造船工学における生成 AI: 小規模で独自のデータセットが採用を制限する
最新のコンピューティングにより、造船および海洋工学の設計および製造プロセスは大幅に改善されましたが、データが限られているため、さらなる進歩が妨げられています。
造船および海洋工学 (NAME) という学問分野の名称はまだ数百年しか経っていないかもしれませんが、その起源は数千年前の古代文明に遡り、人類は探検や商業を行うために船を建造していました。アルキメデス、ブーゲー、チャップマンを含むさまざまな人々が、浮力、安定性、船の設計の概念に関する理論、科学、および方法を形式化しました。
NAME は、船舶や構造物の設計、建造、試験、測量、メンテナンス、運用をカバーする専門的なエンジニアリング分野です。私は米国沿岸警備隊アカデミーを卒業し、造船と海洋工学の学士号を取得し、カリフォルニア大学バークレー校で修士号を取得しました。過去 22 年間、私は民間の海洋コンサルティング会社で造船設計者として働き、旅客フェリー、海洋調査船、はしけ、その他の船舶の設計に携わってきました。
マット・ミラーは造船設計者として 22 年間勤務しています。
設計には、浮きドックのような基本的なものから、外洋上の小さな町として機能する複雑な 1,200 フィートのクルーズ船や航空母艦までが含まれます。この分野の専門家は、洋上風力プラットフォーム、潜水艦、コンテナ船、自律船、および水上または水中で活動するほぼすべての船舶の設計も行っています。
私を含む現世代の造船設計者は、大学の授業で鉛筆、スプライン、アヒルを使って船のラインを手で描いていたかもしれませんが、現在の設計プロセスには機械学習を組み込んだ高度なコンピューター アプリケーションが含まれています。
船舶のラインは、船舶の設計と建造を評価するために使用される船体の形状を提供します。鉛筆やスプラインが使われていた時代、滑らかさを目視で評価したり、紙に消しゴムの破片を散らしたりしながら、試行錯誤しながら線を開発していました。現在、船体ラインの開発を即座に支援し、過去のデータ収集と検証を通じて開発されたアルゴリズムに基づいて構築されるソフトウェアがあります。
最新のコンピューティング能力により、エンジニアは、これまでは数時間または数日かかっていた変数をテストし、その有効性を数秒で評価できるようになります。この機能の多くは、数百年にわたって存在してきた公式と科学に基づいて構築されています。ソフトウェアには、安全基準を満たすために満たさなければならない最低限の基準を定めた規制も組み込まれています。
海洋産業は新しいテクノロジーの導入が遅いとよく言われますが、現代の造船所や工学設計会社に入ると、3D モデリング、数値流体力学、有限要素解析、ロボット製造が日常的に使用されているのを目にすることになるため、はもはや正確ではありません。今こそ、機械学習と AI の形で利用できる高度なツールを検討するときです。
今日、造船設計者や海洋技術者が使用する高度なソフトウェア パッケージにより、設計開発の効率と精度が大幅に向上しました。これらのツールの中には、機械学習と AI の組み込みに最適なものもあります。たとえば、数値流体力学 (CFD) は、主にナビエ・ストークス方程式を使用して船舶が移動する流体をモデル化するために使用されます。
最新のコンピューティング能力のおかげで、これらの計算を実行して物理現象を評価することができますが、今日のコンピューターを使用しても、これらのシミュレーションには高性能のコンピューターとシミュレーションの実行に多くの時間が必要です。曳航タンクは現在でも船体形状の性能を評価および測定するために使用されていますが、CFD のおかげで、「仮想」曳航タンク セッションを実行し、最適化された船体形状を開発できます。これらは、検証のために牽引タンクでさらにテストすることも、牽引タンクのテストなしで構築することもできます。機械学習により、これらのシミュレーションの実行に必要な時間が短縮され、クライアントのコストが節約されると同時に、発生する可能性のあるエラーも軽減されます。
基本的な機械学習アルゴリズムを超えて人工知能を船舶設計に使用する場合の主な制限の 1 つは、システムで利用できる独自のデータ セットが限られていることです。 AI が成功するには、AI システムがクエリに対する有効な応答を取得して構築するための大量のデータが必要です。堅牢なデータセットがなければ、AI からの結果はこの工学分野では役に立ちません。私の会社では、長年にわたって収集したデータを収集して使用することが、エラーを減らして設計を改善するために不可欠であると認識しており、データを照合して将来の設計に使用するための取り組みが進行中です。
造船設計家として、マット ミラーは旅客フェリーやその他のさまざまな船舶を設計しています。
実際、造船および海洋工学の分野には、設計の改善に使用できる広範なデータセットがあり、実際に使用されている領域もあります。これらには、海の波と潮流の測定、船舶の操縦記録、海洋機器の性能ログが含まれます。この種の活動には大量のデータが利用可能ですが、多くの場合、それらは政府機関、通信事業者、機器メーカーによって維持されています。すべての関係者に利益をもたらす、すぐに利用できるグローバル データ セットはありません。
船舶の設計データは、さまざまな理由により、今日では特に役に立たない状況にあります。これらには、データの使用が所有者の使用に制限されている設計、特定のタイプの船舶の数が制限されている特殊な船舶の設計に対する民間または政府の資金、および実用化するために利用可能なデータの収集、検証、提供に必要な限られた資金が含まれます。 。
オーストラリアに本拠を置く船舶設計会社 Austal は、AI と機械学習を使用して船体の形状を最適化する DeepMorpher ツールの詳細を明らかにしました。 Austal のプレスリリースでは、CFD の実行時間を短縮するためのハイパフォーマンス コンピューティングの使用と、3D 船体設計のデータ セットについて説明しています。 Austal には、DeepMorpher が他の現在のモデルよりも数桁優れていることをテストおよび検証するために使用された船体形状の大規模なライブラリがあります。
データが匿名のままであることが証明され、データへのアクセスを提供することで所有者に測定可能なメリットがある場合、専有データの制限は将来的に対処される可能性があります。特定の使用例やクライアントのニーズに合わせて設計された一般的な取り決めなど、一部の設計上の決定は、独自の内容のままにすることができます。
ただし、他の多くの設計上の決定は、すべての設計に適用される数学的確実性や規制要件を満たすために行われます。政府機関を含む所有者が、データと AI システムの使用によって設計の改善と効率化が見られる場合、データ セットの提供にさらに応じる可能性があります。
多数の固有の船舶を設計するためにできることはあまりありませんが、データをマイニングして使用できるように、他の船舶設計に共通するデータの側面がある可能性があります。データを検証し、固有の側面を除去するためにデータをチェックするには時間と費用がかかるため、より一般的に使用できるようにデータを「クリーン」にするためには、やはりコストが要因となります。
造船設計者のマット・ミラーは船内で働いています。
造船および海洋工学は、船体の形状、内部構造、発電、配電、インテリア デザイン、居住および作業環境、人間工学などの設計を必要とする興味深い工学分野であり、生命を維持する浮遊プラットフォームを実現します。乗組員がプラットフォームの作業を実行するのを支援します。
すべてのスペースとシステムの設計にはかなりの時間がかかり、多くの関係者のニーズに対応する必要があるため、設計ミスが発生する可能性があります。 AI を使用してエラーを削減し、法規制順守を確実に達成し、人間工学に基づいたあらゆる要求に対処し、「機能する」設計を開発するための 1 つの方法は、電気システムと機器の設計とレイアウトです。
クレーン機と海上のコンテナ船を備えた造船所の空撮。
今日の近代的な船舶には、船舶全体で使用されるコンピューターを備えた広範な電気および制御システムが搭載されており、高度な制御および監視システムを必要とする新しい全電気およびハイブリッドのフェリーも含まれています。 AI は、設計段階でこれらのシステム内の競合を人間よりも迅速に特定し、潜在的に見落としエラーを少なくして解決するのに役立ちます。
貿易品のほぼ 90% が海上で運ばれ、何百万人もの人々がフェリーやその他の旅客船で世界中を移動しています。資格のある乗組員が限られているため、予定されていた多くの船舶の航行が遅延またはキャンセルされており、海洋業界では人材の需要が高まっています。米国には造船および海洋工学の学位を取得できる大学がわずかしかないため、機械学習や AI テクノロジーで業界を前進させるのに役立つ資格のある人材を見つけるのは困難です。
人員配置の問題は、堅牢な AI テクノロジーで解決できる可能性がありますが、現在は卵が先か鶏が先かの状況にあります。政府プロジェクトでは通常見られる複数の船舶との契約、設計のよりオープンな性質（セキュリティ制限がない限り）、研究開発に利用できる資金を考慮すると、企業とAI技術の追求は可能であるように思われる米国沿岸警備隊や米国海軍のように。
バージニア州ノーフォークにあるアメリカ海軍の航空母艦。
米国海軍は同様の船舶を保有する大規模な組織であるため、この組織は AI と機械学習に最適です。タスクフォース ホッパーは、主に作戦に重点を置き、海軍水上艦隊全体で AI を加速するために 2021 年に発足しました。しかし、入手可能な膨大な量のデータと一連の船舶設計により、将来的には船舶設計作業に AI が適用される可能性があります。