Dansk algoritme skal forhindre madspild til havs
more_vert
close
close

Få de daglige nyheder fra Version2 og Ingeniøren. Læs mere om nyhedsbrevene her.

close
Ved at tilmelde dig accepterer du vores Brugerbetingelser, og at Mediehuset Ingeniøren og IDA-gruppen lejlighedsvis kan kontakte dig om arrangementer, analyser, nyheder, tilbud mm via telefon, SMS og email. I nyhedsbreve og mails fra Mediehuset Ingeniøren kan findes markedsføring fra samarbejdspartnere.

Dansk algoritme skal forhindre madspild til havs

Det kan være både dyrt og logistisk umuligt at reparere defekte kølecontainere til søs. En dansk algoritme skal hjælpe med at forudsige, hvis en containers kølesystem er på vej til at svigte. Illustration: OMT

Tiderne har virkelig ændret sig, siden containerskibene satte fut under globaliseringen i 1960’erne. I dag er der mere regnekraft i vores mobiltelefoner end på Apollo-­missionerne. Og samtidig kan der, takket være netop den øgede regne­kraft, være en bedre forretningsmodel i at forudsige en fejl end i at udbedre den.

Det er et nyligt erhvervs-ph.d.-­projekt et meget godt eksempel på. Her har forsker Rasmus Lundgaard Christensen fra Aalborg Universitet udviklet en prototype på et digitalt varslingssystem, som via big data og maskinlæring kan få en kølecontainer på et fragtskib til automatisk at give besked, når det er tid til et servicetjek. Et system, der er udviklet i samarbejde med Sønderborg-virksomheden Lodam, som udvikler klimasystemer til blandt andet skibsindustrien.

Rådne bananer koster kassen

Oprindelig var det egentlig meningen, at Rasmus Lundgaard Christensen i sit erhvervsrettede forskningsprojekt skulle fokusere på at få containerne til fortsat at virke, selvom der opstod en fejl – men hurtigt skiftede projektet spor.

»Det stod ret hurtigt klart, at det måske var smartere at se, om vi kunne forudsige fejlene. Markedsværdien var simpelthen større,« forklarer AAU-forskeren.

Kølecontainere, der går i stykker til havs, koster nemlig rederierne rigtig mange penge, hvis en hel container med rådden frugt eller fordærvet kød skal smides ud. Alene en last med bananer kan have en værdi på en kvart million kroner.

»AI er ikke så smart, som man tror. Mange tror, at man bare smider maskinlæring ovenpå, men algoritmerne skal jo vide, hvad de skal kigge efter,« siger Rasmus Lundgaard Christensen, forsker ved AU Illustration: AU

Af samme årsag er alle moderne kølecontainere udstyret med et SIM-kort og et system, der kan slå alarm, hvis kølesystemet fejler. Men det er ofte umuligt at reparere en kølecontainer, der befinder sig ude på det åbne hav. Derfor har det været Rasmus Lundgaard Christensens opgave – på basis af allerede tilgængelige data fra Lodams kølesystemer – at udvikle et system, der i god tid kan forudsige, om kølesystemet er på vej til at fejle, så containeren kan blive tilset inden afrejsen.

Tungt, manuelt arbejde

Et forvarsel om et nedbrud kan eksempelvis være, hvis kølesystemets kompressor begynder at komprimere væske i stedet for gas. Lodam lå i forvejen inde med tusindvis af historiske driftsdata fra sine mange kølesystemer i drift ude på verdenshavene, og samtidig havde Rasmus Lundgaard Christensens vejleder allerede opbygget en model til forebyggende kontrol af et kølesystem, som projektets modeller kunne testes op imod.

Netop arbejdet med at opbygge modeller og finde de fejl, som algoritmen skal oplæres i selv at kunne finde, er tungt og manuelt, for det kan ikke bare udføres af et stykke software, forklarer Rasmus Lundgaard Christensen:

»AI (kunstig intelligens, red.) er ikke så smart, som man tror. Mange tror, at man bare smider maskinlæring ovenpå, men algoritmerne skal jo vide, hvad de skal kigge efter. Det er ligesom, hvis man skal lære en algoritme at genkende mennesker – den kan ikke genkendte et ansigt, hvis den ikke ved, hvordan et ansigt ser ud.«

Afventer patentansøgning

Han forklarer, at det især har været en udfordring at få defineret, hvor mange falske positive, man egentlig kan tillade i et varslingssystem.

»Det ville være træls, hvis containeren hvert andet sekund giver besked om, at nu er der en fejl. Jo flere data man hælder på, des mere præcis bør man blive. Men når man skal udvikle et kommercielt system som det her, skal man også finde den rigtige balance,« siger Rasmus Lundgaard Christensen.

Han arbejder i dag som maskinlæringsspecialist hos Neas Energy og er derfor ikke længere involveret i systemet, som Lodam for tiden er ved at søge patent på.

Det interessante er da ikke, at det er en dansk algoritme, men det som den kan. Hvor vidt den er dansk, tysk eller svensk er da ligegyldigt.

  • 0
  • 0