Personne n'avait prédit il y a un an que tous les segments du marché du vrac seraient à 30.000 XNUMX US$/jour, soit trois ou quatre fois plus qu'il y a douze mois. Personne n'a prédit non plus que les quatre segments se négocieraient avec une différence minimale les uns par rapport aux autres, ce qui est inhabituel, note le rapport hebdomadaire d'Alphabulk.

Mais ces jours sombres sont peut-être révolus, puisque le Big Data et l’Intelligence Artificielle, suppose-t-on, nous permettraient de prédire l’avenir. Ou du moins, c’est ce que prétendent les acteurs de l’industrie qui ont « exploité » les deux outils pour sortir du gâchis.

Selon le cabinet de conseil, les avantages ne s'obtiennent pas en faisant toujours bien les choses, mais en faisant les choses bien plus souvent qu'en se trompant et en minimisant les pertes lorsque les choses tournent mal. C'est-à-dire la gestion des risques.

Un bon système de gestion des risques est peu coûteux à mettre en œuvre et donnera des résultats immédiats, tandis que la recherche d'un outil de prédiction parfait peut être coûteuse et insaisissable.

 Il est également rappelé que les acteurs du marché doivent toujours être des étudiants de leurs marchés, ce qui implique de collecter des données, de les nettoyer et de les classer avec n'importe quel outil - mathématique ou statistique - disponible et qu'aujourd'hui, ils sont formidables.

Mais qu'est-ce que le Big Data ?

Une définition serait : « … des ensembles de données extrêmement volumineux qui peuvent être analysés informatiquement pour révéler des modèles, des tendances et des associations, en particulier liés au comportement et aux interactions humaines. »

Le Big Data se caractérise généralement par : Un grand volume de données ; une grande variété de données; et une vitesse élevée à laquelle une grande partie des données sont générées, collectées et traitées.

Il résulte de ce qui précède que le Big Data n'existe pas actuellement dans le transport maritime uniquement au niveau du navire. Certains fournisseurs affirment que des milliards de données liées à la flotte marchande mondiale sont collectées quotidiennement, qui compte aujourd'hui un peu plus de 100.000 XNUMX navires : pétroliers, transporteurs de gaz, porte-conteneurs, cargos lourds, etc.

Eh bien, les chiffres de données limités dérivés de 100.000 XNUMX navires ne peuvent qu'aider à détecter les schémas suivants : les navires ont tendance à se déplacer dans l'eau entre les ports, ils sont vides une partie du temps, ainsi que d'autres schémas mineurs.

Par exemple, savoir dans les heures qui suivent son départ qu'un Capesize quittant le Brésil se dirige vers le Cap de Bonne Espérance ou vers l'Europe peut être utile, mais ne répond pas à une application Big Data. Compter le nombre de navires en attente ancrés dans différents ports et détecter une augmentation ou une diminution soudaine de ce nombre est très utile et se rapproche d'une application Big Data. Il est également extrêmement utile de détecter un changement dans la vitesse moyenne de la flotte comme une augmentation de la capacité disponible, ainsi que sa diminution.

On peut soutenir que le Big Data dans sa forme la plus stricte ne s’applique pas au transport maritime, car la flotte marchande mondiale est trop petite pour générer « des ensembles de données extrêmement volumineux… ». Cependant, le transport maritime dépend de nombreuses variables, telles que les flux commerciaux mondiaux et l’économie mondiale, qui génèrent « des ensembles de données extrêmement volumineux… », répondant à la définition stricte du Big Data.

Intelligence artificielle 

Selon IBM, « l'intelligence artificielle utilise des ordinateurs et des machines pour imiter les capacités de résolution de problèmes et de prise de décision de l'esprit humain ». En fait, il existe aujourd'hui deux voies de développement de l'intelligence artificielle : l'approche humaine, c'est-à-dire des systèmes qui pensent comme des humains et des systèmes qui agissent comme des humains ; et l’approche idéale, c’est-à-dire des systèmes qui pensent rationnellement.

En termes simples, l'intelligence artificielle consiste à combiner l'informatique avec de grands ensembles de données (Big Data) pour permettre la résolution de problèmes. Pour ce faire, il s'appuie sur des sous-ensembles tels que l'apprentissage automatique et l'apprentissage en profondeur, c'est pourquoi ces deux sous-ensembles sont fréquemment mentionnés aux côtés de l'intelligence artificielle.

Détection d'une anomalie

Ces sous-ensembles sont constitués d'algorithmes d'intelligence artificielle qui visent à créer des systèmes experts qui font des prédictions et/ou des classifications à partir des données d'entrée. L'idée est, tout d'abord, d'apprendre à la machine à réagir comme un humain, avec notamment des capacités d'apprentissage. Mais selon alphabulk, le défaut de l'Intelligence Artificielle est qu'elle n'est en fait pas artificielle du tout, puisqu'elle est programmée par des humains et, donc, avec tous ses défauts.

Cependant, l'une des applications considérées comme apportant une valeur ajoutée est ce que l'on appelle l'analyse des e-mails. Les courtiers et les directeurs doivent faire face à des flux d'e-mails incroyables et ici, l'intelligence artificielle complétant le ML et le NLP peut être très utile. Un système d'analyse La boîte aux lettres permet l'extraction de données des e-mails entrants et peut être configurée pour extraire des champs de données spécifiques des messages entrants. Cela permet de convertir les e-mails textuels non structurés en données structurées qui peuvent ensuite être utilisées à n'importe quelle fin.

Et il existe un nouveau domaine dans le transport maritime où le Big Data et l'intelligence artificielle pourraient également être très utiles : le domaine de la maintenance prédictive et préventive. À l'aide d'un serveur embarqué connecté à une série de capteurs embarqués, une plateforme d'analyse à distance peut créer un jumeau numérique de n'importe quel navire.

Ce navire « numérique » peut alors être surveillé en permanence en collectant quotidiennement des milliers de données. Cela inclut des éléments tels que la température, la pression ou les vibrations. Dans chacun d'eux, vous pouvez établir des alarmes basées sur des seuils.

Après une certaine période de collecte de données, la plate-forme peut commencer à fonctionner comme un système de détection d'anomalies automatisé qui utilise efficacement des modèles d'intelligence artificielle et d'apprentissage automatique pour surveiller les équipements embarqués à la recherche de pannes, déclenchant une intervention humaine avant qu'une panne ne se produise. Vous trouverez ici l'intersection parfaite entre le transport maritime, l'intelligence artificielle et le Big Data.