκδότης αποκληρώνει την οικογένειά του και αφήνει περιουσία $1,2 δισ. στην πρώην του

Εκτιμήσεις για πάνω από 270.000 καμένα στρέμματα σε Αττική και Εύβοια

Διακοπές ρεύματος: Ποιες περιοχές της χώρας έχουν προβλήματα ηλεκτροδότησης