A holistic data analytics approach to ship inspection reporting
Gemi denetim raporlamasına bütünsel bir veri analitiği yaklaşımı
- Tez No: 829863
- Danışmanlar: PROF. DR. METİN ÇELİK
- Tez Türü: Doktora
- Konular: Deniz Bilimleri, Denizcilik, Gemi Mühendisliği, Marine Science, Marine, Marine Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Deniz Ulaştırma Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Deniz Ulaştırma Mühendisliği Bilim Dalı
- Sayfa Sayısı: 158
Özet
Denizcilik denetim analizi, sektörün denizcilik operasyonlarında denetim öncesi ve sonrası süreçleri iyileştirmeye yönelik pratik çözümler arayışı nedeniyle son yıllarda büyük ilgi görmektedir. Petrol Şirketleri Uluslararası Denizcilik Forumu (OCIMF) Gemi Denetim Raporu Programı (SIRE), RightShip, Tanker Yönetimi ve Öz Değerlendirme (TMSA) ve Kimyasal Dağıtım Enstitüsü (CDI) gibi çeşitli kuruluşlar etkin metodolojiler arayışına aktif olarak katılmaktadır. Bu çalışma, rapor edilen gözlemleri analiz etmek için doğal dil işleme (NLP), Makine öğrenimi teknikleri ve istatistiksel algoritma modellerinin bir kombinasyonunu kullanarak bu alana katkıda bulunmayı amaçlamaktadır. Bu çalışma, raporlanan gözlemleri analiz ederek, denizcilik denetim verilerinin anlaşılmasını geliştirmeyi, kalıpları ve eğilimleri belirlemeyi ve denizcilik endüstrisinde karar verme ve iyileştirme için içgörüler sağlamayı amaçlamaktadır. NLP ve ML tekniklerinin entegrasyonu, ilgili özellikleri otomatik olarak çıkararak ve bunları farklı kategorilere sınıflandırarak denetim raporları gibi metinsel bilgilerin analiz edilmesini sağlar. Bu yaklaşım, büyük hacimli denetim verilerinin verimli ve doğru bir şekilde analiz edilmesini sağlar. Ayrıca, gemi özellikleri, denetçi bilgileri ve denetim yerleri gibi bağımsız değişkenler ile gözlemlerin nedenleri arasındaki korelasyonları ve bağımlılıkları belirlemek için istatistiksel algoritma modelleri kullanılır. Bu modeller farklı nedenlerin frekanslarını ve olasılıklarını üreterek denetimlerin önceliklendirilmesi ve kaynakların etkin bir şekilde tahsis edilmesi için değerli bilgiler sağlayabilir. Bu çalışmanın katkıları iki yönlüdür. İlk olarak, raporlanan gözlemleri analiz etmek için NLP ve ML tekniklerinden yararlanarak deniz denetim verilerinin anlaşılmasını geliştirmektedir. Bu da eğilimlerin, kalıpların ve potansiyel sorunların belirlenmesini sağlayarak bilinçli karar verme ve hedeflenen iyileştirme stratejilerinin formüle edilmesine yol açmaktadır. İkinci olarak, istatistiksel algoritma modelleri bağımsız değişkenler ve gözlemlerin nedenleri arasındaki ilişkiler hakkında içgörü sağlar. Denizcilik paydaşları bu ilişkileri ölçerek denetimleri önceliklendirebilir, kaynakları verimli bir şekilde tahsis edebilir ve potansiyel riskleri ele almak için proaktif önlemler alabilir. Çalışmanın hedeflerine ulaşmak için Amerikan Denizcilik Bürosu Denizcilik Kök Neden Analizi Aracından (ABS-MARCAT) yararlanılarak sağlam bir metodoloji geliştirilmiştir. Bu araç, 2383 gözlem temelinde potansiyel nedenlerin sistematik olarak tanımlanmasını ve bir araya getirilmesini kolaylaştırmıştır. ABS-MARCAT kullanılarak, rapor edilen gözlemlerin analiz edilmesi, altta yatan nedenlerin anlaşılması ve bunların ortadan kaldırılması için düzeltici ve önleyici eylem önerileri sunulması için kapsamlı bir temel sağlanması amaçlanmıştır. ABS-MARCAT, gemi denetim verilerinin sistematik bir şekilde analiz edilmesini sağlayarak çalışmanın metodolojisinde değerli bir araç görevi görmektedir. Araştırmacıların bir potansiyel nedenler veri tabanı oluşturmasını ve bunu analiz sürecine entegre etmesini sağlamaktadır. Önemli sayıda gözlemin dahil edilmesiyle metodoloji, nedensellik faktörlerinin belirlenmesinde güvenilirlik ve doğruluk kazanmaktadır. ABS-MARCAT'in kullanılması, çalışmanın rapor edilen gözlemlerin arkasındaki temel nedenleri ortaya çıkarma becerisini geliştirmektedir. Bu araç, potansiyel nedenlerin sistematik olarak düzenlenmesi ve kategorize edilmesi için yapılandırılmış bir çerçeve sunarak gözlemlenen sorunlara katkıda bulunan faktörlerin kapsamlı bir şekilde anlaşılmasını sağlar. Metodoloji, analiz sürecinin kapsamlı ve sistematik olmasını sağlayarak denizcilik faaliyetlerinde iyileştirme için kilit alanların belirlenmesine olanak tanır. Ayrıca, ABS-MARCAT belirlenen sebeplere dayalı olarak düzeltici ve önleyici eylem önerilerinin geliştirilmesini kolaylaştırır. Potansiyel sebeplerin veri tabanını kullanarak, çalışma, tespit edilen sorunların ele alınması ve gelecekte tekrarlanmasının önlenmesi için hedefe yönelik tavsiyeler sunabilir. Bu tavsiyeler, denizcilik profesyonellerinin uzmanlık ve bilgi birikiminden elde edilmekte ve sektörde karar alma ve iyileştirme için pratik ve uygulanabilir bir rehberlik sağlamaktadır. Bu araştırmanın önemli bir katkısı, doğal dil işleme (NLP) tabanlı bir makine öğrenimi (ML) algoritmasının geliştirilmesidir. Bu algoritma, yeni girişlerin nedenlerini tahmin etme ve denetim raporu gözlemlerine dayalı düzeltici ve önleyici eylem ipuçlarını belirleme konusunda hayati bir rol oynamaktadır. Algoritma, farklı nedensellik kategorilerinde 0,90 ile 0,98 arasında değişen yüksek bir doğruluk sergilemektedir. Bu yüksek doğruluk, nedenlerin etkili bir şekilde tanımlanmasını ve sınıflandırılmasını sağlayarak denizcilik sektöründe karar alma süreçleri için değerli içgörüler sunmaktadır. NLP tabanlı ML algoritması, denetim raporu gözlemlerinin metin bilgisini analiz etmek için gelişmiş dil işleme tekniklerini kullanır. Bu sayede, denetim raporlarından ilgili özellikleri otomatik olarak çıkarır ve farklı kategorilere sınıflandırır. Algoritma, büyük miktardaki denetim verilerinin etkili ve doğru bir şekilde analiz edilmesini sağlar. Yüksek doğruluk seviyesi, algoritmanın yeni girişlerin nedenlerini tahmin etme becerisini güçlendirir. Bu, denizcilik sektöründe yeni raporlar geldiğinde, algoritmanın doğru bir şekilde nedenleri tahmin etme yeteneği sayesinde hızlı ve etkili bir şekilde yanıt verebileceği anlamına gelir. Ayrıca, denetim raporlarının gözlemlerine dayalı olarak düzeltici ve önleyici eylem ipuçları sağlama yeteneği, sorunların giderilmesi ve tekrarlanmasının önlenmesi için değerli bir araç sunar. Bu geliştirilen ML algoritması, denizcilik sektöründe karar alma süreçlerine önemli katkılar sağlamaktadır. Doğru nedenlerin belirlenmesi ve sınıflandırılması, sorunların çözülmesi ve iyileştirme önlemlerinin etkili bir şekilde alınması için kritik öneme sahiptir. Algoritmanın yüksek doğruluk seviyesi, karar vericilere güvenilir içgörüler sunarak, denizcilik operasyonlarının daha verimli ve güvenli hale getirilmesine yardımcı olur. Bu araştırmanın bir diğer önemli katkısı, gemi adı, denetçi adı, petrol ana şirketi adı ve liman adı gibi bağımsız değişkenlere dayalı olarak neden frekansları üretebilen istatistiksel bir algoritma modelidir. Bu model, bağımsız değişkenlere göre neden kategorisi frekanslarını sunarak denetim öncesinde dikkat edilmesi gereken alanlara ilişkin öngörüler sunmaktadır. Bu istatistiksel algoritma modeli, denetim öncesinde hangi alanlara odaklanılması gerektiğine dair bir karar destek sistemi olarak hizmet verir. Bu model, denetim verilerinde bağımsız değişkenlerin frekanslarını analiz ederek gemi adı, denetçi adı, petrol ana şirketi adı ve liman adı gibi faktörlerin nedenler üzerindeki etkisini belirler. Bu sayede, denetim öncesinde hangi alanlara daha fazla dikkat edilmesi gerektiği konusunda bilgi sağlar. Örneğin, belirli bir gemi veya denetçi ismi nedenlerin yoğunlaştığı bir alanı gösterebilir veya belirli bir limanın özellikleri sorunlu alanları belirlemeye yardımcı olabilir. Bu istatistiksel algoritma modeli, denizcilik endüstrisinde karar verme süreçlerine büyük faydalar sağlar. Denetim öncesinde hangi alanlara odaklanılması gerektiğine dair öngörüler sunarak kaynakların etkin bir şekilde yönlendirilmesini sağlar. Ayrıca, denetim sonuçlarını analiz ederek hangi faktörlerin nedenlere daha fazla katkıda bulunduğunu belirler ve önleyici eylem planlarının oluşturulmasına yardımcı olur. Bu istatistiksel algoritma modeli, denetim süreçlerinde verimliliği artırmak ve kaynakların daha etkili kullanılmasını sağlamak için değerli bir araç sunmaktadır. Denizcilik endüstrisindeki paydaşlar, bu modeli kullanarak denetim öncesi ve sonrası süreçlerini daha iyi yönetebilir ve operasyonel mükemmeliyeti artırabilirler. Ayrıca, bu araştırma, tespit edilen gözlem nedenlerini ortadan kaldırmak için düzeltici ve önleyici eylem önerileri sunmaktadır. Bu ipuçlarının belirlenmesinde denizcilik uzmanlarının katkısı, denetim raporlarının analiz edilmesinin ardından çözüm önerileri sunarak karar verme süreçlerine farklı bir boyut katmaktadır. Denetim raporlarından elde edilen gözlem verilerinin analiz edilmesi, denizcilik uzmanlarının önemli bir rol oynadığı bir süreçtir. Denizcilik uzmanları, denetim raporlarında tespit edilen nedenleri dikkate alarak, düzeltici ve önleyici eylem önerileri sunarlar. Bu öneriler, sorunların çözülmesi ve gelecekte benzer sorunların önlenmesi için değerli bir kılavuz sağlar. Denizcilik uzmanları, uzman bilgileri ve deneyimleri doğrultusunda, denetim raporlarına dayanarak potansiyel nedenlerin ortadan kaldırılması için etkili çözümler sunarlar. Bu öneriler, gemi operasyonlarının güvenliği, verimliliği ve sürdürülebilirliği açısından büyük önem taşır. Aynı zamanda, bu öneriler, denetim öncesinde ve sonrasında alınacak önlemlerin belirlenmesinde karar verme süreçlerine değerli bir perspektif sağlar. Denetim raporlarından elde edilen verilerin analiziyle birlikte denizcilik uzmanlarının katkısı, denetim süreçlerinin daha etkili ve verimli hale getirilmesine yardımcı olur. Uzmanların sağladığı düzeltici ve önleyici eylem önerileri, sorunların hızlı bir şekilde ele alınmasını sağlar ve gemi operasyonlarının güvenliği ve performansının artırılmasına yardımcı olur. Bu araştırmanın sunmuş olduğu düzeltici ve önleyici eylem önerileri, denizcilik sektöründe karar verme süreçlerine önemli bir katkı sağlamaktadır. Denetim raporlarının analizi ve denizcilik uzmanlarının katkısı, operasyonel risklerin yönetimi ve kalite güvencesi açısından değerli içgörüler sunar. Bu öneriler, gemi operatörlerine, petrol şirketlerine ve diğer denizcilik paydaşlarına, denetim öncesi ve sonrasında etkili eylemler alarak güvenli ve başarılı bir işletme sürdürmeleri için rehberlik eder. Bu çalışmada geliştirilen denetim öncesi ve sonrası analiz modeli, filo güvenliği ve verimliliğinin artırılması için önemli bir potansiyele sahiptir. Model, denizcilik yöneticilerine denetim verilerini analiz etmek için doğru bir araç sağlayarak, bilinçli karar verme ve potansiyel sorunları ele almak için proaktif önlemler alma olanağı sunmaktadır. Model, denizcilik sektöründe denetim verilerinin analiz edilmesi ve değerlendirilmesi için bağımsız ve güvenilir bir araç sunan üçüncü taraf bir çözüm olarak hizmet vermektedir. Denetim öncesi ve sonrası analiz modeli, denizcilik yöneticilerine gemi operasyonlarını daha iyi yönetme ve iyileştirme fırsatı sunar. Model, denetim öncesinde filo güvenliği ve verimlilik açısından potansiyel risk alanlarını belirlemek için kullanılabilir. Denetim raporlarından elde edilen verilerin analizi, denizcilik yöneticilerine operasyonel mükemmeliyeti artırmak için ihtiyaç duyulan önlemleri belirleme konusunda önemli içgörüler sunar. Bu model, denetim sonrasında ise geri bildirimlerin analiz edilerek eylem planları oluşturulmasına yardımcı olur. Denetim sonuçlarından elde edilen veriler, filo güvenliği ve operasyonel verimlilik açısından değerlendirilir ve ilgili düzeltici önlemler belirlenir. Bu sayede, gemi operasyonlarında tekrarlanan sorunlar tespit edilebilir ve gelecekte benzer sorunların önlenmesi için gerekli eylemler alınabilir. Denetim öncesi ve sonrası analiz modeli, denizcilik yöneticilerine daha iyi kararlar alabilme yeteneği sağlar. Model, denetim verilerinin analiz edilmesiyle birlikte riskli alanları belirleyerek kaynakların etkin bir şekilde yönetilmesine yardımcı olur. Ayrıca, potansiyel sorunların önceden tespit edilmesi ve düzeltici önlemlerin alınmasıyla filo güvenliği ve operasyonel verimlilik artırılabilir. İleriye dönük olarak, gelecekteki çalışmalar bu modeli bir hizmet olarak platform (PaaS) teklifine dönüştürmeyi ve genişletmeyi amaçlamaktadır. Bu dönüşüm, denizcilik sektöründeki paydaşlar tarafından daha geniş erişim ve kullanım sağlayarak filo güvenliğinin, operasyonel verimliliğin ve bilgiye dayalı karar alma süreçlerinin iyileştirilmesini kolaylaştıracaktır. Modelin bir PaaS olarak sunulması, denizcilik sektöründeki tüm paydaşlara, denetim verilerinin analizi ve değerlendirilmesi için kullanışlı bir araç sunar. Bu platform, filo sahipleri, gemi işletmecileri, denetçiler ve diğer ilgili aktörlerin, denetim öncesi ve sonrası analiz süreçlerini daha kolay ve etkin bir şekilde gerçekleştirmelerini sağlar. PaaS modeli, kullanıcıların modeli kolayca erişebilmelerini ve kullanabilmelerini sağlayarak, denizcilik sektöründeki filo güvenliği ve operasyonel verimlilik konularında daha geniş bir kullanım imkanı sunar. Bu şekilde, daha fazla paydaşın bu analiz modeline erişebilmesi, sektör genelinde bilgi ve deneyim paylaşımını artırır ve sektörel gelişmelerin hızlanmasını sağlar. PaaS teklifi, kullanıcıların modeli istedikleri zaman ve yerde kullanabilme esnekliği sağlar. Bu sayede, denizcilik sektöründeki paydaşlar, filolarının güvenliğini ve operasyonel verimliliğini sürekli olarak takip edebilirler. Aynı zamanda, modelin genişletilmesiyle birlikte yeni veri kaynakları entegre edilebilir ve daha kapsamlı analizler yapılabilir. Gelecekteki çalışmalar, modelin kullanıcı dostu bir arayüze sahip olmasını ve kullanım kolaylığını artırmayı hedeflemektedir. Böylece, denizcilik sektöründe teknik bilgiye sahip olmayan kullanıcılar bile bu analiz modelini etkin bir şekilde kullanabilirler. Kullanıcıların denetim verilerini daha iyi anlamalarını ve filolarının güvenliği ve verimliliği konusunda bilinçli kararlar almalarını sağlayan kullanıcı dostu bir PaaS platformu oluşturulacaktır. Sonuç olarak, bu çalışma, sağlam bir denetim öncesi ve sonrası analiz modeli geliştirerek gelişmekte olan denizcilik denetim analizi alanına katkıda bulunmaktadır. İstatistiksel algoritma modelleri, NLP, ML ve MARCAT aracının entegrasyonu sayesinde çalışma, raporlanan gözlemleri ve istatistiksel verileri analiz etmek için bütünsel bir yaklaşım sunmaktadır. Model, yüksek doğruluk oranıyla filo güvenliğini ve verimliliğini önemli ölçüde artırma potansiyeline sahiptir. Ayrıca çalışma, modeli hizmet olarak bir platform şeklinde kavramsallaştırarak, modelin denizcilik sektöründe daha geniş çapta benimsenmesi ve uygulanmasının önünü açmaktadır. Modelin sağladığı bütünsel yaklaşım, denizcilik yöneticilerine, gemi operasyonlarını daha iyi yönetme ve iyileştirme fırsatı sunmaktadır. Denetim öncesi analizler, potansiyel risk alanlarını belirlemede yardımcı olurken, denetim sonrası analizler ise geri bildirimlerin analiz edilerek düzeltici eylemlerin belirlenmesini sağlar. Bu sayede, filo güvenliği ve operasyonel verimlilik sürekli olarak artırılabilir. Modelin hizmet olarak sunulması, denizcilik sektöründe geniş bir kullanıcı kitlesine erişim sağlar. Filo sahipleri, gemi işletmecileri, denetçiler ve diğer ilgili paydaşlar, bu platformu kullanarak denetim verilerini daha etkin bir şekilde analiz edebilir, sorunları tespit edebilir ve gerekli önlemleri alabilir. Bu da filo güvenliği ve operasyonel verimlilik konularında sektör genelinde iyileştirmeler sağlar.
Özet (Çeviri)
SUMMARY Maritime inspection analysis has become an emerging topic in recent years, as practical solutions are sought to improve the pre- and post-inspection analysis in shipping operations. With a focus on finding practical solutions to enhance the pre- and post-inspection process in shipping operations, such as The Oil Companies International Marine Forum (OCIMF) Ship Inspection Report Programme (SIRE), RightShip, The Tanker Management Self-Assessment (TMSA), Chemical Distribution Institute (CDI), there is a growing demand for effective methodologies. The objective of this research is to enhance this field by examining documented observations through the utilization of both natural language processing (NLP) and machine learning (ML) methods. The main goal of this study is to make a valuable contribution to this field by analyzing reported observations. This will be accomplished by employing a combination of natural language processing (NLP) and machine learning (ML) techniques. Additionally, a statistical algorithm model will be utilized to conduct analysis using demographic data. To achieve the objectives of the study, a robust methodology was developed, which leverages the benefits of the American Bureau of Shipping Maritime Root Cause Analysis Tool (ABS-MARCAT). This tool enables the systematic initiation of a potential causes database, incorporating a substantial number of 2383 observations. By employing ABS-MARCAT, the study aims to provide a comprehensive foundation for analyzing and understanding the causes behind reported observations and determining corrective and preventive action tips for elimination of this causes. One of the key contributions of this research is the development of an NLP-based ML algorithm. This algorithm plays an important role in predicting the causes of new entries and determining corrective and preventive action tips in the inspection report's observations. The algorithm's performance demonstrates high accuracy, with results varying between 0.90 and 0.98 across different causation categories. Such accuracy is promising, as it allows for effective identification and classification of causes, providing valuable insights for decision-making in the maritime industry. Another important contribution of this research is the statistical algorithm model that can produce frequencies of causes based on independent variables such as ship name, inspector name, oil major company name and port name. The statistical algorithm model provides predictions about the areas to be considered according to the information required before the inspection. By presenting the frequencies of the cause categories according to the independent variables, it provides a decision support system in the process of predicting the inspection parts to be considered before the inspection. Another important contribution of this research is to suggest corrective and preventive action tips to eliminate the causes of the observations after the causes are identified. The corrective and preventive action tips determined by maritime experts will add a different dimension to the decision-making processes by providing solution suggestions after the analysis of the inspection reports. The pre- and post-inspection analysis model developed in this study holds great potential for enhancing fleet safety and efficiency. By providing maritime executives with an accurate tool to analyze inspection data, it enables them to make informed decisions and take proactive measures to address potential issues. The model serves as a third-party solution for the shipping industry, offering an independent and reliable means of analyzing and assessing inspection data. Looking ahead, future studies are planned to further refine and expand this model. The aim is to conceptualize it as a platform as a service (PaaS) offering, which would enable wider access and utilization by stakeholders in the maritime industry. By transforming the model into a PaaS, it has the potential to become a valuable resource for multiple organizations, facilitating improved fleet safety, operational efficiency, and informed decision-making. In conclusion, this study addresses the emerging field of maritime inspection analysis by developing a robust pre- and post-inspection analysis model. Through the integration of statistical algorithm model, NLP, ML, and the MARCAT tool, the study offers a holistic approach to analyzing reported observations and statistical data. With its high accuracy, the model has the potential to make a significant contribution to the improvement of fleet safety and efficiency. Furthermore, by conceptualizing it as a platform as a service, the study paves the way for wider adoption and application of the model within the shipping industry.
Benzer Tezler
- Denizcilik işletmelerine yönelik entelektüel sermaye değerlemesi üzerine bir model önerisi
A model proposal on valuation for intellectual capital of maritime businesses
GİZEM ÇEVİK
Doktora
Türkçe
2023
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZCAN ARSLAN
- Gemi makine dairesi bakım işlemlerinin verimlilik analizi
Efficiency analysis of maintenance of ship machinery systems
ÇAĞLAR KARATUĞ
Doktora
Türkçe
2023
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU
- Maneuvering of high speed displacement vessels in regular waves
Yüksek hızlı deplasman gemilerinin düzenli dalgalarda manevraları
DENİZ ÖZTÜRK SARIGÜL
Doktora
İngilizce
2023
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi ve Deniz Teknoloji Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER KEMAL KINACI
- Gemi radar sistemlerinde uzaktan kod yürütme (RCE) tehditlerini azaltmaya yönelik siber güvenlik önlemlerinin bayes ağı metoduyla değerlendirilmesi
Evaluation of cybersecurity measures to mitigate remote code execution (RCE) threats in shipboard radar systems using the bayesian network method
EMRE DÜZENLİ
Yüksek Lisans
Türkçe
2024
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
DOÇ. DR. PELİN BOLAT
- Shipyard productivity evaluation with key performance indicators
Tersane üretim verimliliğinin temel performans göstergeleri ile değerlendirilmesi
ÜMRAN BİLEN
Doktora
İngilizce
2022
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. ŞEBNEM HELVACIOĞLU