Applying AI and digitalisation are key to container shipping industry
蔡欣怡、黃逸君、徐劍華
【關鍵字】人工智慧、數位化、貨櫃航運業
【keywords】AI; digitalisation; container shipping industry
人工智慧與數位化的創新肯定會被廣泛應用於航運業，但不會像人們希望的那樣快。
人工智慧在航運和大宗商品市場決策中的應用
挪威經濟學院航運經濟學教授羅阿爾·奧德蘭在2017年8月領英（LinkedIn）上的一篇博客文章中，強調了貨運業的四個特點：首先，由於運價的波動性，航運本身就採用了動態定價，並且這種情況已經持續了幾個世紀。其次，航運業已經以高效率的方式匹配供需。第三，航運業充分利用其資產，即當出現空白航班時，不是因為供需不匹配，而是因為沒有需求。最後，船東已經把監管和稅收套利提升為一門藝術，他們從上世紀70年代就開始這樣做了。
博連·奧黑在「美國託運人」（American Shipper）8月27日的文章《人工智慧在航運和大宗商品市場決策中的應用述評》一文中說：「奧德蘭的觀察結果有助於確認我在2017年2月出版《行業研究：海運》和2017年6月出版《更新－行業研究：海運》（ Updates — Industry Study: Ocean Freight Shipping）前後得出的結論。在航運業的創新方面，有很多東西超出了人們的視線，『航運優步』的商業模式缺乏足夠的細微差別，無法像初創企業創始人和大多數風險投資家認為的那樣取得成功。」
奧黑在這篇文章中，舉了三個例子，來說明機器學習和人工智慧是如何應用於乾散貨航運問題的。
1、第一個例子是真知灼見公司利用資料科學做出更好的決策
保羅·多奇是真知灼見（True Bearing Insights）公司的首席執行長，這是一家總部位於波士頓的初創企業，它利用資料科學和預測分析的力量來幫助大宗商品和大宗商品航運市場作出商業決策。
「真知灼見」（True Bearing Insights）是一個決策支援平臺，它使用電腦和軟體來完成機器最擅長的工作，即在尋找模式的同時處理大量資料，同時使人們能夠在決策迴圈中做人類最擅長的事情–管理異常和其他不熟悉的情況。真知灼見並不認為機器學習會取代人類的判斷，而是認為機器學習會讓人類在做重要判斷的時候更高效。
多奇說：「作為企業的一個決定性特徵，我們都希望做出更好的決定。理解問題和背景，迫使我們後退一步，審視整個決策過程，以確定制約因素。我們是否擁有正確的資料或資訊來做出更好的決策？我們知道什麼是正確的資料嗎？我們被資料淹沒了嗎？在某種程度上，人類系統地管理資訊的能力成為制約因素。」
目前，真知灼見正在利用貨運遠期協議來展示其平臺的強大功能，該平臺已於今年年初投入運營。因此，該軟體可以説明船東就如何交易鐵礦石、煤炭和其他乾散貨大宗商品的貨運衍生品做出決策，但也可以用來回答諸如「我應該去澳洲還是巴西進貨？」
據多奇稱，這一點比業內人士意識到的更重要，因為該行業運輸的商品主要在南半球生產，而對這些商品的需求絕大多數位於北半球。
因此，多奇認為，關注於提出正確的問題是至關重要的，而且必須在不同的時間點提出不同的問題，因為關於未來的許多事情都是未知的。
多奇說：「我們提出的問題是為了給一個受約束的人類決策者提供另一個資料點，以便更好地瞭解情況，或者為是否進一步深入到下游，提出具體建議，以補充人類的判斷。」
多奇說，圍繞所問問題的明確性和具體性是成功的必要條件，他認為清晰性和具體性使我們能夠在整體業務的背景下確定客觀的成功衡量標準，並確定這對損益表、資產負債表和現金流量表的影響。
他說，觀察到像這樣的技術是由真知灼見開發出來的，這使船東能夠提出和回答比過去更為微妙的問題，他說：「理解這個問題揭示了另一層複雜性，那就是使新系統的性能指標與實際創造的價值相一致。所提出的問題通常比最初顯而易見的要複雜，而且通常必須分解為一系列步驟和模型或真實世界的表示。」
最後，他總結道：「數位化只是達到目的的一種手段–正是圍繞著問題本身的清晰性，催化了真正的變革性解決方案。」
2、第二個例子是一篇碩士論文關於作為決策支援系統的機器學習
赫爾曼博姆·霍爾特和托爾斯滕·圖恩的碩士論文公佈的消息稱，在2017年至2019年期間，一些機器學習演算法的表現超過相關基準指數約10％，即每天1700美元。
這篇論文正在接受同行評審，因此完整的細節尚未公佈。然而，這篇論文的影響力對航運業有著非常廣泛的作用。
首先，理論上可行的和現實世界中的約束有一個重要的區別。尤其是在獲取對機器學習系統至關重要的資料時。特別是，具有領域專業知識的人對於機器學習演算法所依賴的假設的制定至關重要。這就是為什麼機器學習和優化應該被視為決策支援系統，而不是人類專業知識的替代品。我們的目標應該是「人加機器」，而不是「人或機器」。
其次，航運業的市場週期很重要，這使得開發和維護機器學習和優化系統的任務不像人們預期的那麼簡單。必須解決的一些問題包括：查明進行調查的適當時間跨度；可用資料的頻率以及是否符合要求；是否有足夠長的關於所研究現象的歷史資料；考慮到航運路線不斷變化的事實；以及不斷變化的旅行租費。然而，博姆霍爾特和圖恩認為，個別航運公司可能保留了更多的被扣留和完整的資料，而這些資料很容易從公共行業資料來源中找到。
在航運中使用機器學習和AI運行業務的人應該考慮一些可操作的建議。
首先，航運公司要加大投資，收集專有和非專有資料，並利用這些資料解決公司面臨的問題。
其次，分析團隊應該由非常瞭解機器學習的人和對航運業資料和分析有深入瞭解的人組成。他們建議這些團隊應該慢慢開始，根據過去的資料和事件測試他們的機器學習演算法，然後用它們來預測未來的決策。即便如此，他們也強調人類的判斷必須是決策過程的一部分。
第三，對以下問題進行評估：機器能理解什麼？機器不能理解什麼？還有什麼需要人們進一步研究？
博姆霍爾特和圖恩分享的關於航運中人機決策系統需求的見解，與大衛西多蒂在其2018年博士論文《複雜系統中動態資源管理的新優化演算法》和由西多蒂等人撰寫並於2015年在華盛頓舉行的第18屆資訊融合國際會議上發表的2015年論文《動態資源管理和資訊集成》中的觀察一致。
3、第三個例子是關於乾散貨市場的前瞻性價值
2018年1月，奧德蘭、維特普羅查茲卡和斯坦W.華萊士發表了乾散貨貨運市場的前瞻價值。作者認為，「散貨運輸市場中所有船舶運營商都面臨的一個優化問題：如何通過連續接受運輸網路中港口對之間現貨市場貨物的貨運合約（租船合約），在空間和時間上對船舶或船隊進行最優重新分配，通常被稱為不定期運輸。
他們解決了這個問題的兩個版本。首先，他們解決了這個問題的一個版本，即他們假設未來運費率是有完美預見的。其次，他們解決了一個問題另一個版本，即他們認為人們對未來運費率的瞭解是有限的。
作者發現，首先，在充分瞭解情況的情況下，他們的模型在2006年至2016年期間產生了更高的累積耳環（cumulative earrings），儘管他們指出，金融危機造成了2008年底之前運費的扭曲。這顯然是不現實的，但對確定理論最大值很重要。他們發現，2006年至2016年期間，這一比例為15％，但2009年至2016年期間更高，超大型、巴拿馬型和海岬型油輪分別為20％、15％和23％。
第二，當他們在一個有限的、相對較短的時間範圍內假設完美的知識時，他們發現有可能通過假設完美的遠見來獲取他們所建立的理論最大值的很大一部分。他們指出，這需要一種不同的方法論，而在有限的視界上設想完美的遠見仍然是不現實的。
第三，為進一步研究市場優化提供了可能。例如，我們計算了每個決策在空間和時間的每個點上的值。由此，我們觀察到大西洋地區的地理轉換函數不對稱。也就是說，一個不正確的決定「去太平洋」如果在錯誤的時間被應用，可能比錯誤的「留在大西洋」的決定更昂貴。
整體來說，他們的結論是「實證結果揭示了通過複雜的租船策略來利用空間效率低下的巨大潛力。這項研究的自然延續是應用隨機規劃來處理運價的不確定性。例如，使用場景樹來描述運價的未來發展，而不是完全預見的假設。」
結論是：考慮到航運業的體量、規模和重要性，航運業作為所有行業全球貿易的驅動力，早期的技術投資者對數位技術將擾亂航運業的業務流程和規範這一概念非常著迷。基於前面的討論，對於那些對該行業不太熟悉的FreightWaves讀者來說，如果他們認為我們正處在機器學習和人工智慧在短期內（比如說未來2到5年）將應用於乾散貨航運和大宗商品市場的尖端，那是可以原諒的。
奧黑說：「整體來說，我非常懷疑。2017年11月至2018年10月期間，我擔任紐約海事創新中心志願者顧問委員會成員。我在那段時間的經歷説明我認識到，海運業的創新是一個緩慢的過程，它依賴於自上而下的指令，而複雜和相互關聯的監管制度和合規要求使之複雜化。」
他說，這並不意味著創新永遠不會發生。然而，這意味著事情的發展將慢得多，甚至可能比一些資深的行業參與者所希望的要慢得多。
奧黑說：「我預計，像阿德蘭和他在挪威經濟學院的同事這樣的學術研究人員，以及像多奇這樣的早期科技初創公司創始人，以及真知灼見的同事們，在等待其他行業的人趕上他們的時候，他們會繼續奮力拼搏。這也意味著，行業中那些願意突破極限、嘗試機器學習、人工智慧和其他預測分析技術的高管團隊，可以建立比人們原本設想的更持久的優勢。」
奧黑說：「我給一家大型貨櫃運輸公司的C級主管發了一封電子郵件，詢問人工智慧在行業中的應用。他回答說：『在我看來，貨櫃運輸中的人工智慧仍然有點牽強，有太多迫切的問題需要解決，所以這些問題目前還不在我的首要任務清單上。顯然，在BI（商業智慧）部門工作的一些開發人員在人工智慧方面有些手忙腳亂，但我現在還不敢稱他們為專家。』但他指出，這不是他的專長領域。」
數位化對物流鏈的重組至關重要
對於物流的新模式而言，利用數位化進行轉型愈發重要，因為在疫情期間，供應商採取了短期生產和運輸策略。
貨櫃航運數位化的成熟需要更多的資料積累和更好的資料分析。當下，為更好地滿足不同客戶的需求，運營商和貨運代理公司需要在數位化和傳統模式之間找尋一個平衡點。
正因為如此，在疫情期間，企業的數位化轉型會加快，因為這提供了除面對面交流以外的另一種選擇。至少對貨櫃航運而言，它對重組供應鏈的解決方案有著重要作用。
這個觀點是由周世浩提出的，他是總部位於上海的線上物流平臺「運去哪」（YQNLink）的創始人兼首席執行長。「運去哪」是一家提供一站式物流服務的公司。
對於已經惡化的美中關係而言，這場疫情又是一次打擊，它擾亂了貨運的需求，迫使供應商在生產和物流時間表的安排上只能採取短期策略。因此，短時間內被取消的訂艙會越來越多。
周世浩表示：「數位化轉型對於因疫情產生的物流鏈新模式而言，有著更大的影響。無法應對這些變化的企業將面臨成本攀升，並可能被市場所淘汰。」
隨著線上訂艙系統發展的成熟、貨物跟蹤解決方案的產生，以及雖然發展緩慢，但正在逐漸推廣使用的電子檔，班輪運輸業現在正似乎朝著正確的方向發展。
周世浩說：「航運公司，尤其是那些將現代化進程作為戰略核心的航運公司，取得的成就值得讚揚。這個行業近年來取得了很大的進步，但如果想要取得成功，還需要更多努力。」
他舉例說，電子訂艙定金和固定價格的引入給貨櫃航運業帶來了很多好處。並且還減少了由於承運人貨物甩艙和託運人貨物缺席所引發的問題，這兩個問題仿佛是同一枚硬幣的正反面，最終，這兩個問題的解決使物流效率的整體得到了提高。
儘管如此，物流鏈上許多其他部分的預訂服務，例如卡車運輸和倉儲，主要仍以傳統的線下模式來提供。即使是有些已經標準化和數位化的服務，在某些情況下，客戶對於採用它們仍會感到不熟悉。
周世浩說：「一部分承運人的數位化訂艙協定也意味著託運人需要承擔變更或取消預訂的費用，而在傳統運輸的訂艙模式中，託運人可能不需要承擔這些費用。例如，一家小型出口商很可能出現這樣一種情況：他的貨物已進入港區，但買家突然出於某種原因（比如匯率波動）想要取消或推遲訂單。然後你會被航運公司要求支付罰金，這在以前是不會發生的。這將給一部分託運人帶來一個思考：他們是否需要擁有更好的數位化產品。這表明，為提供更好的服務，航運公司和行業的其他服務提供者必須進一步改進數位化的標準和流程，而貨主也需要適應新的趨勢。」
當然，B2B供應鏈的複雜性也是這些挫折背後的原因之一。資料的缺乏是另一個重要原因。這個問題不僅僅是航運業務的問題，也是整個B2B貿易的問題，其數位化的進程遠遠低於B2C市場。
在B2C市場，數十億筆的交易，供應商和買家都獲得了良好的記錄，並且這是很容易達成的。隨著交易數量的增加和資料更好的使用，我們將會看到B2B領域中供應鏈可預測性的飛躍。
周世浩表示：「目前，承運商和貨運代理公司需要在數位化模式和傳統模式之間取得平衡，以便更好地滿足不同客戶的需求。」
「運去哪」是一家專業的中小型託運人企業，其線上平臺聲稱提供從海運運輸、公路運輸到報關、跨境倉儲的廣泛物流服務。其商業網絡也不僅僅限於中國，還延伸至海外市場，包括東南亞、南美和南非。
周世浩表示：「我們希望將互聯網和數位技術運用於視覺化物流和優化跨境供應鏈物流上。」
與此同時，公司還在當地留下了一支服務團隊，説明客戶處理突發事件。
令人意外的是，儘管受到了疫情的影響，但美國的需求最近出現反彈，並導致跨太平洋運價飆升。這引起了一些貨主的投訴，他們指責承運人通過控制運力牟取暴利，甚至引起了中國監管機構的注意。
周世浩承認，儘管較高的運費反映了由於託運人的缺席，航運公司正面臨著額外的不確定性，但近年來班輪行業的整合浪潮加強了航運公司在運力方面的紀律。這個問題最終要通過資料的積累和分析來解決。
周世浩表示：「為瞭解承運人和託運人履行合約的能力，我們同樣需要更多的資料。當確定性增加時，成本就會降低。幸運的是，我認為，包括航運公司、港口和海關在內的很多行業，都在數位化轉型的快車道上。」
參考文獻：
- Brian Aoaeh: Commentary Applying AI to decision-making in shipping and commodities markets, American Shipper August 27, 2020
- Cichen Shen: Digitalisation critical to logistics chain shake-up, Lloyd[s List 25 Aug 2020
RSS訂閱