找回密码
 立即注册
  • 回复
  • 收藏

人工智能会产生波浪

tdmin 2018-12-29 08:17 61人围观 人工智能

人工智能和机器学习通过远程监控等应用程序对港口运营产生越来越大的影响,最大限度地提高终端机械的生产率,并解决海运供应链中固有的许多低效问题。

Cargotec的AI和分析架构师Juho Vihonen观察到,人工智能已经在塑造产品开发,因为具有前瞻性思维的客户越来越多地将机器学习技术的使用视为先决条件。

“机器学习和人工智能将数据转化为可监控的资产,提供高度的竞争优势,”Vihonen说。“例如,数据驱动的机器人技术有望在性能改进方面开辟新的可能性。也就是说,可以通过示例引导式学习以经济有效的方式合成运动控制器,从而减少对手动工程的需求。“

机器学习和人工智能解决了货物处理操作中的实际需求。例如,卡尔玛系列中的所有新设备现在都包含一个网关解决方案,可以通过互联网将设备安全地连接到卡尔玛云,并不断收集遥测数据。

为了利用这些数据,已经在约1000辆卡尔玛正面吊机上部署了预测状态监测。该监控功能可自动分析遥测读数 - 使前线专家能够主动解决客户的重复问题 - 并且由于它位于云中,因此可针对分布式计算,可扩展性和速度进行优化。

Vihonen解释说:“人工智能破坏的可能性来自它已经取得成功的领域的小步骤,例如成像中的物体识别。” “这将带来更安全的码头和港口空间,几乎所有货物装卸产品都可以在没有人工操作员的情况下独立运营。”

提高码头效率是关键
根据麦肯锡公司的说法,更好地利用数据可以大大改善港口到港的协调,48%的集装箱船比预定时间超过12小时,浪费了航空公司的燃料并且未充分利用码头运营商的劳动力和码头空间,以及让机器闲置。

提高终端效率是卡尔玛机器学习部署的关键驱动因素,从为卡尔玛生态反应堆中心开发的燃油消耗模型可以看出这一点。这一新的助推器系列显着提高了操作的生态效率,从而有助于营造健康的环境。通过利用遥测数据并使用机器学习来预测燃料消耗,可以为每台机器发出燃料消耗保证,并说明正面吊机每小时消耗多少升燃料。

严格的排放目标
为了提供保证,Kalmar只需要三个客户特定的输入参数。这些参数描述了典型的货物处理模式,并使机器学习技术能够提前表征燃料消耗。使用12个月后对燃油节省保证进行审核,如果未达成协议燃油消耗,卡尔玛将向客户支付一次性补偿。

Vihonen观察到,港口和终端设备行业未来的竞争力将主要通过与高度自治相关的系统,子系统和开放接口之间的数据交换来定义。

“这将导致产品开发依赖于数据共享和人工智能预测分析,以实现高正常运行时间,”他总结道。

鲜花

握手

雷人

路过

鸡蛋
我有话说......