به گزارش تحلیل ایران در ساعت ۱۷:۵۸ روز ۳۰ اکتبر ۲۰۱۸، پلیس بندر لس‌آنجلس تماسی مبنی بر انفجار کانتینر در بندر را دریافت کرد. تحقیقات نشان داد که یک کانتینر در اوایل همان روز به همراه ۱۱ کانتینر دیگر از یک مرکز بازیافت در بندر تحویل داده شده بود و قرار بود
به تایوان ارسال شوند. کانتینر مربوطه به عنوان حاوی مواد خطرناک علامت‌گذاری نشده بود و بارنامه آن فقط آهن قراضه تمیز یا قراضه ذوب سنگین را نشان می‌داد.
در ژوئن ۲۰۲۴ ، یک کانتینر حاوی فسفر زرد در بندر آنتورپ بلژیک دچار آتش‌سوزی شد که به تخلیه اضطراری پایانه‌های بندری و توقف عملیات بارگیری انجامید. همچنین در مارس ۲۰۱۵، آتش‌سوزی در یک کانتینر حاوی اسید تری‌کلروایزوسیانوریک در بندر ونکوور کانادا موجب ایجاد
دود سمی، هشدارهای زیست‌محیطی و تخلیه اضطراری منطقه بندری شد.
این‌ها نمونه از حوادثی است که در سال‌های اخیر در بندرهای جهان باعث خسارت جانی و مالی شده است و عمدتاً ناشی از طبقه‌بندی نادرست یا ذخیره‌سازی غیرایمن محموله‌های شیمیایی و قابل اشتعال بوده‌اند. ین رویدادها نشان می‌دهند که بنادر به عنوان نقاط گلوگاهی زنجیره
تأمین جهانی، نیازمند بهره‌گیری از فناوری‌های نوین برای شناسایی، ارزیابی و کنترل ریسک‌های مرتبط با مواد خطرناک هستند.
در این میان، هوش مصنوعی به‌ویژه در نقش‌هایی چون تشخیص، طبقه‌بندی، نظارت و واکنش سریع به مواد خطرناک، به یک ابزار تحول‌آفرین بدل شده است. در ادامه، نگاهی دقیق داریم به مهم‌ترین کاربردهای آن در این زمینه.
تشخیص پیشرفته مواد خطرناک با یادگیری ماشین
یکی از کاربردهای مهم هوش مصنوعی در افزایش ایمنی بنادر، استفاده از الگوریتم‌های یادگیری ماشین برای تحلیل تصاویر اسکن‌شده‌ی کانتینرهاست. کانتینرهایی که ممکن است حاوی مواد شیمیایی یا کالاهای حساس باشند، پیش از ورود یا خروج از بندر با سامانه‌هایی اسکن می‌شوند
که برای بازرسی سریع کانتینرها و وسایل نقلیه طراحی شده و می‌تواند بدون نیاز به باز کردن درِ کانتینر، تصویری دقیق از درون آن تهیه کند. برخی از این سامانه‌ها،علاوه بر تصویربرداری، قابلیت شناسایی ترکیبات شیمیایی درون محموله را نیز دارد. اما چون این تصاویر بسیار
حجیم و پیچیده‌اند، تفسیر آن‌ها برای کارشناسان دشوار و زمان‌بر است. اینجاست که هوش مصنوعی وارد عمل می‌شود در تصاویر اسکن‌شده، اشیای مشکوک مانند سیلندرهای گاز، بشکه‌های مواد شیمیایی یا باتری‌های لیتیومی را به‌صورت خودکار و دقیق شناسایی می‌کند.
به زبان ساده، این فناوری مثل یک چشم هوشمند است که بدون باز کردن درِ کانتینر، محتوای آن را می‌بیند و اگر چیزی خطرناک در آن باشد، هشدار می‌دهد. یکی از الگوریتم‌هایی که در این زمینه عملکرد بسیار خوبی دارد، YOLOv5 است؛ این مدل پیشرفته مثل یک دوربین بسیار باهوش
عمل می‌کند و می‌تواند در یک نگاه، اشیاء مختلف را در تصویر شناسایی کند و دقیقاً بگوید هرکدام کجا قرار دارند. در پژوهشی که در سال ۲۰۲۲ توسط ، پژوهشگر دانشگاه ملبورن انجام شد، مشخص شد این مدل هوش مصنوعی توانسته اشیای خطرناک را با دقتی بالای ۹۵٪ در تصاویر اسکن‌شده
شناسایی کند.
نظارت بر نشت، دما و واکنش‌های شیمیایی
پس از مرحله اسکن و شناسایی اولیه، مهم‌ترین کار این است که وضعیت محموله‌ها به‌طور مداوم تحت نظر باشد. برای این کار، امروزه روی برخی کانتینرها حسگرهای هوشمندی نصب می‌شود که می‌توانند نشانه‌های ظریف و اولیه‌ی خطر را تشخیص دهند؛ نشانه‌هایی مثل نشت گاز، بالا
رفتن غیرعادی دما، یا لرزش‌هایی که ممکن است نشان‌دهنده‌ی واکنش شیمیایی خطرناک باشد. این حسگرها اطلاعات را به‌صورت لحظه‌ای (بلادرنگ) به یک سامانه مرکزی می‌فرستند.
در این مرحله، الگوریتم‌های هوش مصنوعی وارد عمل می‌شوند؛ یکی از الگوریتم‌های مهم در این زمینه، مدل LSTM است که برای تحلیل داده‌های زمانی و تشخیص ناهنجاری‌ها طراحی شده است. به زبان ساده، این فناوری مثل یک مغز دیجیتالی عمل می‌کند که دائماً رفتار کانتینر را
بررسی می‌کند و به محض مشاهده‌ی چیزی غیرعادی، هشدار می‌دهد. برای نمونه، در بندر روتردام در هلند، در سال ۲۰۲۳ یک پروژه آزمایشی اجرا شد که در آن، ترکیب حسگرهای دما و گاز با الگوریتم LSTM توانست نشت آرام و تدریجی اسید نیتریک را پیش از آنکه به یک حادثه بزرگ تبدیل
شود، تشخیص دهد
پیش‌بینی و مدیریت واکنش اضطراری با تحلیل داده‌های تاریخی
هوش مصنوعی فقط برای تشخیص آنی و سریع خطرها کاربرد ندارد، بلکه در پیش‌بینی شرایط پرریسک و مدیریت واکنش‌های اضطراری هم نقش مهمی ایفا می‌کند. به زبان ساده، این فناوری می‌تواند با بررسی داده‌های گذشته مانند نوع محموله، شرایط آب‌و‌هوایی، موقعیت جغرافیایی، و حتی
عملکرد کارکنان بندر، به پیش‌بینی اتفاقات احتمالی و ارائه راهکارهای پیشگیرانه کمک کند.
برای مثال، روشی در هوش مصنوعی به نام «یادگیری تقویتی» (Reinforcement Learning) کمک می‌کند سامانه مدیریت از طریق تجربه و آزمون‌و‌خطا، بهترین تصمیم را بگیرد. این سیستم می‌تواند محل بهینه برای قرار دادن کانتینرهای خطرناک در انبار یا روی کشتی را پیشنهاد دهد؛
به طوری که در صورت بروز حادثه، کمترین آسیب به محیط اطراف وارد شود. همچنین این سامانه توانایی دارد در مواقع اضطراری، بلافاصله طرحی برای واکنش سریع و ایمن‌سازی محل ارائه کند. به‌این‌ترتیب، از مرحله پیشگیری تا مدیریت بحران، هوش مصنوعی می‌تواند در هر گام، نقش
یک مشاور دقیق و همیشه بیدار را بازی کند.
توصیه‌گرهای هوشمند برای نحوه نگه‌داری و جابجایی ایمن
در عمل، مدل‌های هوش مصنوعی می‌توانند نقش یک دستیار هوشمند را برای مدیران و تصمیم‌گیرندگان بندری ایفا کنند. این مدل‌ها با بررسی هم‌زمان ده‌ها عامل مختلف—از جمله نوع ماده شیمیایی، میزان خطر، محل دقیق قرارگیری کانتینر، میزان شلوغی بندر و حتی ساعت شبانه‌روز—می‌توانند
برای هر کانتینر یک پروتکل اختصاصی و دقیق ارائه دهند.
برای مثال، در بندر سنگاپور، در سال ۲۰۲۴ سامانه‌ای هوشمند راه‌اندازی شد که به‌طور خاص برای مدیریت محموله‌های حساس طراحی شده بود. این سامانه می‌تواند زمان مناسب برای تخلیه‌ی بار، بهترین نقطه برای قرار دادن کانتینر در محوطه بندر و نوع وسیله‌ای که باید برای
جابجایی استفاده شود را پیشنهاد دهد. این سیستم پیشرفته باعث شد خطاهای انسانی در مدیریت این نوع محموله‌ها حدود ۳۰ درصد کاهش پیدا کند و سطح ایمنی کلی بندر به شکل محسوسی ارتقا یابد.