Las deficiencias de datos y el miedo al cambio son desafíos clave en la adopción de la IA
La falta de datos consistentes de alta calidad y el miedo al cambio son dos de los mayores obstáculos en la adopción portuaria de la Inteligencia Artificial (IA), según un analista de Hamburg Port Consulting (HPC).
El puerto de Hamburgo ha estado aplicando nuevos sensores a la maquinaria vieja para recopilar nuevos bancos de datos y los conocimientos de ellos, explicó Jans Niklas Sikorra, consultor senior de estrategia de TI, HPC, durante un seminario web el 23 de febrero .
Sin embargo, destacó que un gran desafío para los operadores portuarios es la disponibilidad y calidad de los datos.
“Vemos que nuestros sistemas que se han separado en el pasado se vuelven más conectados”, explicó Sikorra. “Estamos viendo nuevos sensores aplicados a maquinaria vieja, recopilando nuevos datos. Todos estos datos nos permiten generar más conocimientos que no serían posibles sin el aumento de la calidad y disponibilidad de los datos. Ahora vemos cosas que antes no veíamos “.
Sikorra destacó que HPC usa IA para una variedad de operaciones portuarias, incluida la predicción de la hora de llegada de los barcos, el mantenimiento del cable de la grúa, la verificación de la posición de los rieles y el número de visitas a la puerta.
Sikorra detalló los beneficios que la IA puede proporcionar al mantenimiento predictivo. HPC usa IA para monitorear y predecir el estado de los cables de la grúa, lo que finalmente conduce a la optimización de los programas de reemplazo e inventario con los programas de envío.
“En el momento de reemplazar el cable de la grúa, esto podría chocar con el programa de envío. Si pudiera adelantar la inspección y el reemplazo, es posible que pueda programar toda la gestión de la grúa desde el barco hasta la costa.
“Esto podría ser algo de lo que se hablaría en el futuro, pero hay claros beneficios de seguridad allí”, agregó.
Aunque los principales puertos, como el de Hamburgo, tendrán una amplia gama de fuentes de datos para el monitoreo y el análisis predictivo, los puertos más pequeños e intermedios podrían verse obstaculizados por la falta de disponibilidad y calidad en sus fuentes de datos, dice Sikorra.
Un déficit en la entrada de datos podría llevar a algunos a dudar en invertir o desarrollar aún más sus capacidades de IA debido a la posible falta de comprensión de lo que la IA puede hacer por un puerto.
“En cuanto a las barreras a la IA en los puertos, existe el temor al reemplazo de puestos de trabajo, pero yo iría un paso más allá y diría temor al cambio, de alguna manera”, dijo.
“El mantenimiento predictivo siempre debe ser un enfoque integral. Todas las predicciones son tan buenas como los sistemas que las rodean. Si no se conecta para crear un valor mayor, es posible que los beneficios no sean tan altos “.
En el futuro, HPC tiene como objetivo la transición de las operaciones diarias a los sistemas de autoaprendizaje. Pero Sikorra señaló que HPC y todos los puertos necesitarán un “ahorro integral” de datos.
“Estaremos estandarizando los flujos de datos sobre cómo se pueden sacar los datos de la maquinaria, para aplicarlos y usarlos con el sistema de aprendizaje: mejor arquitectura de datos, mejor accesibilidad de los datos, mejor almacenamiento de datos”, agregó Sikorra.
Fuente : Port Technology
