Reading time: 2.2 minutes

Written by Swati Thapar

每年都有数百个海运集装箱在海上丢失，留下的不仅仅是丢失的货物。找回的情况非常罕见，这意味着一个丢失集装箱的环境足迹将持续数十年。

集装箱丢失会造成严重的商业损失。海运公司面临政府罚款、保险费用、港口拥堵和航线中断。制造商和托运人面临交货期延长、库存短缺和品牌信任受损，而客户则要面对缺货和价格上涨。

极端天气和大风大浪以及装载作业中的自满情绪是集装箱在海上丢失的原因。许多集装箱在堆场或港口闲置、被遗弃，或因人为和技术故障而失踪。集装箱跟踪设备与业务系统集成不佳、集装箱跟踪数据的实时可视性有限以及重量申报不准确，都会造成代价高昂的事故。

集装箱跟踪器无法提供真正的端到端可视性，因为设备在密集的港口和船上会失去连接，造成装运数据的盲点。同时，跟踪数据在承运商、码头、内陆合作伙伴和传统 IT 系统之间是分散的，格式（和代码）不一致，更新也不及时，因此很难建立一个连贯、实时的集装箱运输视图。

集装箱丢失的经济后果很快就会产生。美国主要港口的滞期费通常在每个集装箱每天 150 美元到 300 美元之间。如果设备在码头外停留的时间超过约定期限，滞留费又会增加一层成本。人工处理异常情况的人工成本以及在系统中不断 “追逐 “集装箱的需要，都会在资产负债表中显示出来。

当装运数据、码头事件和合作伙伴更新统一时，利益相关方可以及早发现异常并更快地协调行动，从而大大减少导致事故、损失或潜在天价滞留费的操作失误和沟通不畅。

为了防止集装箱真正失踪，整个行业必须从零散、延迟的数据转变为可互操作的通信和实时可见性。

新兴的人工智能工具可以通过优化积载计划和监控条件，在发生错位、不稳定和堆垛故障之前加以预防，从而降低装载效率。目前，机器学习模型和传感器集成监控系统已被用于实时分析集装箱的排列和状态，从而提供运营弹性。

但是，人工智能系统的成功取决于数据和互操作性的基础。

实时可见性、可互操作的系统和共享数据标准将零散的信号转化为可操作的洞察力。当利益相关者从单一的真相来源进行操作时，就能在风险升级之前发现并降低风险。容器缺失是运营脱节的表现。解决方案在于区块链支持的可互操作供应链生态系统。