الرئيسية » جييك » التعلم الآلي لتحسين أداء الربان سيباستيان روجيز

التعلم الآلي لتحسين أداء الربان سيباستيان روجيز

Shared 0

جمع بيانات الملاحة بشكل أكثر دقة وتحسين المسارات في البحر ، هذا هو الهدف الذي حدده القبطان الفرنسي ، سيباستيان روجيز ، من خلال الاتصال بشركة الاستشارات التكنولوجية Meritis. لأكثر من عامين حتى الآن ، يعمل متخصصو البيانات مع البحارة لتحسين أدائهم في البحر ، بفضل الذكاء الاصطناعي والتعلم الآلي.

بشكل ملموس للغاية ، أراد سيباستيان روجيز أن يتوقع سرعته بشكل أفضل في البداية. "اليوم ، هو مخطئ بنسبة 10٪ بشأن سرعته. نجحنا في الحصول على دقة بنسبة 100٪ عندما يكون البحر هادئًا ، ولكن البحار الهائجة تؤدي إلى تدهور الأداء "، وفقًا لتقرير لويك فيسيير ، عالم البيانات ومدير المشروع في Meritis ، الذي جاء لتقديم مشروع" Flying Boat "على عجل. "إنه ليس صاروخًا ، ولكنه أكثر تعقيدًا" ، قال ساخرًا ، لنقل كل التعقيدات في عالم الإبحار والطقس الذي لا يمكن التنبؤ به.

سيبدأ سيباستيان روجيز وزميله في الفريق ترانسات جاك فابر في نوفمبر على بريمونيال أوشن فيفتي ، وهو تريماران بطول 50 قدمًا (15 مترًا). يقع مقره في La Baule (Loire-Atlantique) ، ويتوقع القائد البالغ من العمر 35 عامًا أن "الاختراق التكنولوجي التالي سيأتي من الرقمية" ، حتى لو لم يكن جميع البحارة قد حققوا الانتقال بعد. لا يزال سيباستيان روجيز يعتبر نفسه "مزارعًا رقميًا" ، كما أخبر ZDNet ، على الرغم من اهتمامه المؤكد بالموضوع.


سيباستيان روجيز ، ومقره في لا بول (لوار أتلانتيك) سيبدأ ترانسات جاك فابر في نوفمبر المقبل على بريمونيال أوشن فيفتي ، وهو تريماران بطول 50 قدمًا (15 مترًا).

لا تزال نقطة البداية هي جزء الأجهزة: مستشعرات إنترنت الأشياء التي تتيح إجراء القياسات. يراقب سيباستيان روجيس جهازه اللوحي ، الذي يعيد إنتاج البيانات التي تم جمعها في الوقت الفعلي عبر ثلاثين مستشعرًا موضوعة على سفينته. S'appuyant sur toutes les données amassées depuis trois ans à bord du trimaran, les responsables du projet chez Meritis cumulent aujourd'hui près de 5 000 heures d'enregistrements (soit 500 Go de données), comptant un peu plus de 200 variables au مجموع. يؤكد Loïc Veyssière على أنه "على الرغم من تخزين هذه البيانات على متن السفينة ، إلا أنها لم تستخدم مطلقًا". البيانات التي يجب أن تكون قابلة للفرز والتنظيف قبل أن تكون قابلة للقراءة.


لمساعدته في اتخاذ قراراته ، يراقب Sébastien Rogues جهازه اللوحي ، الذي يستعيد البيانات التي تم جمعها في الوقت الفعلي.

التعلم الآلي على الهامش ، والفيزياء لا تزال هي أمر اليوم

إذا كانت البيانات في قلب المشروع ، فذلك لأن كل الاهتمام يتركز على أقطاب السرعة ، وهي المعلمات التي يستخدمها البحارة لإنشاء سيناريوهات الملاحة. يقول سيباستيان روجيز: "يمثل التوجيه 75٪ من الأداء". يعد برنامج Adrena ، المعروف جيدًا للبحارة ، أداة أساسية لحساب هذه المسارات. لذلك فإن الفكرة الأساسية للمشروع هي أخذ أدوات الأداء الحالية وتقديم تحليل بيانات أكثر دقة. يوضح Loïc Veyssière: "نحن لا نلمس مخطط الطريق ، بل نوفر البيانات فقط حتى يكون الحساب دقيقًا قدر الإمكان".

يقدم مشروع Flying Boat بعد ذلك نظامًا أساسيًا للبيانات الضخمة والتعلم الآلي لاستعادة بيانات التنقل وتحليلها. ولكن لا جدال في "ممارسة التعلم الآلي للتعلم الآلي" ، كما يدافع Loïc Veyssière. النهج الإحصائي لا يزال ذا صلة اليوم. يتمثل دور التعلم الآلي في "العثور على أدوات رفع الأداء التي تجعل من الممكن توفير 2-3٪ والفوز بالسباقات" ، يضيف متخصص البيانات.

يتيح التعلم الآلي أيضًا إمكانية معايرة سرعة الرياح الصحيحة في الوقت الفعلي ، وهي إحدى معادلات البداية. يتيح التعلم الآلي إمكانية تجاوز الحسابات الإحصائية قليلاً ، وإجراء تصحيحات لمقاربة أدق المقاييس الممكنة.

المجهول من الأمواج

تكمن الصعوبة الرئيسية الأخرى في حساب ارتفاع الأمواج ، وهي معلمة تؤثر أيضًا على سرعة القارب. توضح عالمة البيانات مدينا روبريني المتخصصة في هذا البحث أن "القطبين لا يأخذان بعين الاعتبار حالة البحر ، ومن هنا تأتي الحاجة إلى الحصول على معلومات عن الأمواج". لحساب ارتفاع الأمواج ، كان على فريق Meritis إنشاء مستشعر وهمي يستعيد بيانات heave (الإزاحة الرأسية للقارب). تم التحقق من صحة الخوارزمية التي تم إنشاؤها لهذا الغرض من خلال مقارنة النتائج التي تم الحصول عليها مع نموذج الأرصاد الجوية لمركز ECMWF (المركز الأوروبي لتوقعات الأرصاد الجوية متوسطة المدى).

بالإضافة إلى حساب الوقت الفعلي ، كان التحدي الذي واجهه Meritis هو القدرة على التنبؤ بارتفاع الأمواج ، مع العلم أن هذه المعلومات تعتمد أساسًا على عدة عوامل ، بما في ذلك قوة الرياح ومدتها. البيانات التي يجب أن تكون قادرة على حقن المنبع في الخوارزمية للحصول على تحليل تنبؤي.

يعتبر حساب ارتفاع الأمواج ميزة لا جدال فيها ، كما يعترف الربان: "لم نعد نقرر أفضل طريق بفضل الرياح فقط ، ولكن أيضًا بفضل البحر. إنه أمر تقريبي للغاية. هناك ، سنذهب إلى شيء أدق بكثير ، وسنكون قادرين حقًا على تحسين مسارنا "، قال.

إذا استمر الملاح في تحسين التكنولوجيا اليوم ، فإنه يعتمد على النشر في ظروف حقيقية في عام 2022 ، بمناسبة طريق روم.


المقال الأصلي

Shared 0

الوسوم:
لأعلي