Model active learning menawarkan pendekatan lain yang menjanjikan untuk mempercepat analisis optimasi baling-baling.
Alih-alih mengandalkan algoritma yang telah ditentukan sebelumnya dan sejumlah besar simulasi seperti pada metode optimasi tradisional, pendekatan ini menggunakan model adaptif yang terus berkembang seiring waktu.
Dengan demikian, para insinyur dapat mengeksplorasi alternatif desain secara lebih efisien dan mengurangi waktu pengembangan.
Kembaran digital (digital twins) menambahkan lapisan nilai lebih lanjut. Dengan menggabungkan data sensor dan model simulasi, teknologi ini mendukung pemantauan kinerja, deteksi gangguan, dan pemeliharaan prediktif.
Selain itu, data operasional dari kapal yang beroperasi di lapangan dapat diumpankan kembali ke proses desain sehingga meningkatkan pemahaman untuk pengembangan produk di masa depan.
Seiring berkembangnya teknologi AI, integrasinya dalam pekerjaan rekayasa akan semakin meningkat.
Dalam bidang propulsi kelautan, sebagaimana di bidang lainnya, AI dapat meningkatkan efisiensi, konsistensi, dan keberlanjutan—namun hanya jika diterapkan dengan hati-hati.
Sebagai prinsip dasar, penggunaan teknologi ini sebaiknya terlebih dahulu difokuskan pada peran pendukung sebelum diterapkan pada tugas-tugas yang berkaitan langsung dengan pengambilan keputusan.
Oleh karena itu, tata kelola yang kuat sangat penting di seluruh proses rekayasa. Data harus selalu diverifikasi keandalannya, permasalahan harus didefinisikan dengan jelas, asumsi-asumsi harus transparan, dan hasil yang diperoleh harus divalidasi secara memadai.***
Jika artikel ini bermanfaat bagi anda, silahkan para pembaca kliksaja.id dapat mengapreasiasi kami dengan meng-klik fitur Traktir Kopi yang ada di bawah artikel ini.
Kontribusi anda sangat berarti bagi portal web kami agar berkembang menjadi media jurnalistik independen serta menjaga pemberitaan yang akurat, kredibel dan berkelanjutan.