Digitalisierung maritim Mit Big Data Analytics, Decision Support und Automation of Knowledge Work zu Effizienzsteigerungen in der Schifffahrt

Transkript

1 Digitalisierung maritim Mit Big Data Analytics, Decision Support und Automation of Knowledge Work zu Effizienzsteigerungen in der Schifffahrt Prof. Dr.-Ing. Carlos Jahn, HST, Hamburg, Technische Universität Hamburg und Fraunhofer CML Institut für Maritime Logistik der TUHH Lehre Universitäre Forschung Fraunhofer CML Angewandte Forschung für private und öffentliche Auftraggeber Hafen und Logistik Schifffahrt Maritime Dienstleistungen und Zulieferer Folie 2 1

2 Die Fraunhofer-Gesellschaft auf einem Blick Anwendungsorientierte Forschung zum unmittelbaren Nutzen für die Wirtschaft und zum Vorteil für die Gesellschaft Mitarbeiterinnen und Mitarbeiter 69 Institute und Forschungseinrichtungen 2,1 Mrd 1,9 Mrd Finanzvolumen Vertragsforschung 2016 Ausbauinvestitionen u. Verteidigungsforschung knapp 30% Grundfinanzierung durch Bund und Länder über 70% Industrieaufträge und öffentlich finanzierte Forschungsprojekte Folie 3 Gliederung 1 Digitalisierung 2 Projektbeispiele 3 Fazit Folie 4 2

3 Digitalisierung bedeutet die Umwandlung von analogen Informationen in digitale Daten 1. die Veränderung von Geschäftsmodellen durch die Verbesserung von Geschäftsprozessen aufgrund der Nutzung von Informationsund Kommunikationstechniken 2. Folie 5 Quellen: Deloitte & Touche GmbH (2013): Digitalisierung im Mittelstand, S. 8. Bild ww.euroforum.de/dconomy/megatrends-digitalisierung Digitalisierung: mehr Chance als Risiko Folie 6 Quelle: Bitkom Research: Digitale Transformation der Wirtschaft,

4 Digitalisierung: Änderung der Geschäftsmodelle Folie 7 Quelle: Bitkom Research: Digitale Transformation der Wirtschaft, PWC-Studie Digitalisierung in der Schifffahrt, Juli 2016 Einschätzung zur Zukunft der Schiffe und Reedereien im Zeitreihenvergleich Folie 8 4

5 Digitalisierung: vielfältige Aspekte Business Activity Monitoring Internet of Things Smart Factory Connectivity Mobile Social Media Contextaware Big Data Analytics Industrie 4.0 Partner Cyber- Physical Systems Decision Support Cloud Smart Devices Autonomes Fahren Enterprise Automation of Knowledge Work Machine-to- Machine Com. Human- Machine- Interface Folie 9 Gliederung 1 Einführung 2 Projektbeispiele 3 Fazit Folie 10 5

6 Digitalisierung: vielfältige Aspekte Business Activity Monitoring Internet of Things Smart Factory Connectivity Mobile Social Media Contextaware Industrie 4.0 Partner Big Data Analytics Cyber- Physical Systems Decision Support Cloud Smart Devices Autonomes Fahren Enterprise Automation of Knowledge Work Machine-to- Machine Com. 1 Human- Machine- Interface Folie 11 Unbemannte Schiffe ein neuer Trend?! Folie 12 6

7 Unbemannte Schiffe ein neuer Trend?! Hamburger Morgenpost (2012), Bild (2015) Folie 13 EU-Projekt MUNIN* Machbarkeitsanalyse und Konzeptentwicklung für eine unbemannte Hochseereise Folie 14 * Maritime Unmanned Navigation through Intelligence in Networks 7

8 MUNIN Neue Systeme für die autonome Navigation Advanced Sensor Module Elektronischer Ausguck Erkennen von kleinen Objekten Erkennen von Wetterbedingungen Folie 15 In-Situ Test Elektronischer Ausguck Folie 16 8

9 MUNIN Neue Systeme für die autonome Navigation Advanced Sensor Module Elektronischer Ausguck Erkennen von kleinen Objekten Erkennen von Wetterbedingungen Autonomes Navigationssystem Op. Fallentscheidung Kollisionsverhütung Gewährleistung der Schiffsstabilität Folie 17 Autonome Navigation Kollisionsverhütung, Strandungsvermeidung Folie 18 9

10 MUNIN Neue Systeme für die autonome Navigation Advanced Sensor Module Elektronischer Ausguck Erkennen von kleinen Objekten Erkennen von Wetterbedingungen Autonomes Navigationssystem Op. Fallentscheidung Kollisionsverhütung Gewährleistung der Schiffsstabilität Landkontrollstation Faktor Mensch Überwachung der Schiffsreise Situationsabhängige Problemlösung Folie 19 Landkontrollstation Überwachung der Schiffsreise, situationsabhängige Problemlösung Folie 20 10

11 Autonome Schifffahrt Pilotlösungen für DSME Landkontrollstation Autonomes Navigationssystem Folie 21 Digitalisierung: vielfältige Aspekte Business Activity Monitoring Internet of Things Smart Factory Connectivity Mobile Social Media Contextaware Industrie 4.0 Partner Big Data Analytics Cyber- Physical Systems Decision Support Cloud Smart Devices Autonomes Fahren Enterprise Automation of Knowledge Work Machine-to- Machine Com. 1 Human- Machine- Interface 2 Folie 22 11

12 Automation of Knowledge Work Beispiel: Personalbedarfs- und Einsatzplanung Input Output Arbeits- und Ruhezeitenregelungen Reiseplanung mit Hafenfolge In Reederei: Compliance-gerechter Personalbedarf auf Positionsebene pro Schiff Mindestbesatzung Folie 23 Automation of Knowledge Work Beispiel: Personalbedarfs- und Einsatzplanung Input Output Arbeits- und Ruhezeitenregelungen Reiseplanung mit Hafenfolge Mindestbesatzung 100 Schiffe verschiedener Typen, Klassen und Reiseprofile Personen pro Schiff mit unterschiedlichen Qualifikationsprofilen 12 reiseabhängige Schiffsbetriebszustände (Transit, Revierfahrt, Anlegen, ) 26 schiffsbetriebsnotwendige Aufgabetypen (Brückenwache, Lotsenannahme, ) In Reederei: Compliance-gerechter Personalbedarf auf Positionsebene pro Schiff An Bord: Compliance-gerechter Einsatzplan für die Besatzung Planabweichungen Folie 24 12

13 Automation of Knowledge Work Beispiel: Personalbedarfs- und Einsatzplanung Output In Reederei: Compliance-gerechter Personalbedarf auf Positionsebene pro Schiff An Bord: Compliance-gerechter Einsatzplan für die Besatzung Folie 25 Digitalisierung: vielfältige Aspekte Business Activity Monitoring Internet of Things Smart Factory Connectivity Mobile Social Media Contextaware Industrie 4.0 Partner Big Data Analytics Cyber- Physical Systems Decision Support Cloud 3 Smart Devices Autonomes Fahren Enterprise Automation of Knowledge Work Machine-to- Machine Com. 1 Human- Machine- Interface 2 Folie 26 13

14 Aktuelle Informationsquellen Beispiel Anzeige der aktuellen Lage, Start- und Zielhafen, ETA, Kurs und Geschwindigkeit, Tiefgang, Positions- und Routenverlauf (Rückschau) gegen Aufpreis verschiedene weitere Optionen möglich lücken- und fehlerhaft Fokus: Ist-Daten Beispielausschnitt der Schiffsbewegungen der Deutschen Bucht aus MarineTraffic Folie 27 Projektbeispiel: Schiffsankunfts-Prognosen mit Trenz AG Projekt VESTVIND = Vessel Traffic Vorhersage Informationsdienst* Analyse der statistischen Zusammenhänge auf Basis AIS-Daten und weitere Einflußgrößen, wie Wetter Tide, Strömung Verkehrsdichte Verlässliche und unabhängige Verkehrsprognosen bis zu 72 Std. im Voraus für die deutsche Nord- und Ostsee Automatisierte Berechnungen von Schiffsankünften in Echtzeit mit bedarfsgerechten Anpassungsmöglichkeiten Folie 28 14

15 Projektbeispiel: Schiffsankunfts-Prognosen mit Trenz AG Präzisere Voraussage 1 von zukünftigen 2 automatisierte Verfolgung in Echtzeit 6 Schiffspositionen Direkte Arbeitsentlastung durch -> DefinierteAlarme bei Abweichungen Vorausschauende Wartezeitsteuerung 3 Zusätzliche Erkenntisgewinne für die Verkehrssicherheit Frühzeitige Identifikation von potentiellen Gefahrensituationen 4 Bessere Ausnutzung von Ressourcen 5 Verbesserte und sicherere Zu- und Ablaufsteuerung der deutschen Seehäfen 7 Vorausschauende Ressourcenplanung Folie 29 Digitalisierung: vielfältige Aspekte Business Activity Monitoring Internet of Things Smart Factory Connectivity Mobile Social Media 4 Contextaware Industrie 4.0 Partner Big Data Analytics Cyber- Physical Systems Decision Support 3 Cloud Smart Devices Autonomes Fahren Enterprise Automation of Knowledge Work Machine-to- Machine Com. 1 Human- Machine- Interface 2 Folie 30 15

16 EU-Projekt STM Validation 39 Partners 43 Mio Ausgangssituation Zielsituation Folie 31 STM Validation EU-Project: STM-Validation European Maritime Simulator Network (EMSN) SeaSWIM (System Wide Information Management) interoperability maritime cloud Voyage management route planning route exchange route optimization Flow management overall traffic flow (dense traffic, particular navigational challenges) Port Collaborative Decision Making information sharing collaborative decision making demonstrate and validate the target concept large-scale test beds 300 vessels, 10 ports and 3 shore based traffic focus: ship focus: land organizationsa nd ships focus: all stakeholders Folie 32 16

17 Schiffsführungssimulations-Test-bed Stealth View Schiffsführungssimulation Datenbasisgenerierstation Funktion: Freie Perspektive Funktion: EchtzeitSchiffsführungssimulation Virtueller Schiffsführungssimulator Funktion: Eigenschiffmodellierung, ENCund 3D-Modellierung Funktion: Multi-Schiff-Simulation Folie 33 European Maritime Simulator Network AMQP NMEA Maritime Accidents New Avoided 11 Zentren 3 Hersteller 30 Bücken Folie 34 17

18 The Development, Validation, and Deployment of STM Folie 35 STM Validation Gliederung 1 Einführung 2 Projektbeispiele 3 Fazit Folie 36 18

19 Fazit Digitalisierung Innovations- und Produktivitätstreiber für die Schifffahrt mit vielfältigen Anwendungsfeldern Einsatz von digitaler Technologien zur Steigerung der Transparenz Vernetzung der Akteure Entscheidungsunterstützung Potenziale Verbesserung von Geschäftsprozessen Synchronisation des Ressourceneinsatzes Entwicklung neuer Geschäftsmodelle Projektbeispiele Autonomes Fahren Automation of Knowledge Work Big Data Analytics Connectivity Folie 37 Vielen Dank für Ihre Aufmerksamkeit! Prof. Dr.-Ing. Carlos Jahn carlos.jahn@cml.fraunhofer.de Tel Folie 38 19