Τεχνητή νοημοσύνη και επισκευές στη ναυτιλία

0

Του Καθ. Νικήτα Νικητάκου, Τμήμα Ναυτιλίας και Επιχειρηματικών Υπηρεσιών, Πανεπιστήμιο Αιγαίου

Στις μέρες μας διανύουμε την τέταρτη βιομηχανική επανάσταση, με βασικό στοιχείο τα κυβερνο-φυσικά συστήματα, που είναι συστήματα που επιδρούν με το περιβάλλον και ελέγχονται από το διαδίκτυο. Κλασικά παραδείγματα είναι τα μη επανδρωμένα οχήματα, όπως το αυτόνομο πλοίο και τα διάφορα ρομπότ. Κύρια εργαλεία όλης αυτής της επανάστασης είναι η τεχνητή νοημοσύνη και τα πολύ μεγάλα δεδομένα.
 

Όπως είναι φυσικό, όλη αυτή η κοσμογονική αλλαγή θα επηρεάσει σημαντικά τη ναυτιλία όχι μόνο στον τρόπο λειτουργίας της αλλά και στις διάφορες υποστηρικτικές ενέργειες, όπως στην περίπτωσή μας η επισκευαστική πολιτική. Στον περιορισμένο χώρο του άρθρου θα ασχοληθούμε κυρίως με την τεχνητή νοημοσύνη, δίνοντας τους βασικούς ορισμούς, την επίδρασή της στη ναυτιλία, εστιάζοντας κυρίως στις επισκευές.

Ο όρος τεχνητή νοημοσύνη(ΤΝ)αναφέρεται στον κλάδο της πληροφορικής ο οποίος ασχολείται με τη σχεδίαση και την υλοποίηση υπολογιστικών συστημάτων που μιμούνται στοιχεία της ανθρώπινης συμπεριφοράς τα οποία υπονοούν έστω και στοιχειώδη ευφυΐα: μάθηση, προσαρμοστικότητα, εξαγωγή συμπερασμάτων, κατανόηση από συμφραζόμενα, επίλυση προβλημάτων, κ.λπ. Η τεχνητή νοημοσύνη αποτελεί σημείο τομής μεταξύ πολλαπλών επιστημών, όπως της πληροφορικής, της ψυχολογίας, της φιλοσοφίας, της νευρολογίας, της γλωσσολογίας και της επιστήμης μηχανικών, με στόχο τη σύνθεση ευφυούς συμπεριφοράς, με στοιχεία συλλογιστικής, μάθησης και προσαρμογής στο περιβάλλον, ενώ συνήθως εφαρμόζεται σε μηχανές ή υπολογιστές ειδικής κατασκευής.

Διαιρείται στη συμβολική τεχνητή νοημοσύνη, η οποία επιχειρεί να εξομοιώσει την ανθρώπινη νοημοσύνη αλγοριθμικά, χρησιμοποιώντας σύμβολα και λογικούς κανόνες υψηλού επιπέδου, και στην υπο συμβολική τεχνητή νοημοσύνη, η οποία προσπαθεί να αναπαράγει την ανθρώπινη ευφυΐα χρησιμοποιώντας στοιχειώδη αριθμητικά μοντέλα που συνθέτουν επαγωγικά νοήμονες συμπεριφορές με τη διαδοχική αυτό-οργάνωση απλούστερων δομικών συστατικών («συμπεριφορική τεχνητή νοημοσύνη»), προσομοιώνουν πραγματικές βιολογικές διαδικασίες, όπως η εξέλιξη των ειδών και η λειτουργία του εγκεφάλου («υπολογιστική νοημοσύνη»), ή αποτελούν εφαρμογή στατιστικών μεθοδολογιών σε προβλήματα ΤΝ.

Η συμβατική τεχνητή νοημοσύνη εμπλέκει μεθόδους μηχανικής μάθησης (machine learning), που χαρακτηρίζονται από αυστηρούς μαθηματικούς αλγόριθμους και στατιστικές μεθόδους ανάλυσης. Διακρίνεται σε:

Έμπειρα ή εξειδικευμένα συστήματα (Expert systems), που εφαρμόζουν προγραμματισμένες ρουτίνες λογικής, σχεδιασμένες αποκλειστικά για μια συγκεκριμένη εργασία, προκειμένου να εξαχθεί κάποιο συμπέρασμα. Για τον σκοπό αυτόν, διεξάγεται επεξεργασία μεγάλων ποσοτήτων γνωστών πληροφοριών.

Λογική κατά περίπτωση (Case based reasoning). Η επίλυση ενός προβλήματος βασίζεται στην προηγούμενη επίλυση παρόμοιων προβλημάτων.

Δίκτυα Bayes (Bayesian networks). Βασίζονται στη στατιστική ανάλυση για τη λήψη αποφάσεων.

Συμπεριφορική τεχνητή νοημοσύνη (Behavior based AI). Μέθοδος τεμαχισμού της λογικής διαδικασίας και στη συνέχεια χειροκίνητης οικοδόμησης του αποτελέσματος.

Η υπολογιστική τεχνητή  νοημοσύνη βασίζεται στη μάθηση μέσω επαναληπτικών διαδικασιών (ρύθμιση παραμέτρων). Η μάθηση βασίζεται σε εμπειρικά δεδομένα και σε μη συμβολικές μεθόδους. Διακρίνεται σε:

Τεχνητά νευρωνικά δίκτυα (Artificial neural networks), με πολύ ισχυρές δυνατότητες αναγνώρισης προτύπων (pattern recognition). Προσομοιάζουν τη λειτουργία των νευρώνων των έμβιωνόντων.

Συστήματα ασαφούς λογικής (Fuzzy logic systems). Αποτελούν τεχνικές λήψης απόφασης κάτω από αβεβαιότητα. Βασίζονται στην ύπαρξη μη αυστηρά διαχωρισμένων καταστάσεων, των οποίων η βαρύτητα λαμβάνεται υπόψη κατά περίπτωση. Υπάρχουν ήδη πολλές εφαρμογές αυτών των τεχνικών.

Εξελικτική υπολογιστική (Evolutionary computation). Η ανάπτυξή τους προέκυψε από τη μελέτη των έμβιων οργανισμών και αφορούν σε έννοιες όπως του πληθυσμού, της μετάλλαξης και της φυσικής επιλογής (επιβίωση του πιο προσαρμοσμένου) για την ακριβέστερη επίλυση ενός προβλήματος. Οι μέθοδοι αυτοί μπορούν να διακριθούν περαιτέρω σε εξελικτικούς αλγόριθμους (evolutionary algorithms) και σε νοημοσύνης σμήνους (swarm intelligence), όπως οι αλγόριθμοι που προσομοιάζουν τη συμπεριφορά μιας κοινωνίας μυρμηγκιών.

Εστιάζοντας κυρίως στη μηχανική μάθηση, έχουμε την παρακάτω ανάλυση. Θα πρέπει να διευκρινιστεί ότι, εν γένει, ο τομέας της μηχανικής μάθησης αναπτύσσει τρεις τρόπους μάθησης, ανάλογους με τους τρόπους με τους οποίους μαθαίνει ο άνθρωπος: επιβλεπόμενη μάθηση, μη επιβλεπόμενη μάθηση και ενισχυτική μάθηση. Πιο αναλυτικά:

Επιβλεπόμενη μάθηση (Supervised Learning)είναι η διαδικασία όπου ο αλγόριθμος κατασκευάζει μια συνάρτηση που απεικονίζει δεδομένες εισόδους (σύνολο εκπαίδευσης) σε γνωστές επιθυμητές εξόδους, με απώτερο στόχο τη γενίκευση της συνάρτησης αυτής και για εισόδους με άγνωστη έξοδο. Χρησιμοποιείται σε προβλήματα:

  • Ταξινόμησης (Classification)
  • Πρόγνωσης (Prediction)
  • Διερμηνείας (Interpretation)

Μη επιβλεπόμενη μάθηση (Unsupervised Learning), όπου ο αλγόριθμος κατασκευάζει ένα μοντέλο για κάποιο σύνολο εισόδων υπό μορφή παρατηρήσεων χωρίς να γνωρίζει τις επιθυμητές εξόδους. Χρησιμοποιείται σε προβλήματα:

  • Ανάλυσης συσχετισμών (Association Analysis)
  • Ομαδοποίησης (Clustering)

Ενισχυτική μάθηση (Reinforcement Learning), όπου ο αλγόριθμος μαθαίνει μια στρατηγική ενεργειών μέσα από άμεση αλληλεπίδραση με το περιβάλλον. Χρησιμοποιείται κυρίως σε προβλήματα σχεδιασμού (Planning), όπως για παράδειγμα ο έλεγχος κίνησης ρομπότ και η βελτιστοποίηση εργασιών σε εργοστασιακούς χώρους.

Τεχνητή νοημοσύνη και ναυτιλία

Οι τεχνολογίες που στηρίζονται στην τεχνητή νοημοσύνη έχουν αλλάξει τον τρόπο λειτουργίας της ναυτιλίας, έχουν μειώσει το κόστος και τους κινδύνους για την ανθρώπινη ζωή. Πολλές εταιρείες έχουν επενδύσει στη χρήση τους και συγκεκριμένα στις παρακάτω περιοχές εφαρμογής:

Απομακρυσμένη επιθεώρηση. Η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί για επιθεώρηση σε περιοχές που είναι δύσκολο να προσεγγίσουν άνθρωποι, μειώνοντας έτσι το κόστος. Μη επανδρωμένα οχήματα (drones) χρησιμοποιούνται για επιθεώρηση δεξαμενών φορτίου και μπορούν να εντοπίσουν διάφορες αστοχίες στην κατασκευή, διευκολύνοντας τις σχετικές αναφορές και τη λήψη αποφάσεων. Υπάρχουν επίσης Robots που καθαρίζουν το σκάφος ακόμα και αν το πλοίο ταξιδεύει και με χρήση μεγάλων δεδομένων και τεχνητής νοημοσύνης προτείνουν πότε το πλοίο χρειάζεται δεξαμενισμό, κάνοντας ταυτόχρονα και ελέγχους πάχους ελασμάτων.

Οικονομία καυσίμων.Η τεχνητή νοημοσύνη μπορεί να χρησιμοποιηθεί επίσης για τον έλεγχο της κατανάλωσης καυσίμων, ρυθμίζοντας τις διάφορες παραμέτρους του συστήματος καυσίμου, συγκρίνοντας τις διάφορες τιμές από παρόμοια συστήματα και τέλος, υποδεικνύοντας πιθανά αδύνατα σημεία που απαιτούν βελτίωση στην όλη διαχείριση καυσίμων στο πλοίο. Λογισμικό τεχνητής νοημοσύνης μπορεί να βοηθήσει στην κατάλληλη χρήση του συστήματος προώσεως πάνω στο πλοίο.

Ναυτιλία και έγκαιρος εντοπισμός κινδύνων.Εκτός από την εκρηκτική ανάπτυξη των αυτόνομων πλοίων, τα μεγάλα δεδομένα και η τεχνητή νοημοσύνη βοηθούν τον καπετάνιο πάνω στη γέφυρα να διαχειριστεί καλύτερα την πλοήγηση και να έχει έγκαιρο εντοπισμό των πιθανών κινδύνων. Υπάρχει επίσης δυνατότητα καλύτερης σχεδίασης του πλου και τροποποίησή του ανάλογα τα μετεωρολογικά δεδομένα και άλλες έκτακτες περιστάσεις.

Προληπτική συντήρηση. Κυρίως αναφέρεται σε θέματα έγκαιρου εντοπισμού, όπως θα δούμε και στη συνέχεια, βοήθειας στον εντοπισμό της βλάβης και σε θέματα επαναπρογραμματισμού της συντήρησης, σύμφωνα με τα υφιστάμενα ιστορικά αρχεία από παρόμοιες περιπτώσεις.

Διαχείριση από απόσταση. Εφαρμόζεται κυρίως στη διαχείριση εμπορευματοκιβωτίων που μεταφέρου νευαίσθητα υλικά. Ένα από τα συστήματα(Remote Container Management‒RCM‒technology)καταγράφει τις συνθήκες μέσα σε ένα εμπορευματοκιβώτιο (θερμοκρασία, υγρασία, επίπεδο διοξειδίου του άνθρακος αποθηκεύονται στο διαδίκτυο και δίνουν τη δυνατότητα στον τελικό αποδέκτη του φορτίου να ειδοποιήσει αν κάτι χρειάζεται αλλαγή). Η παραπάνω διαδικασία αυξάνει την αποτελεσματικότητα και την προσαρμογή της όλης μεταφοράς στις ανάγκες του τελικού χρήστη.

ΤΝ και επισκευές πλοίων

Ως συντήρηση ορίζεται «ο συνδυασμός όλων των τεχνικών, διοικητικών και διευθυντικών ενεργειών που λαμβάνουν χώρα καθ’ όλη τη διάρκεια ζωής ενός αντικειμένου και αποσκοπούν στο να το διατηρήσουν ή να το επαναφέρουν σε μια κατάσταση στην οποία να μπορεί να εκπληρώσει τις απαιτούμενες από αυτό λειτουργίες». Στη ναυτιλία υπάρχουν διάφορα είδη και, όπως φαίνεται στη συνέχεια, η τεχνητή νοημοσύνη μπορεί να διαδραματίσει σημαντικό ρόλο.

Διορθωτική συντήρηση (Correctiveor Breakdown Maintenance). Αφορά τη συντήρηση μετά από αστοχία του μηχανήματος και απαιτεί υψηλό κόστος επισκευής. Υπάρχουν διάφοροι αλγόριθμοι και διαδικασίες που μπορούν εύκολα από τα συμπτώματα και από χρήση έμπειρων συστημάτων να εντοπίσουν με μεγάλη ταχύτητα τη βλάβη και να περιορίσουν τον χρόνο αποκατάστασής της και τα απαιτούμενα ανταλλακτικά.

Προληπτική / Προγραμματισμένη συντήρηση (Preventive/ Schedule Maintenance).Είναι η συστηματική περιοδική συντήρηση των μηχανημάτων συμφώνα με τις οδηγίες του κατασκευαστή, τους διεθνείς κανονισμούς και την αποκτηθείσα εμπειρία. Το κόστος επισκευής είναι χαμηλότερο σε σύγκριση με τη Διορθωτική. Η εμπειρία και οι διεθνείς κανονισμοί μπορούν, με τη χρήση συστήματος μηχανικής μάθησης, και να επιταχύνουν και να βοηθήσουν αυτή τη συντήρηση. Κατάλληλα συστήματα ΤΝ μπορούν να βελτιώσουν τους χρόνους και τις διαδικασίες που απαιτούνται.

Διαγνωστική/ Προγνωστική συντήρηση(Conditional/ Predictive Maintenance).Είναι η διαδικασία συντήρησης του εξοπλισμού μόνο όταν αυτός χρήζει επισκευής. Οικονομικότερη σε σύγκριση με άλλες μεθόδους συντήρησης. Σημαντικό τμήμα αφορά ανίχνευση φθορών και βλαβών με την αξιοποίηση διαφόρων μετρήσεων και τη χρήση τεχνητής νοημοσύνης. Από μετρήσεις με κατάλληλη ανάλυση, ταξινόμηση και πρόγνωση μπορούν να διαγνωστούν διάφορες βλάβες του υλικού που θα εμφανιστούν κατά τη μελλοντική χρήση. Είναι ένας τομέας όπου υπάρχει ισχυρός ανταγωνισμός μεταξύ των κατασκευαστών, ώστε να τελειοποιήσουν τη συντήρηση των μηχανημάτων.

Επίλογος ‒Συμπεράσματα

Η νέα εποχή που στηρίζεται στην επεξεργασία μεγάλων δεδομένων και οι αλγόριθμοι τεχνητής νοημοσύνης αποτελούν δείγμα των επαναστατικών τεχνολογιών που θα καθορίσουν τη νέα εποχή στη ναυτιλία. Υπάρχει σειρά σχετικών τεχνολογιών, όπως το ψηφιακό δίδυμοπλοίο (digitaltwin), η εικονική και η επαυξημένη πραγματικότητα (virtual and augmented reality),η τρισδιάστατη εκτύπωση, που στο πλαίσιο χώρου δεν εξετάστηκαν. Σημαντικός επίσης είναι ο ανθρώπινος παράγων, που αναμένεται να διαμορφωθεί ανάλογα και να δημιουργήσει νέες ψηφιακές δεξιότητες, για να μπορέσει να ανταποκριθεί στις νέες εξελίξεις. Το βέβαιο είναι ότι η εικόνα της ναυτιλίας όπως είναι γνωστή μέχρι σήμερα σίγουρα θα αλλάξει.

Το παρόν άρθρο δημοσιεύθηκε στο περιοδικό Ναυτικά Χρονικά, τεύχος Δεκεμβρίου 2020, σελίδα 118