«سرآمد» بررسی میکند؛
مهندسی تابآوری در لجستیک دریایی
چگونه هوش عملیاتی جایگزین تصمیمگیری سنتی در لجستیک دریایی شد؟
گروه ترانزیت - محمد جواد مهتابی - روزی روزگاری، «میدان دید» در صنعت حملونقل دریایی به این معنا بود که اپراتورها بدانند یک کشتی آخرین بار چه زمانی سیگنال خود را از طریق سامانه AIS ارسال کرده و تقریباً چه زمانی به مقصد بعدی خواهد رسید. این نگاه سطحی و تکبعدی، اگرچه در جای خود کارگشا بود، اما هرگز نمیتوانست پاسخگوی پیچیدگیهای روزافزون زنجیره تأمین جهانی باشد. امروز اما قواعد بازی به کلی دگرگون شده است. مأموریتی تازه در پیش روی فعالان این عرصه قرار دارد: مهندسی دقیق و هدفمند دادههای خام و پراکنده دریایی و تبدیل آنها به هوشی عملیاتی که نه تنها پیش از وقوع هزینهها و ریسکها، آنها را مهار میکند، بلکه افقهای ناشناختهای از صرفهجویی و کارآمدی را نیز فراوری میسازد.
تصور کنید انبوهی از دادههای ناهمگون شامل تلماتیک (Telematics) کشتی، سیگنالهای AIS، پیشبینیهای هواشناسی، سوابق ورود و خروج بنادر، حسگرهای مستقر در پایانهها، سامانههای ثبت الکترونیکی کامیونها، برآورد زمان رسید قطارها و حتی سیگنالهای هشداردهنده سایبری، همگی در کنار یکدیگر قرار میگیرند. اگر این دادهها به درستی مهندسی و پردازش شوند، آنگاه است که ایمنی، قابلیت اتکای برنامههای زمانی و کاهش انتشار آلایندهها به طور همزمان در مسیر بهبود گام برمیدارند و دستیابی به صرفهجوییهای چشمگیر، دیگر رؤیا و آرزو نخواهد بود.
با این همه، پشته فناوری دریایی به طور ذاتی با پیچیدگیهای فراوانی دستوپنجه نرم میکند؛ سامانههای قدیمی و فرسوده روی شناورها، اتصالهای ناپایدار و مقطعی، استانداردهای ناهماهنگ و پلتفرمهای بندری که به ندرت زبان مشترکی با یکدیگر دارند، همگی حکایت از فضایی دارند که تغییر در آن دشوار اما ضروری است. در این میان، سه اقدام راهبردی، پیشروان این عرصه را از عقبماندگان به روشنی متمایز میسازد و خط سیر تحول را ترسیم میکند.
نخستین و شاید بنیادیترین اقدام، پذیرش مدلسازی دادهها بر پایه همکنشپذیری است. در این رویکرد، به جای آنکه صرفاً به سفر دریایی و جابهجایی فیزیکی کشتیها بیندیشیم، به مدلهای دادهای روی میآوریم که امکان ترکیب یکپارچه منابع ناهمگون را فراهم میکنند. نمونه درخشان این فلسفه، «مدل جهانی دادههای هیدروگرافیS-100» است که اکنون توسط دفاتر هیدروگرافی و ارائهدهندگان خدمات ناوبری به کار گرفته میشود. در این چارچوب، شِمای استاندارد، همجوشی دادههای متنوع را ممکن میسازد و زمینهساز تحلیلی عمیقتر و جامعتر میشود. همین نگاه باید به دادههای لجستیکی، تلماتیکی و عملیاتی نیز تسری یابد تا از پراکندگی و چندگانگی بیحاصل رهایی یابیم و به زبانی واحد در سراسر زنجیره تأمین دریایی دست پیدا کنیم.
دومین اقدام کلیدی، مهندسی ویژگی است؛ فرایندی که طی آن جریانهای خام داده به متغیرهای پیشبینیکننده و ارزشمند تبدیل میشوند. این رویکرد به مراتب اثربخشتر از تولید نقشههای زیباتر و ویترینهای فریبنده است. برای نمونه، از مسیرهای ثبتشده در AIS میتوان شاخصهایی چون «بیثباتی در تقرب به اسکله»، «زمان سرگردانی در لنگرگاه» یا «سرعت انحراف از زمان تخمینی رسید» را استخراج کرد. از دادههای هواشناسی نیز میتوان «کاهش محتمل سرعت کشتی» و «ریسک مواجهه با آب سبز» را برآورد نمود. همچنین با بهرهگیری از دادههای ورودی بنادر، امکان محاسبه «شاخص تزاحم اسکله» فراهم میشود. این متغیرهای مهندسیشده، به عنوان خوراک اصلی مدلهای پیشبینیکننده عمل میکنند که ازدحام، حاشیه ایمنی یا مصرف سوخت را با دقتی بیسابقه برآورد میکنند و چراغ راهی برای تصمیمگیریهای آیندهنگر فراهم میآورند.
سومین و شاید تعیینکنندهترین اقدام، بستن حلقه از پیشبینی تا اجراست. در این مرحله، بینشهای تحلیلی از قفسه کتابخانهها و گزارشهای فنی خارج شده و به اقدام عینی و ملموس بدل میشوند: اصلاح طرح مسیر، رزرو بهموقع یدککش، تغییر اسکله پیشبینیشده، ارسال هشدار به خدمه یا اولویتبندی مجدد محمولهها. سامانههای پیشرفته، خروجی مدلها را مستقیماً به سامانه مدیریت حملونقل، سامانه جامعه بندری، خدمات ترافیک دریایی یا ابزار پشتیبان تصمیم فرمانده متصل میکنند تا فاصله بین تشخیص و عمل به کمترین میزان ممکن برسد و تصمیمگیری در لحظه، بر پایه دادههای بهروز و دقیق صورت پذیرد.
در حوزه پیشبینی ازدحام، گروههای دانشگاهی و صنعتی روشهایی نوین برای پیشبینی ازدحام بنادر بر پایه مسیر حرکت شناورها و ویژگیهای چندمقیاسی AIS منتشر کردهاند. این مدلها فراتر از تصویر مقطعی و ایستای «کشتیهای در لنگرگاه» حرکت میکنند و شاخصهای پیشنگر چندروزه ارائه میدهند تا اپراتورها بتوانند ترتیب ورود به بندر را بازتنظیم یا سرویسها را جابهجا کنند و یکپارچگی برنامه زمانی را در برابر تلاطمهای پیشبینینشده حفظ نمایند. این رویکرد، نه تنها هزینههای دموراژ را به شدت کاهش میدهد، بلکه بهرهوری کل زنجیره تأمین را نیز افزایش میدهد.
نکته شاید کمتر شناختهشده اما به همان اندازه حیاتی، تابآوری سایبری به عنوان متغیری نوین در معادلات لجستیکی است. با دیجیتالیشدن روزافزون بنادر، ریسک سایبری از یک دغدغه صرفاً فناورانه به ریسکی عملیاتی و زمانی تبدیل شده است. «مرکز تابآوری سایبری» در بندر لس آنجلس که با همکاری شرکای صنعتی ایجاد شده، نشان میدهد چگونه اشتراکگذاری تلماتیک و اطلاعات تهدید میتواند آسیبپذیری سیستماتیک را کاهش دهد. این بندر تنها در سال ۲۰۲۳ از صدها میلیون تلاش نفوذ جلوگیری کرده است؛ خود نشانهای آشکار از اینکه امنیت سایبری به شاخص کلیدی عملکرد عملیاتی تبدیل شده است و صرفاً دغدغه دپارتمان فناوری اطلاعات نیست. خطوط دادهای که تلماتیک عملیاتی و فناوری اطلاعات را تلفیق میکنند، امکان کشف زودهنگام و مهار سریعتر تهدیدها را فراهم کرده و از سامانههای اسکله، دروازهها و جریان اسناد محافظت مینمایند.
منابع و نشریات تخصصی حوزه دریایی نیز به روشنی گذار صنعت به پایش دیجیتال فنی، نگهداشت پیشبینانه و بهینهسازی سفر را به عنوان ابزارهای جریان اصلی با بازگشت سرمایه ملموس مستند کردهاند. نقطه مشترک همه این تحولات، اتکا به جریانهای داده مهندسیشده و سامانههای پشتیبان تصمیمگیری روی شناور است که دسترسپذیری و ایمنی را افزایش داده و همزمان پاسخگوی الزامات زیستمحیطی سختگیرانهتر هستند. این تحول، نه یک انتخاب بلکه ضرورتی اجتنابناپذیر برای بقا در فضای رقابتی امروز است.
نگاه به مسیر پیشرو، پنج گزاره محتمل را پیش روی فعالان صنعت قرار میدهد که هر یک افقهای تازهای را فراوری میسازند. نخست، گذار از «قابلیت مشاهده» صرف به «پیشآگاهی» واقعی است؛ پیشبینی ازدحام از مرحله پژوهش به عملیات روزمره منتقل خواهد شد و مشوقهای شرکتهای کشتیرانی و بنادر برای بازچینش زودهنگام همراستا میشود. دوم، ورود تلماتیک سایبری به معادله زمان تخمینی رسید است؛ همانگونه که هواشناسی در پیشبینی لحاظ میشود، وضعیت امنیت سایبری نیز به عنوان متغیری تأثیرگذار وارد مدلها خواهد شد و تصویر کاملتری از ریسکهای پیشرو ارائه میدهد.
سومین گزاره، پایداری تعبیهشده در تمامی لایههای عملیاتی است. ناوبری و بهینهسازی مسیر مبتنی بر هوش مصنوعی با معیار تُن CO₂ اجتنابشده و انطباق با کنوانسیون مارپول سنجیده میشود و حتی در قراردادهای چارتر کشتیها به عنوان شاخصی کلیدی مورد اشاره قرار میگیرد. چهارم، ظهور محصولات دادهای استاندارد است که رویکرد S-100 بر سایر محصولات لجستیکی نیز اثر میگذارد، از جمله لایههای استاندارد دسترسپذیری اسکله و عملکرد پایانه. پنجم و آخر، گسترش حسگرهای خودکار و نیمهخودکار است که در آن پهپادهای دریایی پایدار و حسگرهای اسکلهای نقاط کور را پوشش داده و مدلهای نگهداشت پیشبینانه و امنیتی را در کریدورهای آبی و ساحلی تغذیه میکنند.
با این حال، مسیر پیادهسازی خطلوله کلانداده در صنعت دریایی بیچالش نیست. یکپارچهسازی دادهها که اغلب در سیلوهای جداگانه محصور شدهاند و از منابع متنوع و عمدتاً غیرساختاریافته سرچشمه میگیرند، نیازمند تلاشی قابلتوجه و رویکردی سیستماتیک است. تضمین کیفیت دادهها نیز برای تحلیل قابلاعتماد، حیاتی و در عین حال دشوار است. کمبود نیروی متخصص با مهارتهای تخصصی مدیریت و تحلیل کلانداده در این صنعت، چالش دیگری است که بسیاری از سازمانها با آن دستوپنجه نرم میکنند. ریسکهای امنیت سایبری با وابستگی فزاینده به سامانههای دیجیتال، تهدیدات جدیدی را پدید میآورند که مستلزم تدابیر حفاظتی قوی و بهروز است. در نهایت، هزینههای بالای پیادهسازی سامانههای پیشرفته هوش مصنوعی و کلانداده، سرمایهگذاری قابلتوجهی در زیرساخت، نرمافزار و آموزش را طلب میکند که برای بسیاری از فعالان صنعت، مانعی جدی محسوب میشود.
در سال ۲۰۱۵، تردیدهای جدی درباره ارزش یا ریسک کلانداده در صنعت دریایی وجود داشت و در همان زمان نیز شواهدی از صرفهجوییهای عملیاتی مبتنی بر داده منتشر میشد. اما امروز پاسخ روشن است: برندگان میدان، تیمهایی هستند که داده را بهصورت سرتاسری مهندسی میکنند، پیشبینی را با تصمیم همراستا میسازند و انسان را در مرکز چرخه نگه میدارند. صنعت حملونقل دریایی به نقشههای حرارتی بیشتر و ویترینهای فریبنده نیازی ندارد؛ به پیشآگاهی قابلاتکا نیاز دارد؛ پیشآگاهیای که دموراژ را پیشگیری کند، خسارت را کاهش دهد، از خدمه حفاظت کند و برنامهها را در جهانی پرنوسان و غیرقابلپیشبینی پایدار نگه دارد. این، وعده و دستاورد کلاندادهای است که بهدرستی اجرا شود؛ عصای جادویی که صنعت دریایی را از دوران قایقرانی در مه غلیظ به عصر ناوبری در آبهای شفاف پیشآگاهی هدایت میکند.
گروه ترانزیت - محمد جواد مهتابی - روزی روزگاری، «میدان دید» در صنعت حملونقل دریایی به این معنا بود که اپراتورها بدانند یک کشتی آخرین بار چه زمانی سیگنال خود را از طریق سامانه AIS ارسال کرده و تقریباً چه زمانی به مقصد بعدی خواهد رسید. این نگاه سطحی و تکبعدی، اگرچه در جای خود کارگشا بود، اما هرگز نمیتوانست پاسخگوی پیچیدگیهای روزافزون زنجیره تأمین جهانی باشد. امروز اما قواعد بازی به کلی دگرگون شده است. مأموریتی تازه در پیش روی فعالان این عرصه قرار دارد: مهندسی دقیق و هدفمند دادههای خام و پراکنده دریایی و تبدیل آنها به هوشی عملیاتی که نه تنها پیش از وقوع هزینهها و ریسکها، آنها را مهار میکند، بلکه افقهای ناشناختهای از صرفهجویی و کارآمدی را نیز فراوری میسازد.
تصور کنید انبوهی از دادههای ناهمگون شامل تلماتیک (Telematics) کشتی، سیگنالهای AIS، پیشبینیهای هواشناسی، سوابق ورود و خروج بنادر، حسگرهای مستقر در پایانهها، سامانههای ثبت الکترونیکی کامیونها، برآورد زمان رسید قطارها و حتی سیگنالهای هشداردهنده سایبری، همگی در کنار یکدیگر قرار میگیرند. اگر این دادهها به درستی مهندسی و پردازش شوند، آنگاه است که ایمنی، قابلیت اتکای برنامههای زمانی و کاهش انتشار آلایندهها به طور همزمان در مسیر بهبود گام برمیدارند و دستیابی به صرفهجوییهای چشمگیر، دیگر رؤیا و آرزو نخواهد بود.
با این همه، پشته فناوری دریایی به طور ذاتی با پیچیدگیهای فراوانی دستوپنجه نرم میکند؛ سامانههای قدیمی و فرسوده روی شناورها، اتصالهای ناپایدار و مقطعی، استانداردهای ناهماهنگ و پلتفرمهای بندری که به ندرت زبان مشترکی با یکدیگر دارند، همگی حکایت از فضایی دارند که تغییر در آن دشوار اما ضروری است. در این میان، سه اقدام راهبردی، پیشروان این عرصه را از عقبماندگان به روشنی متمایز میسازد و خط سیر تحول را ترسیم میکند.
نخستین و شاید بنیادیترین اقدام، پذیرش مدلسازی دادهها بر پایه همکنشپذیری است. در این رویکرد، به جای آنکه صرفاً به سفر دریایی و جابهجایی فیزیکی کشتیها بیندیشیم، به مدلهای دادهای روی میآوریم که امکان ترکیب یکپارچه منابع ناهمگون را فراهم میکنند. نمونه درخشان این فلسفه، «مدل جهانی دادههای هیدروگرافیS-100» است که اکنون توسط دفاتر هیدروگرافی و ارائهدهندگان خدمات ناوبری به کار گرفته میشود. در این چارچوب، شِمای استاندارد، همجوشی دادههای متنوع را ممکن میسازد و زمینهساز تحلیلی عمیقتر و جامعتر میشود. همین نگاه باید به دادههای لجستیکی، تلماتیکی و عملیاتی نیز تسری یابد تا از پراکندگی و چندگانگی بیحاصل رهایی یابیم و به زبانی واحد در سراسر زنجیره تأمین دریایی دست پیدا کنیم.
دومین اقدام کلیدی، مهندسی ویژگی است؛ فرایندی که طی آن جریانهای خام داده به متغیرهای پیشبینیکننده و ارزشمند تبدیل میشوند. این رویکرد به مراتب اثربخشتر از تولید نقشههای زیباتر و ویترینهای فریبنده است. برای نمونه، از مسیرهای ثبتشده در AIS میتوان شاخصهایی چون «بیثباتی در تقرب به اسکله»، «زمان سرگردانی در لنگرگاه» یا «سرعت انحراف از زمان تخمینی رسید» را استخراج کرد. از دادههای هواشناسی نیز میتوان «کاهش محتمل سرعت کشتی» و «ریسک مواجهه با آب سبز» را برآورد نمود. همچنین با بهرهگیری از دادههای ورودی بنادر، امکان محاسبه «شاخص تزاحم اسکله» فراهم میشود. این متغیرهای مهندسیشده، به عنوان خوراک اصلی مدلهای پیشبینیکننده عمل میکنند که ازدحام، حاشیه ایمنی یا مصرف سوخت را با دقتی بیسابقه برآورد میکنند و چراغ راهی برای تصمیمگیریهای آیندهنگر فراهم میآورند.
سومین و شاید تعیینکنندهترین اقدام، بستن حلقه از پیشبینی تا اجراست. در این مرحله، بینشهای تحلیلی از قفسه کتابخانهها و گزارشهای فنی خارج شده و به اقدام عینی و ملموس بدل میشوند: اصلاح طرح مسیر، رزرو بهموقع یدککش، تغییر اسکله پیشبینیشده، ارسال هشدار به خدمه یا اولویتبندی مجدد محمولهها. سامانههای پیشرفته، خروجی مدلها را مستقیماً به سامانه مدیریت حملونقل، سامانه جامعه بندری، خدمات ترافیک دریایی یا ابزار پشتیبان تصمیم فرمانده متصل میکنند تا فاصله بین تشخیص و عمل به کمترین میزان ممکن برسد و تصمیمگیری در لحظه، بر پایه دادههای بهروز و دقیق صورت پذیرد.
در حوزه پیشبینی ازدحام، گروههای دانشگاهی و صنعتی روشهایی نوین برای پیشبینی ازدحام بنادر بر پایه مسیر حرکت شناورها و ویژگیهای چندمقیاسی AIS منتشر کردهاند. این مدلها فراتر از تصویر مقطعی و ایستای «کشتیهای در لنگرگاه» حرکت میکنند و شاخصهای پیشنگر چندروزه ارائه میدهند تا اپراتورها بتوانند ترتیب ورود به بندر را بازتنظیم یا سرویسها را جابهجا کنند و یکپارچگی برنامه زمانی را در برابر تلاطمهای پیشبینینشده حفظ نمایند. این رویکرد، نه تنها هزینههای دموراژ را به شدت کاهش میدهد، بلکه بهرهوری کل زنجیره تأمین را نیز افزایش میدهد.
نکته شاید کمتر شناختهشده اما به همان اندازه حیاتی، تابآوری سایبری به عنوان متغیری نوین در معادلات لجستیکی است. با دیجیتالیشدن روزافزون بنادر، ریسک سایبری از یک دغدغه صرفاً فناورانه به ریسکی عملیاتی و زمانی تبدیل شده است. «مرکز تابآوری سایبری» در بندر لس آنجلس که با همکاری شرکای صنعتی ایجاد شده، نشان میدهد چگونه اشتراکگذاری تلماتیک و اطلاعات تهدید میتواند آسیبپذیری سیستماتیک را کاهش دهد. این بندر تنها در سال ۲۰۲۳ از صدها میلیون تلاش نفوذ جلوگیری کرده است؛ خود نشانهای آشکار از اینکه امنیت سایبری به شاخص کلیدی عملکرد عملیاتی تبدیل شده است و صرفاً دغدغه دپارتمان فناوری اطلاعات نیست. خطوط دادهای که تلماتیک عملیاتی و فناوری اطلاعات را تلفیق میکنند، امکان کشف زودهنگام و مهار سریعتر تهدیدها را فراهم کرده و از سامانههای اسکله، دروازهها و جریان اسناد محافظت مینمایند.
منابع و نشریات تخصصی حوزه دریایی نیز به روشنی گذار صنعت به پایش دیجیتال فنی، نگهداشت پیشبینانه و بهینهسازی سفر را به عنوان ابزارهای جریان اصلی با بازگشت سرمایه ملموس مستند کردهاند. نقطه مشترک همه این تحولات، اتکا به جریانهای داده مهندسیشده و سامانههای پشتیبان تصمیمگیری روی شناور است که دسترسپذیری و ایمنی را افزایش داده و همزمان پاسخگوی الزامات زیستمحیطی سختگیرانهتر هستند. این تحول، نه یک انتخاب بلکه ضرورتی اجتنابناپذیر برای بقا در فضای رقابتی امروز است.
نگاه به مسیر پیشرو، پنج گزاره محتمل را پیش روی فعالان صنعت قرار میدهد که هر یک افقهای تازهای را فراوری میسازند. نخست، گذار از «قابلیت مشاهده» صرف به «پیشآگاهی» واقعی است؛ پیشبینی ازدحام از مرحله پژوهش به عملیات روزمره منتقل خواهد شد و مشوقهای شرکتهای کشتیرانی و بنادر برای بازچینش زودهنگام همراستا میشود. دوم، ورود تلماتیک سایبری به معادله زمان تخمینی رسید است؛ همانگونه که هواشناسی در پیشبینی لحاظ میشود، وضعیت امنیت سایبری نیز به عنوان متغیری تأثیرگذار وارد مدلها خواهد شد و تصویر کاملتری از ریسکهای پیشرو ارائه میدهد.
سومین گزاره، پایداری تعبیهشده در تمامی لایههای عملیاتی است. ناوبری و بهینهسازی مسیر مبتنی بر هوش مصنوعی با معیار تُن CO₂ اجتنابشده و انطباق با کنوانسیون مارپول سنجیده میشود و حتی در قراردادهای چارتر کشتیها به عنوان شاخصی کلیدی مورد اشاره قرار میگیرد. چهارم، ظهور محصولات دادهای استاندارد است که رویکرد S-100 بر سایر محصولات لجستیکی نیز اثر میگذارد، از جمله لایههای استاندارد دسترسپذیری اسکله و عملکرد پایانه. پنجم و آخر، گسترش حسگرهای خودکار و نیمهخودکار است که در آن پهپادهای دریایی پایدار و حسگرهای اسکلهای نقاط کور را پوشش داده و مدلهای نگهداشت پیشبینانه و امنیتی را در کریدورهای آبی و ساحلی تغذیه میکنند.
با این حال، مسیر پیادهسازی خطلوله کلانداده در صنعت دریایی بیچالش نیست. یکپارچهسازی دادهها که اغلب در سیلوهای جداگانه محصور شدهاند و از منابع متنوع و عمدتاً غیرساختاریافته سرچشمه میگیرند، نیازمند تلاشی قابلتوجه و رویکردی سیستماتیک است. تضمین کیفیت دادهها نیز برای تحلیل قابلاعتماد، حیاتی و در عین حال دشوار است. کمبود نیروی متخصص با مهارتهای تخصصی مدیریت و تحلیل کلانداده در این صنعت، چالش دیگری است که بسیاری از سازمانها با آن دستوپنجه نرم میکنند. ریسکهای امنیت سایبری با وابستگی فزاینده به سامانههای دیجیتال، تهدیدات جدیدی را پدید میآورند که مستلزم تدابیر حفاظتی قوی و بهروز است. در نهایت، هزینههای بالای پیادهسازی سامانههای پیشرفته هوش مصنوعی و کلانداده، سرمایهگذاری قابلتوجهی در زیرساخت، نرمافزار و آموزش را طلب میکند که برای بسیاری از فعالان صنعت، مانعی جدی محسوب میشود.
در سال ۲۰۱۵، تردیدهای جدی درباره ارزش یا ریسک کلانداده در صنعت دریایی وجود داشت و در همان زمان نیز شواهدی از صرفهجوییهای عملیاتی مبتنی بر داده منتشر میشد. اما امروز پاسخ روشن است: برندگان میدان، تیمهایی هستند که داده را بهصورت سرتاسری مهندسی میکنند، پیشبینی را با تصمیم همراستا میسازند و انسان را در مرکز چرخه نگه میدارند. صنعت حملونقل دریایی به نقشههای حرارتی بیشتر و ویترینهای فریبنده نیازی ندارد؛ به پیشآگاهی قابلاتکا نیاز دارد؛ پیشآگاهیای که دموراژ را پیشگیری کند، خسارت را کاهش دهد، از خدمه حفاظت کند و برنامهها را در جهانی پرنوسان و غیرقابلپیشبینی پایدار نگه دارد. این، وعده و دستاورد کلاندادهای است که بهدرستی اجرا شود؛ عصای جادویی که صنعت دریایی را از دوران قایقرانی در مه غلیظ به عصر ناوبری در آبهای شفاف پیشآگاهی هدایت میکند.