Løser maritime utfordringer med KI

DNV har som mål å sikre liv, verdier og miljøet gjennom sin virksomhet. Selskapet har holdt på i over 150 år og har over 100 000 kunder og 13 000 ansatte i mer enn 100 land. Deres Maritime avdeling som tar seg av klassifikasjon, kvalitetssikring og rådgivning innenfor skipsfart og offshore. DNV GL har rundt 12 000 skip i porteføljen som de jevnlig inspiserer, og dette utgjør omtrent halvparten av skipene i verden.

Ved å trene opp dataene i ML-algoritmer kan de nå se helt nye mønstre og sammenhenger som det tidligere ikke har vært mulig å se. I denne sammenheng er Inmeta en sentral nøkkelspiller i ulike prosjekter, hvor ML bidrar til automatisering og effektivisering av rutinemessig arbeid i den maritime delen av virksomheten. DNV har nå kommet så langt at de ser store tids- og kostnadsbesparelser.

I 2018 vant DNV Den norske Dataforeningens BI-pris på bakgrunn av hvordan organisasjonens ML-systemer skaper innsparinger og forretningsnytte for selskapet og deres kunder. Vi gratulerer!

Et av bruksområdene for kunstig intelligens har vært å anvende maskinlæring til prosessen rundt godkjenning av skip. Når det kommer inn tegninger av en båt, må alt godkjennes - omtrent ned til hver minste detalj. I dag går de gjennom tegninger manuelt, for så å finne ut om de har noe erfaring på dette fra tidligere.

Med den nye AI-løsningen vi har laget i samarbeid med DNV GL, kan de nå skanne inn tegningen - og så vil en algoritme finne ut om de har tilsvarende tegning fra før. Slik kan automatisk bildegjenkjenning effektivisere prosessen rundt godkjenning av skip og erstatte en tidkrevende manuell prosess. Dermed slipper ingeniørene å bruke tid på kjedelig rutinearbeid, og kan fokusere på mer tiltalende oppgaver som de også er utdannet til å gjennomføre.

DNV GL er nå i gang med å klassifisere e-poster som kommer inn, for å koble kundene mot de riktige ekspertene i selskapet. Maskinlæringsalgoritmer er trent opp på 200.000-300.000 eposter, og algoritmen vil klassifisere e-postene slik at man slipper å gjøre det manuelt. Alle e-poster som er klassifisert av maskinlæringen er integrert i kundesystemet som forslag til videresending.

Tidligere måtte de bruke eksperter til dette, og det var ofte rutinemessig og kjedelig arbeid. Det kreves allikevel kunnskap for å kunne gjøre det.