XiaoMi-AI文件搜索系统
World File Search System海运
非公路、铁路、海运和航空领域的脱碳
车辆技术办公室 (VTO) 支持所有美国人都能负担得起的新型、高效、清洁的移动出行方式的研究、开发、部署和演示 (RDD&D)。该办公室的投资利用国家实验室系统的独特能力和世界一流的专业知识来开发车辆技术的新创新，包括：先进的电池技术；用于轻量化车辆结构和更好动力系统的先进材料；节能移动技术和系统（包括自动化和联网汽车以及联网基础设施的创新，可显著提高系统级的能源效率）；减少温室气体 (GHG) 排放的内燃机；以及在地方和州一级的技术部署和集成。车辆技术办公室与能源效率和可再生能源办公室 (EERE) 和美国能源部 (DOE) 的其他办公室协调，推进技术，以确保为所有经济和社会群体的人员和货物提供负担得起的、可靠的移动解决方案；促进和支持行业和经济/劳动力的竞争力；并解决当地空气质量和水、土地和国内资源的使用问题。
本期内容 - 军事海运司令部
MSC 拥有 30 多艘补给油船和干货弹药船，STREAM 课程是 MUTC 的核心课程。它训练 CIVMAR 进行海上补给，并确保 MSC 能够实现其使命，即全年 265 天、每天 24 小时为整个军事领域提供后勤支持。“我们的主要重点是培训人们在我们的船上进行航行补给，”MUTC 教员 David Dodge 说道。“为此，我们的 STREAM 课程是我们的主要培训目标。我们有两门 STREAM 课程，一门是 STREAM 熟悉课程，目前，我们正在对所有通过 MSC 的新员工进行培训，让他们上船后对自己将要做的事情有所了解。” “另一门 STREAM 课程是 MSC 为所有人开设的为期两周的完整课程，但通常最能从中受益的是预备役军人，他们在出发进行为期两周的航行之前会学习这门课程。他们学习实际航行补给的安全程序。我们像在船上执行一样执行每个步骤。” 每年有 500 多名 CIVMAR 参加 STREAM 课程，他们使用现场加油和货物装置模拟海上补给，这些装置配置了与发送和接收船上相同的设备。“这里唯一缺少的就是船和水，”Dodge 说。“我们从课堂开始
海运 - 本期内容 - Navy.mil
指挥官....... 美国海军少将 Mike Wettlaufer 公共事务主任............. Tom Van Leunen 公共事务副主任...... Jillian Morris 编辑.............................. Bill Mesta，弗吉尼亚州诺福克 视觉信息...... Brian Suriani，弗吉尼亚州诺福克 视觉信息......... Ryan Carter 弗吉尼亚州诺福克 作家......................... Jennifer Hunt，弗吉尼亚州诺福克 作家................... Hendrick Dickson，弗吉尼亚州诺福克 作家................... David Griesmer，弗吉尼亚州诺福克 作家................... LaShawn Sykes，弗吉尼亚州诺福克 作家........................ Leslie Hull-Ryde，新加坡 作家.................... Sarah Burford，加利福尼亚州圣地亚哥
2022 年 6 月海运杂志 - 本期内容 - Navy.mil
梅迪纳出生并成长于纽约市，2008 年毕业于约翰杰伊刑事司法学院后加入美国海军。在接下来的 12 年里，她以军士长的身份在士兵队伍中服役，负责海军的安全部队。军士长在所有海军舰队的岸上和海上发挥着重要的反恐/武力保护和执法作用。在服役期间，她参加了伊拉克的伊拉克自由行动和阿富汗的持久自由行动。2020 年，她被任命为美国海军预备役的有限职责军官 (LDO)。作为一名安全 LDO，她主要担任弗吉尼亚州诺福克 MSC 总部的 TACAD。LDO 执行的任务类似于准尉 (WO)。然而，正式的定义和差异是微妙的，重点在于权威程度、领导力和责任级别，以及所需专业知识的广度。
欢迎行业合作伙伴！- 军事海运司令部
执行 • 按时开始工作 • 持续反馈质量、进度和安全情况 • 及时回应发现的情况报告 • 发布合同变更单提案 • 按照工作包规范执行工作 • 遵守船舶维修生产计划 • 当进度落后于计划时增加资源 • 保持高质量的工艺 • 确保所有人员和财产的安全 • 满足提出的额外工作要求
ATIF/REFERENCE：Aylak，B. L. (2022)。人工智能在海运物流中的应用影响。欧洲科学技术杂志，(34)，217-225。
本研究旨在确定当前使用人工智能 (AI) 方法解决航运问题的方法。正在研究人工智能的最新进展，并回顾其适应海运物流的方式。在本研究中，通过文献计量法审查了 66 篇有关海运业人工智能的论文。研究数据主要来自 IEEE Xplore、Web of Science、ScienceDirect (Elsevier)、Sciences Citation Index、Google Scholar、Springer 和期刊的数据库。对选定的论文进行分类，并详细讨论了一些值得注意的出版物的成果。还进行了全面评估，突出了研究差距并预测了未来的研究方向。提出了利用人工智能能力在海运业进行进一步研究的两个可能领域。预测分析是第一个领域，其次是能源效率优化。此外，机器学习 (ML) 和运筹学 (OR) 也引起了人们对自动学习启发式方法的兴趣，以解决优化问题，从而避免需要昂贵且低效的人力来创建高度专业化的启发式方法。未来的研究可以利用这些新的 ML 方法来解决海运物流问题，利用不断增加的可用数据量。未来对海运物流的研究还可以根据已发现的差距开发学习模型。