Generativní AI v námořním inženýrství: Malé, proprietární datové soubory omezují přijetí

Moderní výpočetní technika výrazně zlepšila procesy návrhu a výstavby námořní architektury a námořního inženýrství, ale omezené údaje jim brání v dalším postupu.

Název oboru námořní architektura a námořní inženýrství (NAME) může být starý jen několik set let, ale jeho počátky sahají tisíce let do starověkých civilizací, kde lidé stavěli lodě, aby prozkoumali a provozovali obchod. Různí lidé, včetně Archimedes, Bouguer a Chapman, formalizovali teorie, vědu a metody konceptů vztlaku, stability a designu lodí.

NAME je profesionální inženýrská disciplína, která pokrývá návrh, stavbu, testování, průzkum, údržbu a provoz námořních plavidel a konstrukcí. Vystudoval jsem Akademii pobřežní stráže USA s bakalářským titulem v námořní architektuře a námořním inženýrství a také jsem získal magisterský titul na UC Berkeley. Posledních 22 let pracuji jako námořní architekt pro soukromou námořní poradenskou firmu a pracuji na návrzích osobních trajektů, oceánografických výzkumných plavidel, člunů a dalších plavidel.

Matt Miller je námořním architektem 22 let.

Návrhy zahrnují něco tak základního, jako je plovoucí dok až po složité 1200stopé výletní lodě a letadlové lodě sloužící jako malá města na otevřeném oceánu. Profesionálové v této disciplíně také navrhují pobřežní větrné plošiny, ponorky, kontejnerové lodě, autonomní plavidla a téměř všechna námořní plavidla, která operují na vodě nebo pod vodou.

Zatímco současná generace námořních architektů, včetně mě, možná kreslila lodní čáry ručně tužkami, křivkami a kachnami ve svých vysokoškolských kurzech, současné konstrukční procesy zahrnují pokročilé počítačové aplikace, které zahrnují strojové učení.

Linie plavidla poskytují tvar trupu, který se používá k vyhodnocení návrhu a stavby plavidla. V době, kdy se používaly tužky a spline, byly čáry vyvinuty metodou pokus-omyl, protože hladkost byla hodnocena vizuálně a listy papíru byly posety úlomky gumy. Dnes existuje software, který okamžitě pomáhá při vývoji linií trupu a staví na algoritmech vyvinutých prostřednictvím sběru historických dat a jejich ověřování.

Moderní výpočetní výkon poskytuje inženýrům možnost testovat proměnné a vyhodnocovat jejich efektivitu v sekundách, kde v minulosti spotřebovával hodiny nebo dny. Velká část této schopnosti je postavena na vzorcích a vědě, které existují stovky let. Software také zahrnuje předpisy, které mají minimální kritéria, která musí být splněna, aby byly splněny bezpečnostní normy.

Často se říká, že námořní průmysl pomalu přijímá nové technologie, ale pokud vstoupíte do moderní loděnice nebo inženýrské konstrukční firmy, uvidíte pravidelné používání 3D modelování, výpočetní dynamiky tekutin, analýzy konečných prvků a robotické výroby. již není přesný. Nyní je čas zvážit pokročilé nástroje, které jsou k dispozici ve formě strojového učení a umělé inteligence.

Pokročilé softwarové balíčky, které dnes používají námořní architekti a námořní inženýři, výrazně zvýšily efektivitu a přesnost vývoje designu. Některé z těchto nástrojů jsou ideální pro začlenění strojového učení a umělé inteligence. Například výpočetní dynamika tekutin (CFD) se používá k modelování tekutin, ve kterých plavidlo cestuje, pomocí primárně Navier-Stokesových rovnic.

Díky modernímu výpočetnímu výkonu lze tyto výpočty provádět pro vyhodnocení fyzikálních jevů, ale i u dnešních počítačů tyto simulace vyžadují vysoce výkonné počítače a spoustu času během simulací. Tažné cisterny se dodnes používají k vyhodnocování a měření výkonu tvaru trupu, ale díky CFD můžeme provádět „virtuální“ relace vlečných tanků a vyvíjet optimalizované tvary trupu. Ty pak mohou být dále testovány v tažné nádrži pro ověření nebo dokonce postaveny bez testování tažné nádrže. Strojové učení může zkrátit čas potřebný ke spuštění těchto simulací, ušetřit peníze pro klienta a zároveň snížit možné chyby.

Jedním z hlavních omezení při přechodu od základních algoritmů strojového učení k použití umělé inteligence pro návrh námořních plavidel jsou omezené a proprietární soubory dat, které má systém k dispozici. Aby byla umělá inteligence úspěšná, potřebuje systém umělé inteligence velké množství dat, aby z nich mohl čerpat a vytvářet platné odpovědi na dotazy. Bez robustního souboru dat nebudou výsledky z umělé inteligence pro tuto inženýrskou disciplínu užitečné. Moje společnost uznala, že sklízení a používání dat shromážděných po mnoho let je životně důležité pro snížení chyb a zlepšení návrhů, takže probíhají iniciativy ke shromažďování a používání dat v budoucích návrzích.

Matt Miller jako námořní architekt navrhuje osobní trajekty a řadu dalších plavidel.

Skutečně existují některé oblasti námořní architektury a disciplíny námořního inženýrství s rozsáhlými datovými soubory, které lze a jsou používány ke zlepšení návrhů. Patří mezi ně měření mořských vln a proudu, záznamy o manévrování lodí a záznamy o výkonnosti námořního vybavení. Přestože je pro tyto typy činností k dispozici obrovské množství dat, často je spravují vládní agentury, operátoři a výrobci zařízení. Neexistují žádné snadno dostupné globální soubory dat, z nichž by mohly mít prospěch všechny zainteresované strany.

Data o konstrukci nádoby jsou dnes z mnoha důvodů zvláště omezená na to, aby byla užitečná. Patří mezi ně soukromé nebo vládní financování návrhů, kde jsou data omezena na použití majitelem, specializované návrhy plavidel, kde je omezený počet plavidel určitého typu, a omezené financování potřebné ke sběru, ověřování a poskytování dostupných údajů pro praktické použití. .

Austal, australský konstruktér plavidel, odhalil některé detaily svého nástroje DeepMorpher, který využívá AI a strojové učení k optimalizaci tvarů trupu lodi. Tisková zpráva společnosti Austal popisuje použití vysoce výkonných počítačů pro zkrácení času na provedení CFD spolu s datovým souborem 3D návrhů trupu lodi. Austal má velkou knihovnu tvarů trupu, které byly použity k testování a ověření, že DeepMorpher překonává ostatní současné modely o několik řádů.

Omezení vlastnických údajů mohou být v budoucnu vyřešena, pokud lze údaje certifikovat jako anonymní a vlastníkovi to přinese měřitelné výhody z poskytování přístupu k jeho údajům. Některá rozhodnutí o návrhu, jako jsou obecná uspořádání, která jsou navržena pro konkrétní případ použití nebo potřebu klienta, mohou zůstat ve vlastnictví.

Mnoho dalších návrhových rozhodnutí je však učiněno za účelem splnění matematické jistoty nebo regulačních požadavků, které platí pro všechny návrhy. Pokud vlastník, včetně vládní agentury, uvidí zlepšení a efektivitu v návrhu díky použití dat a systémů umělé inteligence, může být ochotnější poskytnout soubor dat.

Není toho moc, co by se dalo udělat pro návrh většího počtu unikátních plavidel, ale mohou existovat aspekty dat, které jsou společné pro jiné návrhy plavidel, takže data by mohla být vytěžena pro použití. Ověření dat a kontrola z hlediska odstranění jedinečných aspektů vyžaduje čas a peníze, takže při vytváření „čistých“ dat pro obecnější použití je opět faktorem cena.

Námořní architekt Matt Miller pracuje uvnitř plavidla.

Námořní architektura a námořní inženýrství je zajímavá oblast inženýrství, která vyžaduje návrh tvaru trupu, vnitřní struktury, výroby energie, distribuce energie, interiérového designu, obytných a pracovních uspořádání, ergonomie a dalších, jejichž výsledkem je plovoucí platforma, která udržuje život. a pomáhá posádce při provádění práce na plošině.

Návrhy všech prostorů a systémů zaberou značný čas a zahrnují řešení potřeb mnoha stran, takže může dojít k chybám v návrhu. Jedním ze způsobů, jak může být umělá inteligence použita ke snížení chyb, zajištění shody s předpisy, řešení všech ergonomických požadavků a vytvoření návrhů, které „fungují“, je návrh a uspořádání elektrických systémů a zařízení.

Letecký pohled na loděnici s jeřábem a kontejnerovou lodí na moři.

Dnešní moderní lodě mají rozsáhlé elektrické a řídicí systémy s počítači používanými na lodích a nové plně elektrické a hybridní trajekty vyžadující pokročilé řídicí a monitorovací systémy. Umělá inteligence může pomoci identifikovat a vyřešit konflikty v těchto systémech během fáze návrhu rychleji než lidé a potenciálně s menším počtem chyb při kontrole.

Téměř 90 % obchodovaného zboží se přepravuje po vodě a miliony lidí se po celém světě přepravují na trajektech a jiných osobních lodích. Po lidech je v námořním průmyslu vysoká poptávka a mnoho plánovaných plaveb lodí je zpožděno nebo zrušeno kvůli omezené kvalifikované posádce. V USA je jen několik vysokých škol, které nabízejí tituly v námořní architektuře a námořním inženýrství, takže najít dostupné kvalifikované osoby, které by pomohly posunout průmysl kupředu pomocí strojového učení a technologií AI, je obtížné.

Problém s lidským personálem by mohl být vyřešen pomocí robustní technologie AI, ale v současnosti je situace slepice a vejce. Vzhledem k mnoha smlouvám o plavidlech, které se obvykle vyskytují u vládních projektů, otevřenější povaze návrhů (pokud nemají bezpečnostní omezení) a finančním prostředkům dostupným pro výzkum a vývoj, se zdá, že prosazování technologie AI je u subjektů možné. jako americká pobřežní stráž nebo americké námořnictvo.

Letadlová loď amerického námořnictva v Norfolku ve Virginii.

Americké námořnictvo je velká organizace s flotilami podobných plavidel, takže se tato organizace dokonale hodí pro umělou inteligenci a strojové učení. Task Force Hopper byla spuštěna v roce 2021 s cílem urychlit AI v povrchové flotile námořnictva, primárně zaměřenou na operace. Nicméně, s obrovským množstvím dostupných dat a řadou návrhů plavidel je pravděpodobné, že AI bude v budoucnu aplikována na úsilí o navrhování plavidel.