Ninguém previa há um ano que todos os segmentos do mercado a granel estariam a US $ 30.000 mil / dia, ou seja, três ou quatro vezes mais do que há doze meses. Ninguém previu também que os quatro segmentos seriam comercializados com uma diferença mínima um do outro, o que é incomum, diz o relatório semanal da Alphabulk.

Mas estes dias de escuridão possivelmente acabaram, uma vez que se presume que o Big Data e a Inteligência Artificial nos permitiriam prever o futuro. Ou pelo menos é o que afirmam os players da indústria que “aproveitaram” ambas as ferramentas para ver através da bagunça.

Segundo a consultoria, os benefícios não são obtidos acertando sempre, mas acertando mais vezes do que errando e minimizando as perdas quando as coisas dão errado. Ou seja, gerenciamento de risco.

Um sistema de gerenciamento de risco adequado é barato de implementar e dará resultados imediatos, enquanto a busca por uma ferramenta de previsão perfeita pode ser cara e elusiva.

 Ressalta-se também que os participantes do mercado devem ser sempre alunos de seus mercados, o que implica em coletar dados, limpá-los e classificá-los com qualquer ferramenta - matemática ou estatística - disponível e que, hoje, eles são ótimos.

Mas o que é Big Data?

Uma definição seria: “…conjuntos de dados extremamente grandes que podem ser analisados ​​computacionalmente para revelar padrões, tendências e associações, especialmente relacionadas ao comportamento e às interações humanas”.

O Big Data é geralmente caracterizado por: Um grande volume de dados; uma grande variedade de dados; e uma alta velocidade na qual muitos dos dados são gerados, coletados e processados.

Conclui-se do que precede que atualmente não existe Big Data no transporte marítimo puramente a nível de navio. Alguns fornecedores afirmam que bilhões de dados relacionados à frota mercante mundial são coletados diariamente, que hoje é composta por pouco mais de 100.000 navios: petroleiros, transportadores de gás, navios porta-contêineres, navios de carga pesada, etc.

Bem, os números limitados de dados derivados de 100.000 navios podem apenas ajudar a detectar os seguintes padrões: Os navios tendem a se mover na água entre os portos, eles ficam vazios parte do tempo, além de alguns outros padrões menores.

Por exemplo, descobrir poucas horas depois de sua partida que um Capesize saindo do Brasil está se dirigindo para o Cabo da Boa Esperança ou para a Europa pode ser útil, mas não responde a um aplicativo de Big Data. Contar o número de navios esperando ancorados em vários portos e detectar um aumento ou diminuição repentino desse número é muito útil e chega perto de um aplicativo de Big Data. Também é imensamente útil detectar uma mudança na velocidade média da frota com o aumento da capacidade disponível, bem como sua diminuição.

Indiscutivelmente, o Big Data na sua forma mais estrita não se aplica ao transporte marítimo, uma vez que a frota mercante mundial é demasiado pequena para gerar “conjuntos de dados extremamente grandes...”. No entanto, o transporte marítimo depende de muitas variáveis, tais como os fluxos comerciais globais e a economia global, que geram “conjuntos de dados extremamente grandes…”, correspondendo à definição estrita de Big Data.

Inteligência artificial 

Segundo a IBM, “a Inteligência Artificial usa computadores e máquinas para imitar as habilidades de resolução de problemas e tomada de decisão da mente humana”. Na verdade, hoje existem dois caminhos de desenvolvimento para a Inteligência Artificial: a abordagem humana, ou seja, sistemas que pensam como humanos e sistemas que agem como humanos; e a abordagem ideal, isto é, sistemas que pensam racionalmente.

Simplificando, a inteligência artificial consiste em combinar ciência da computação com grandes conjuntos de dados (Big Data) para permitir a solução de problemas. Isso é feito com base em subconjuntos, como aprendizado de máquina e aprendizado profundo, motivo pelo qual esses dois subconjuntos são frequentemente mencionados junto com a inteligência artificial.

Detecção de anomalia

Esses subconjuntos são compostos por algoritmos de Inteligência Artificial que visam criar sistemas especialistas que fazem previsões e / ou classificações a partir dos dados de entrada. A ideia é, antes de tudo, ensinar a máquina a reagir como um humano, incluindo capacidades de aprendizagem. Mas de acordo com Alfabulk, o defeito da Inteligência Artificial é que na verdade ela não é nada artificial, uma vez que é programada por humanos e, portanto, com todos os seus defeitos.

No entanto, uma das aplicações consideradas como proporcionando valor agregado é a chamada análise de e-mail. Corretores e diretores têm que lidar com fluxos de e-mail incríveis e aqui a Inteligência Artificial complementando ML e PNL pode ser muito útil. Um sistema analisador A caixa de correio permite a extração de dados de emails de entrada e pode ser configurada para extrair campos de dados específicos de mensagens de entrada. Isso permite que você converta e-mails de texto não estruturados em dados estruturados que podem ser usados ​​para qualquer finalidade.

E há um novo campo no transporte marítimo onde Big Data e inteligência artificial também podem ser muito úteis: o campo da manutenção preditiva e preventiva. Com a ajuda de um servidor de bordo conectado a uma série de sensores de bordo, uma plataforma de análise remota pode criar um gêmeo digital de qualquer embarcação.

Este navio “digital” pode então ser monitorizado permanentemente através da recolha diária de milhares de dados. Isto inclui elementos como temperatura, pressão ou vibrações. Em cada um deles você pode estabelecer alarmes baseados em limites.

Após um determinado período de tempo de coleta de dados, a plataforma pode começar a funcionar como um sistema automatizado de detecção de anomalias que efetivamente usa inteligência artificial e modelos de aprendizado de máquina para monitorar o equipamento de bordo em busca de falhas, acionando a intervenção humana antes que ocorra uma pane. Aqui você pode encontrar a interseção perfeita entre transporte marítimo, inteligência artificial e Big Data.