Slår alarm i tide: Nye statistiske metoder skal gjøre det mulig å slå alarm før det skjer feil på store skip, forteller Morten Stakkeland og Ingrid Glad. Foto: Yngve Vogt/Apollon
Slår alarm i tide: Nye statistiske metoder skal gjøre det mulig å slå alarm før det skjer feil på store skip, forteller Morten Stakkeland og Ingrid Glad. Foto: Yngve Vogt/Apollon

Unngår skipskatastrofer med avansert statistikk

Den store utfordringen er å kunne tolke de enorme mengdene med data og slå alarm når det er nødvendig, men ikke ellers.

Publisert

Sannsynligheten for store skipskatastrofer på havet kan reduseres med statistiske metoder. Trikset er å tolke de store mengdene med data som strømmer inn fra de mange sensorene i skipet. Da er det mulig å slå alarm i tide.

Næringslivet kan spare millioner av kroner ved å bruke avanserte, statistiske metoder til å hente ut informasjon fra store mengder innsamlede data.

Saken ble først publisert hos forskningsmagasinet Apollon

En av dem som har tatt i bruk denne nye måten å tenke på, er det internasjonale industrikonsernet ABB. De samarbeider tett med statistikere ved Universitetet i Oslo for at rederier kan spare inn millionbeløp på mer optimal drift og bedre skipssikkerhet.

For å sikre at dagens skip holder standarden sin, blir de kontrollert med jevne intervaller. Da må skipene i dokk. Slike pauser kan være ganske kostbare.

– I stedet for å sende inspektører om bord på skip, kan vi heller bruke statistiske metoder til å overvåke alle dataene, slik som når motoren er i ferd med å bli overopphetet eller gå i stykker. Denne automatiske dataovervåkingen skal kunne advare om hendelser før de skjer, forteller Morten Stakkeland til Apollon.

Han er både er prosjektingeniør i ABB og førsteamanuensis II i statistikk ved UiO.

Poenget er å kunne finne et mønster i disse meldingene, slik at alarmen går når noe nærmer seg en krise

Ingrid Glad, Matematisk institutt, UiO

Hvis kapteinen får beskjed noen timer før motoren kommer til å gå i stykker, er det mulig å reparere den før skipet stopper opp. Tenk deg katastrofen hvis motoren svikter akkurat når en flere hundre meter lang tankbåt er på vei inn til en oljeterminal.

Det store mantraet til statistikerne er å trekke ut og tolke den enorme mengden med informasjon som er mulig å hente inn fra store skip.

– Poenget er å kunne finne et mønster i disse meldingene, slik at alarmen går når noe nærmer seg en krise, forteller professor Ingrid Glad på Matematisk institutt ved Universitetet i Oslo til Apollon.

Hun er en del av forskningsgruppen Big Insight, som er et senter for forskningsdrevet innovasjon. De jobber med å utvikle og kommersialisere statistiske metoder.

Sensorer

Dataene kommer fra den enorme mengden med sensorer om bord. På et enkelt skip kan det være snakk om flere tusen sensorer. Noen sensorer sender ut data hvert tiende sekund. Andre sensorer sender ut data så ofte som hvert millisekund. Da kan du tenke deg at det blir snakk om mye data i løpet av et år.

Dataene kommer ikke bare fra sensorer. Den store mengden med utstyr om bord kommuniserer også med hverandre.

På svære tankskip sender instrumentene en rekke kryptiske meldinger til hverandre. Ingen av disse meldingene er standardiserte.

– I løpet av kort tid samles det opp flere gigabyte med informasjon.

De store mengdene med data lagres kontinuerlig på skipet eller sendes til kontrollsentre på land.

Poenget er å finne noe som skiller seg ut i datastrømmene.

– Vi kan da bygge opp en statistisk modell som viser normaltilstanden og hvor vi kan finne avvik. Kanskje finner vi avvik bare i én sensor, eller kanskje er alle dataene fra alle sensorene innenfor det aksepterte, men at sammenhengen mellom disse dataene er så spesiell at de likevel trigger en alarm, poengterer seniorforsker Erik Vanem i DNV-GL til Apollon.

Sjekker skroget

Et av de fryktete scenariene er at skipsskroget sprekker opp. Kamp mot store bølger i krast farvann kan i verste fall knekke skroget.

For å overvåke faren for materialsvikt kan det plasseres hundrevis av sensorer inne i skroget.

DNV-GL, tidligere Veritas, ser etter strekk i skroget. De er spesialister på skipssikkerhet og jobber med sikrere ferdsel til sjøs.

– Vi kan måle strekk i skroget og bruke dette til å si noe om styrken på skipet og faren for utmatting. I tillegg til å inspisere skip med jevne mellomrom kan vi utstyre kritiske komponenter med sensorer slik at vi får kontinuerlig overvåking. Vi kan da fange opp ting om vi ikke kan fange opp med stikkprøver, og bruke den ekstra kunnskapen til å planlegge når det er nødvendig med fysisk inspeksjon, i stedet for å måtte inspisere skipet etter faste intervaller, forteller Erik Vanem.

Sensordataene blir også koblet med værdata for å kunne beregne hvor store belastningene er over tid.

– Hvis et skip har fått mye juling, kan vi regne ekstra nøye etter, forteller Erik Vanem.

Batterisjekk

Selv noe så tilsynelatende enkelt som en batterisjekk kan fort spare rederiene for store summer. Elektriske skip med store batterier må tas ut en hel dag til den årlige servicen.

– Dette er tapt oppetid. Vi ser på hvordan det er mulig bruke statistikk til å evaluere batteriene. Da sparer rederne mye penger, sier Morten Stakkeland.

Et av de store poengene er vedlikehold bare når det trengs, i stedet for ved faste intervaller.

– Da kan rederne kanskje spare inn flere millioner kroner per skip, påpeker Stakkeland.

Han mener dataovervåking kan være det første steget mot førerløse skip.

Er du på sopptur, vet du akkurat hva du leter etter. Vi leter derimot etter noe vi aldri har sett i skogen før. Det er mye vanskeligere.

Ingrid Glad, Matematisk institutt, UiO

Avansert statistikk

Den store utfordringen er å kunne tolke de enorme mengdene med data og slå alarm når det er nødvendig, men ikke ellers.

– Det ultimate målet er å kunne si ifra at motoren går i stykker før det skjer, poengterer Ingrid Glad.

Hun sammenligner dette med å skulle lete etter noe unormalt i skogen uten å vite hva det unormale er.

– Er du på sopptur, vet du akkurat hva du leter etter. Vi leter derimot etter noe vi aldri har sett i skogen før. Det er mye vanskeligere.

Analysen må dessuten skje i sanntid. Det betyr at statistikerne må lage et system som oppdager det unormale før den unormale tilstanden fører til feil eller skader. Samtidig må de redusere sannsynligheten for falsk alarm. Det er en matematisk utfordring.