Kann maschinelles Lernen die Schifffahrtsbranche verändern?

Wir haben ein maschinelles Lernmodell entwickelt, um vorherzusagen, welche Schiffe wahrscheinlich festgehalten werden. Das Modell schaffte es in die engere Auswahl des Singapore Ocean of Opportunities AI Track , einer international renommierten Veranstaltung, bei der konkurrierende Unternehmen KI-Lösungen für die Schifffahrtsindustrie entwickeln wollen. Was kann maschinelles Lernen also für die Schifffahrtsbranche leisten?

Eine KI, die das Risiko von Festsetzungen für Schiffe im asiatisch-pazifischen Raum vorhersagt. Dies ist ein Beispiel dafür, wie KI die Schifffahrt verändern kann.

Das Problem der Schiffsfeststellungen in der Branche

Zu Beginn des aktuellen Coronavirus-Ausbruchs haben Sie möglicherweise von dem unter britischer Flagge fahrenden Kreuzfahrtschiff Diamond Princess gelesen, das in Yokohama unter Quarantäne gestellt wurde, nachdem einige Passagiere positiv auf Covid-19 getestet wurden.

Die Diamantprinzessin. Quelle: Wikipedia

Tatsächlich besteht die Gefahr, dass Schiffe aller Art festgehalten werden, wenn sie eine Inspektion durch die Hafenbehörden nicht bestehen. Das Vereinigte Königreich hat im Januar 2020 zwei Schiffe festgehalten : die unter lettischer Flagge fahrende Liv Greta, die wegen unzureichender Einhaltung von Rettungsbooten und Sicherheitsvorschriften festgehalten wurde, und die unter nigerianischer Flagge fahrende MS Jireh, weil sie die Sicherheits- und Tierschutzstandards nicht eingehalten hatte.

Für Reedereien stellt das Risiko von Feststellungen ein Problem dar, da unterbrochene Fahrten Geld kosten. Hinzu kommen menschliche Kosten. Neun russische Besatzungsmitglieder waren im Februar ohne Vorräte vor der Küste Englands gestrandet , als das MS Jireh festgehalten wurde.

Wenn ein Unternehmen einen Container über das Meer verschickt, muss es ein Schiff auswählen, bei dem die Wahrscheinlichkeit geringer ist, dass es in einem ausländischen Hafen aufgehalten wird. Schiffsregister klassifizieren derzeit Schiffe in ein hohes , mittleres und niedriges Risiko, basierend auf einem vom Menschen festgelegten Regelwerk darüber, wie viele Mängel bei früheren Inspektionen festgestellt wurden.

Eine Goldgrube für maschinelles Lernen in der Schifffahrtsbranche: Schiffsinspektionsaufzeichnungen für den 29. Januar. Die Spalte ganz rechts zeigt die aktuelle Kategorisierung des Schiffes in hohes, mittleres oder niedriges Risiko, festgelegt durch die Absichtserklärung von Tokio . Dies ist die derzeit in der Branche verwendete Kategorisierung.

Aufbau eines Modells für maschinelles Lernen zur Vorhersage von Risiken für die Schifffahrtsbranche

Da maschinelles Lernen in einer Reihe anderer Branchen zu Umwälzungen geführt hat, habe ich versucht, ein Modell für maschinelles Lernen zu trainieren, um das Festhalten von Schiffen in der Schifffahrtsbranche vorherzusagen.

Glücklicherweise ist es möglich, Informationen über vergangene Inspektionen im asiatisch-pazifischen Raum aus verschiedenen Quellen im Internet kostenlos herunterzuladen. Ich habe Daten von 21.000 Schiffen für die Jahre 2017, 2018 und 2019 heruntergeladen und mithilfe von Microsoft Azure ML ein Modell trainiert, um herauszufinden, was ein Schiff anfällig für Festsetzungen macht.

Sie können dieser KI alles mitteilen, was Sie über ein Schiff wissen, und sie gibt Ihnen eine Wahrscheinlichkeit an, dass das Schiff festgehalten wird.

Kann das Modell des maschinellen Lernens in der Schifffahrtsbranche das Festhalterisiko erklären?

Ich fand heraus, dass der wichtigste von der KI verwendete Faktor das Land war, in dem die Inspektion stattfindet. Der nächst aussagekräftigste Indikator ist die Anzahl der Mängel, die bei früheren Kontrollen in anderen Häfen aufgedeckt wurden. Von besonderem Interesse sind der Zustand der Wasserdichtigkeit des Schiffes, die Einhaltung der Brandschutzvorschriften und die Rettungsmittel.

Wichtige Merkmale für das KI-Modell zur Vorhersage von Schiffsfeststellungen im asiatisch-pazifischen Raum. Die Balken zeigen, welche Aspekte der Schiffsgeschichte auf eine hohe Wahrscheinlichkeit einer Festsetzung hinweisen. Tatsächlich ist das Land der Inspektion ein wichtiger Faktor, außerdem die Flagge des Schiffs und die Vorgeschichte von bei früheren Inspektionen festgestellten Mängeln bei der Nichtfesthaltung.

Wenn Sie also die Wahrscheinlichkeit einer Festsetzung eines Schiffes einschätzen möchten, sollten Sie zunächst das Land berücksichtigen, das es anläuft, und sich frühere Aufzeichnungen über Lecks, Brandschutzprobleme und lebensrettende Ausrüstung ansehen.

Wie verhält sich das Modell des maschinellen Lernens in Zahlen?

Um das Modell zu bewerten, habe ich ROC-Kurven und die Fläche unter der Kurve (Area Under the Curve, AUC) anstelle von Genauigkeit verwendet, da Festsetzungen ein sehr seltenes Ereignis sind und ROC/AUC es uns ermöglichen, zu messen, wie gut wir Schiffe mit relativ hohem und niedrigem Risiko unterscheiden können.

Was die Modellleistung betrifft, ergibt das aktuelle Schiffsklassifizierungssystem hoch/mittel/niedrig eine AUC von 0,66, während mein Modell eine AUC von 0,80 ergab. Das bedeutet, dass das Modell eine viel höhere Vorhersagekraft hat als das aktuelle System.

ROC-Kurve für das maschinelle Lernmodell im Vergleich zu den aktuellen Schiffsklassifizierungen. Wenn Sie wissen möchten, wie ROC-Kurven zu interpretieren sind, lesen Sie bitte meinen Beitrag über KI für das Gesundheitswesen .

Probieren Sie das Modell des maschinellen Lernens aus

Ich habe das Modell unter einer temporären URL bereitgestellt, wo es möglich war, in Echtzeit die Hochrisikoschiffe anzuzeigen, die sich derzeit im Hafen von Singapur befinden, und Sie können experimentieren, indem Sie das Risiko eines Schiffes berechnen.

Weitere Verbesserungen

Zu einer Schiffsinspektion gehört auch die Erstellung eines PDF-Dokuments mit Freitext, in dem alle Aspekte des Schiffs beschrieben werden. Leider sind diese Dokumente nicht öffentlich verfügbar, es wäre jedoch möglich, ein Modell zu trainieren, um anhand dieses Textdokuments mithilfe natürlicher Sprachverarbeitung die Seetüchtigkeit eines Schiffs vorherzusagen.

Wert des maschinellen Lernens für die Schifffahrtsbranche

Jedes Versand- oder Speditionsunternehmen könnte ein solches Modell in seine Systeme integrieren, um das Risiko von Verzögerungen bei seinen Sendungen zu quantifizieren. Die Kosteneinsparungen für ein Unternehmen wären enorm.

Wenn Sie in Ihrer Branche ein ähnliches Problem haben, bei dem KI Ihrer Meinung nach helfen könnte, freue ich mich, von Ihnen zu hören. Bitte fügen Sie Ihre Ideen in den Kommentaren unten ein oder kontaktieren Sie mich mit Ihren Ideen.