تحول در شرکت‌های بزرگ کشتیرانی با هوش مصنوعی

 ترجمه و اقتباس: بهاره قهرمانی

مؤسسه مشاوره مدیریت جهانی McKinsey & Company هوش‌مصنوعی را این‌گونه تعریف می‌کند. هوش‌مصنوعی در واقع توانایی ماشینی برای انجام کارکردهای شناختی مرتبط با ذهن انسان از جمله  ادراک، استدلال، یادگیری، تعامل با محیط، حل مسئله و حتی انجام خلاقیت است.

بدین ترتیب از طریق هوش‌مصنوعی صنعت حمل‌ونقل شاهد پیشرفت قابل‌توجه و اساسی در تعمیر و نگهداری، پیش‌بینی‌ها، عملیات مستقل، بهینه‌سازی مسیرها، جابه‌جایی محموله و مدیریت زیست‌محیطی خواهد بود.

صنعت حمل‌ونقل دریایی که مسئولیت جابه‌جایی بیش از 90 درصد کالاهای تجاری جهان را برعهده دارد با مشکلات و چالش‌های زیادی در کارایی عملیاتی، ایمنی، زیست‌محیطی و انطباق با مقررات روبه‌رو است.

در این ارتباط استفاده از فنّاوری هوش‌مصنوعی راه‌حل امیدوارکننده‌ای به دست‌اندرکاران حمل‌ونقل ارائه داده و قابلیت‌ها را به شدت افزایش می‌دهد.

این پیشرفت‌ها کارایی عملیاتی را تقویت کرده و به صرفه‌جویی در هزینه‌ها کمک می‌کند. برای مثال تعمیر و نگهداری با استفاده از فنّاوری‌ها می‌تواند زمان خرابی تجهیزات را تا 35 درصد کاهش دهد. همچنین بهینه‌سازی مسیرها با استفاده از هوش‌مصنوعی می‌تواند مصرف سوخت را بین 5 تا 10 درصد کاهش دهد.

حال باید دید چگونه می‌توان از هوش‌مصنوعی در صنعت حمل‌ونقل استفاده کرد.

کاربردهای هوش‌مصنوعی در صنعت حمل‌ونقل شامل موارد زیادی می‌تواند باشد، از جمله: کشتی‌های خودران، بهینه‌سازی مسیر، مدیریت کالا، زنجیره تأمین و بهینه‌سازی لجستیک، ایمنی و امنیت، رصد زیست‌محیطی، عملیات بندری، آموزش خدمه، سیستم‌های ارتباطی و ناوبری و تجزیه و تحلیل بازار.

 خطرات بالقوه با پیاده‌سازی هوش مصنوعی

درحالی‌که هوش‌مصنوعی مزایای متعددی دارد اما چالش‌ها و محدودیت‌هایی نیز ایجاد می‌کند که باید به آنها توجه کرد. مالکان کشتی باید دقت لازم را برای اطمینان از اینکه اجرای هوش‌مصنوعی با نیازها و عملیات خاص آنها مطابقت دارد یا خیر و آیا هزینه آن را توجیه می‌کند. مثلاً در بخش امنیت سایبری شرکت‌ها باید اقدامات و رویه‌های امنیتی سایبری موجود را برای جلوگیری از خطرات احتمالی به دلیل معرفی هوش‌مصنوعی بررسی کنند. در صورت لزوم، برنامه‌های اضطراری به‌روز شده برای رسیدگی به حملات سایبری مرتبط با هوش‌مصنوعی اجرا شود.

توجه به این نکته مهم است که سیستم‌های هوش‌مصنوعی الزامات قانونی نیستند و فقط برای تکمیل سایر تجهیزات هستند نه جایگزین آنها.

روش‌های سنتی برای جلوگیری از حوادث، مانند ارزیابی بصری و استفاده از رادار، همچنان قابل اجرا هستند. باید از اتکای بیش از حد به هوش‌مصنوعی که منجر به حوادث می‌شود اجتناب کرد. پس باید گفت ادغام موفقیت‌آمیز هوش‌مصنوعی در حمل‌ونقل نیز مجموعه‌ای از چالش‌های خاص خود را ایجاد می‌کند.

بر اساس آخرین آمارهای منتشر شده، حرکت صنعت کشتیرانی به سمت دیجیتالی‌شدن و تجهیز به فنّاوری‌های هوشمند به خصوص هوش‌مصنوعی یک تحول ضروری است به‌طوری‌که انتظار می‌رود بازار جهانی حمل‌ونقل دریایی با سرمایه‌گذاری 14 میلیارد دلاری به رشد 2/3 درصدی در این زمینه برسد.

بدین ترتیب صنعت حمل‌ونقل که برای تجارت جهانی بسیار حیاتی است روز به روز تلاش می‌کند تاس از هوش‌مصنوعی استفاده کند.

در زیر به بررسی چند سیستم کلیدی می‌پردازیم که با  استفاده از هوش‌مصنوعی در شرکت‌های بزرگ کشتیرانی  به کار گرفته می‌شوند:

 شرکت Maersk Line به عنوان یکی از خطوط برتر صنعت کشتیرانی و لجستیک یک سیستم پیشرفته مبتنی بر هوش‌مصنوعی برای تعمیر و نگهداری در سراسر ناوگان خود پیاده کرده است. این سیستم با استفاده از الگوریتم‌های یادگیری ماشینی(الگوریتم‌های یادگیری ماشینی یک مدل ریاضی بر اساس داده‌های نمونه یا داده‌های آموزش به منظور پیش‌بینی یا تصمیم‌گیری بدون برنامه‌ریزی آشکار، ایجاد می‌کنند) و مجموعه وسیعی از حسگرهای داخلی، سلامت موتورهای کشتی و ماشین‌آلات حیاتی را کنترل می‌کنند.

سیستم تعمیر و نگهداری پیشگو داده‌ها را بلادرنگ از حسگرهای موتور و سایر تجهیزات حیاتی جمع‌آوری می‌کند.

این داده‌ها شامل دما، سطوح ارتعاش، فشار و سایر موارد می‌شود. سپس با استفاده از الگوریتم‌های هوش‌مصنوعی برای شناسایی الگوها یا ناهنجاری‌هایی که نشان‌دهنده خرابی احتمالی هستند تجزیه و تحلیل می‌شوند. در این راستا خط کشتیرانی Maersk Line از زمان اجرای این رویکرد مبتنی بر هوش‌مصنوعی کاهش قابل‌توجهی در زمان توقف برنامه‌ریزی نشده گزارش کرده که منجر به افزایش کارایی عملیاتی و کاهش هزینه تعمیر و نگهداری می‌شود.

توانایی سیستم برای پیش‌بینی خرابی قبل از وقوع امکان مداخلات را فراهم می‌کند و از تعمیرات پرهزینه و تأخیر جلوگیری می‌کند. شرکت مرسک کاهش هزینه‌های تعمیر و نگهداری و بهبود عمر ماشین‌آلات را با استفاده از این سیستم تا 20 درصد تخمین زده است که نشان‌دهنده مزایای ادغام هوش‌مصنوعی در عملیات دریایی است.

 کشتی یارا برکلند

کشتی کانتینری الکتریکی نروژی Yara Birkeland که نخستین کشتی باری تمام الکتریکی و خودکار دنیا است نتیجه همکاری دو شرکت کونگسبرگ و Yara International است. این کشتی گامی اساسی به سوی حمل‌ونقل دریایی پایدار و مستقل برداشته است. این کشتی بدون خدمه و بدون انتشار گازهای گلخانه‌ای کار می‌کند و سیستم ناوبری آن ترکیبی از GPS و رادار، دوربین و حسگر برای مسیریابی بین بنادر بدون دخالت انسان است. الگوریتم هوش‌مصنوعی، داده ورودی را پردازش کرده تا تصمیمات ناوبری در زمان مناسب اتخاذ شوند و مسیر کشتی برای جلوگیری از برخورد و بهینه‌سازی کارایی مسیر تنظیم گردد.

این کشتی جایگزین 40 هزار سفر با کامیون در سال است و باعث کاهش قابل‌توجه انتشار NOx و  CO2می‌شود. این پروژه پتانسیل هوش‌مصنوعی و فنّاوری‌های مستقل را برای متحول کردن حمل‌ونقل با مزایای زیست‌محیطی، ایمنی و کارایی برجسته می‌کند.

  کشتیرانی CMA CGM

شرکت CMA CGM از هوش‌مصنوعی برای برنامه‌ریزی مسیر بهره گرفته و یک حمل‌ونقل پیشرو در سراسر جهان برای بهینه‌سازی مسیریابی کشتی با استفاده از هوش‌مصنوعی به کار گرفته است این رویکرد از داده‌های تاریخی و شرایط محیطی بلافاصله برای محاسبه کارآمدترین مسیر اقیانوس استفاده می‌کند. در این ارتباط سیستم هوش‌مصنوعی حجم زیادی از داده‌ها را تجزیه و تحلیل می‌کند که از جمله می‌توان به پیش‌بینی آب و هوا، ترافیک دریایی، شرایط بندر و نوع مصرف سوخت اشاره کرد. این سیستم همچنین ویژگی خاصی مانند اندازه، قابلیت سرعت و مصرف سوخت را در نظر می‌گیرد. بدین ترتیب بهره‌گیری CMA CGM از هوش‌مصنوعی برای بهینه‌سازی مسیر منجر به صرفه‌جویی قابل‌توجهی در سوخت و کاهش انتشار گازهای گلخانه‌ای شده است. این شرکت اخیراً با انتشار گزارشی اعلام کرده است وقت‌شناسی و قابلیت اطمینان خدمات بهبود یافته و رضایت مشتری را افزایش می‌دهد.

 بندر روتردام

بندر روتردام بزرگ‌ترین بندر اروپا سیستم مبتنی بر هوش‌مصنوعی را برای بهینه‌سازی و جابه‌جایی محموله و برنامه‌ریزی انبار پیاده کرده است. این ابتکار بخشی از استراتژی دیجیتال‌سازی جاه‌طلبانه بندر برای افزایش کارایی و توان عملیاتی است.

بدین ترتیب سیستم هوش‌مصنوعی از تجزیه و تحلیل داده‌ها برای پیش‌بینی بهترین شرایط بارگیری و تخلیه کانیتنرها با در نظر گرفتن برنامه‌های ورود و خروج کشتی، وزن کانتینر و مقصد استفاده می‌کند.

این شیوه بهینه‌سازی، زمان صرف‌شده کشتی‌ها را در بندر کاهش داده و استفاده از جرثقیل و سایر تجهیزات را بهبود می‌بخشد.

سیستم مدیریت کانتینر هوشمند به طور مؤثری کارایی عملیاتی بندر، زمان تحویل سریع کشتی و هماهنگی لجستیکی را بهبود بخشیده است.

  کشتیرانی NYK Group

گروه NYK یک شرکت جهانی لجستیک و حمل‌ونقل یک برنامه کاربردی مبتنی بر هوش‌مصنوعی را برای افزایش بهره‌وری سوخت و اطمینان از انطباق با مقررات زیست‌محیطی ایجاد کرده که این ابتکار بخشی از تعهد این شرکت به شیوه‌های حمل‌ونقل پایدار است.

چنین سیستمی داده‌های زمان واقعی عملیات کشتی مانند سرعت، مصرف سوخت و عملکرد موتور را نظارت می‌کند.

الگوریتم هوش‌مصنوعی این داده‌ها را تجزیه و تحلیل و تنظیمات عملیاتی را توصیه می‌کنند که می‌تواند مصرف سوخت و انتشار گازهای گلخانه‌ای را کاهش دهد، مانند بهینه‌سازی سرعت یا تغییر تنظیمات موتور.

گروه NYK پیشرفت قابل‌توجهی در بهره‌وری سوخت و کاهش انتشار CO2 در ناوگان خود گزارش کرده که به اهداف پایداری زیست‌محیطی کمک شایانی می‌کند.

این سیستم همچنین به اطمینان از انطباق با مقررات IMO در زمینه انتشار گوگرد کمک می‌کند و نشان می‌دهد چگونه هوش‌مصنوعی می‌تواند از پای‌بندی نظارتی و بهبود عملکرد عملیاتی پشتیبانی لازم را به عمل آورد.

  شرکت Zodiac Maritime

شرکت بین‌المللی مدیریت کشتی Zodiac Maritime دارای سیستم جلوگیری از برخورد مبتنی بر هوش‌مصنوعی برای افزایش ایمنی در سراسر ناوگان است.

این سیستم پیشرفته از آنالیزگر پیشگو برای پیش‌بینی سناریوهای برخورد احتمالی در زمان واقعی استفاده می‌کند و به‌طور باورنکردنی فرایند تصمیم‌گیری را در شرایط پیچیده دریایی بهبود می‌بخشد. این سیستم الگوریتم هوش‌مصنوعی با سیستم‌های موجود، پردازش داده‌های به‌دست آمده از AIS (سیستم شناسایی خودکار)، رادار و سایر حسگرها را یکپارچه می‌کند.

هوش‌مصنوعی با تجزیه و تحلیل سرعت، مسیر و نزدیکی کشتی‌های مجاور مسیرهای احتمالی برخورد را پیش‌بینی می‌کند و تنظیمات ناوبری را به خدمه پیشنهاد می‌دهد.

بر اساس این گزارش، شرکت Zodiac Maritime از زمان اجرای این سیستم تقویت‌شده با هوش‌مصنوعی کاهش زیادی در حوادث، خطاهای انسانی ناوبری را شاهد بوده است. این فنّاوری‌ها نه تنها ایمنی عملیات دریایی را بهبود بخشیده بلکه به حفظ برنامه و کاهش هزینه بیمه مربوط به بیمه حوادث دریایی کمک می‌کند.

بدین ترتیب این مطالعه بر نقش حیاتی هوش‌مصنوعی در افزایش قابلیت انسانی و افزایش ایمنی در صنعت کشتیرانی تأکید زیادی دارد.

 کشتیرانی Hapag-Lloyd

خط کشتیرانی هاپاگ لوید از شرکت‌های پیشرو در جهان یک سیستم مبتنی بر هوش‌مصنوعی را برای بهینه‌سازی عملیات زنجیره تأمین پیاده کرده است.

این سیستم بر بهبود دقت پیش‌بینی تقاضا تمرکز کرده که برای همسویی کارآمد ظرفیت کشتیرانی با نیاز بازار بسیار مهم و اساسی است.

سیستم هوش‌مصنوعی داده‌های تاریخی حمل‌ونقل، روند بازار، الگوهای سفارش کشتی و نوسانات فصلی را برای پیش‌بینی تقاضاهای آینده صنعت کانتینری تجزیه و تحلیل می‌کند. این سیستم پیش‌بینی، به هاپاگ لوید اجازه می‌دهد تا به طور فعال مسیرهای حمل‌ونقل، برنامه‌ها و تخصیص کانتینرهای خود را تنظیم کند.

سیستم مبتنی بر هوش‌مصنوعی برای پیش‌بینی تقاضا، هاپاگ لوید را قادر می‌کند تا هزینه‌های جابه‌جایی کانتینر خالی را کاهش دهد و بهینه‌سازی نرخ پرشدن کشتی و کارایی عملیاتی خود را بالا ببرد.

با استفاده از این سیستم دقت پیش‌بینی بهبودیافته منجر به خدمات بهتر به مشتریان، زمان‌بندی مطمئن‌تر و اختلالات کمتر شده است.

مطالعه موردی سیستم هاپاگ لوید نشان می‌دهد چگونه هوش‌مصنوعی می‌تواند کارایی مدیریت زنجیره تأمین را در صنعت حمل‌ونقل افزایش دهد.

کشتیرانی MSC

شرکت MSC به عنوان اولین شرکت برتر در لیست 100 شرکت کشتیرانی جهان یک رهبر جهانی در حمل‌ونقل و تدارکات، فنّاوری هوش‌مصنوعی را برای تقویت اقدامات امنیتی کشتی و پایانه‌ها یکپارچه کرده است.

سیستم هوش‌مصنوعی برای ارتقاء قابلیت نظارتی و شناسایی مؤثر تهدیدات امنیتی طراحی شده است.

برای پیاده‌سازی این سیستم، هوش‌مصنوعی از الگوریتم‌های تشخیص تصاویر پیشرفته تشخیص الگو استفاده می‌کند که فیلم‌های ویدئویی دوربین داخل کشتی و سیستم‌های نظارت پایانه را  آنالیز می‌کند.

این سیستم می‌تواند به‌طورخودکار فعالیت با افراد غیرمجاز، جابه‌جایی محموله مشکوک و خطرات احتمالی ایمنی را شناسایی کند. از زمان استقرار این سیستم نظارتی مبتنی بر هوش‌مصنوعی،MSC به‌طور قابل‌توجهی بهبود زمان پاسخ امنیتی و کاهش حوادث مرتبط با امنیت را گزارش کرده است.

قابلیت این سیستم برای شناسایی سریع و دقیق تهدیدات احتمالی در جلوگیری از سرقت، تضمین ایمنی محموله و حفظ محیط امن در پایانه‌های حمل‌ونقل شلوغ بسیار مهم و اساسی بوده است.

بررسی عملکرد این سیستم نقش‌محوری هوش‌مصنوعی را در تقویت پروتکل امنیتی در صنعت حمل‌ونقل نشان می‌دهد.

 کشتیرانی Evergreen

شرکت Evergreen به عنوان یک خط کشتیرانی برجسته جهانی فرایندهای مدیریت موجود خود را با استفاده از هوش‌مصنوعی برای ردیابی دقیق و کارآمدتر مکان‌های کانتینر ارتقاء داده است.

این برنامه بخشی از استراتژی گسترده این شرکت برای دیجیتالی کردن عملیات و بهبود دقت لجستیکی است. سیستم هوش‌مصنوعی در این شرکت از داده‌های بلادرنگ و فنّاوری موقعیت جغرافیایی برای نظارت بر حرکت کانتینر در بنادر جهانی و کشتی‌ها استفاده می‌کند سپس اطلاعات را پردازش کرده تا با به‌روزرسانی و تجزیه و تحلیل‌های پیش‌بینی‌کننده درباره وضعیت کانتینرها آنها را ارائه کند.

این سیستم به مدیریت پویا کمک می‌کند و شانس اشتباه و یا تأخیر در حمل‌ونقل کانتینری را کاهش می‌دهد.

پیاده‌سازی این سیستم به شرکت Evergreen این امکان را می‌دهد تا زمان صرف شده برای تطبیق موجودی‌ها را به میزان قابل‌توجهی کاهش دهد و دقت داده‌های مانیفست حمل‌ونقل را بهبود بخشد.

این کار منجر به زمان تحویل سریع‌تر، مطمئن‌تر و افزایش رضایت مشتری و کاهش هزینه‌های مرتبط با مفقود شدن یا مسیریابی اشتباه کانتینرها شده است.

 شرکت OOCL

شرکت OOCL ارائه‌دهنده خدمات لجستیک و کانتینر بین‌‌المللی یک سیستم مبتنی بر هوش‌مصنوعی را برای نظارت بهینه‌سازی مصرف سوخت در ناوگان به کار گرفته و هدف این ابتکار بهبود کارایی عملیاتی و کاهش اثرات زیست‌محیطی است.

سیستم هوش مصنوعی با استفاده از حسگرهای مصرف سوخت موجود و پلتفرم تجزیه و تحلیل داده یکپارچه شده و به‌طور مداوم عملکرد موتور، سرعت و شرایط دریا را کنترل می‌کند.

با استفاده از الگوریتم‌های یادگیری ماشینی، سیستم شرایط عملیاتی بهینه را برای به خطر انداختن پای‌بندی به برنامه پیش‌بینی می‌کند.

شرکت OOCL کاهش قابل‌توجهی در مصرف سوخت را تجربه کرده که به کاهش هزینه‌های عملیاتی و پایین آوردن میزان انتشار گازهای گلخانه‌ای کمک می‌کند. توانایی سیستم هوش‌مصنوعی برای ارائه بینش‌های بی‌درنگ و راهکارهای پیش‌بینی‌کننده، پایداری کلی عملیات ناوگان را بهبود بخشیده است.

مطالعات موردی مزایای زیست محیطی و اقتصادی استفاده از هوش‌مصنوعی برای مدیریت و بهینه‌سازی مصرف سوخت در حمل‌ونقل دریایی را برجسته می‌کند.

این مطالعات نمونه‌ای از روش‌های متنوع و تأثیرگذاری است که از فنّاوری هوش‌مصنوعی در صنعت حمل‌ونقل برای هدایت نوآوری و بهبود کارایی استفاده می‌شوند.