Mona sikrer skip med fysikk og maskinlæring

Mona Anderssen jobber i DNV Maritime. DNV, som står for Det Norske Veritas, jobber globalt med kvalitetssikring og risikovurdering innen alt fra energiproduksjon til mat og drikke. Bedriften ble imidlertid først startet for å lage objektive vurderinger og klassifiseringer av risikoen på skip. Dette er fortsatt DNVs kjernevirksomhet, og det Mona jobber med.

Når jeg drar inn til DNVs kontorer på Høvikodden i Bærum for å møte Mona, blir jeg møtt av en rad med praktfulle kirsebærtrær. Trærne var en gave til DNV fra det japanske verftet Oshima, og vitner om den internasjonale anerkjennelsen til selskapet. Lokalene ligger ved fjorden i en stor park som er åpen for alle, og det er på kontoret her jeg møter Mona.

– Jeg bor midt i bykjernen, og savner ofte å ha natur rundt meg. Å kunne komme ut hit for å jobbe, hjelper mye på det, sier Mona.

En typisk arbeidsdag for henne består av “standup” på starten av dagen – et stående morgenmøte – og mye jobbing i team.

– Det kan kanskje sammenliknes med et stort gruppearbeid, men der du jobber sammen med professorene dine. Vi deler mye kunnskap med hverandre og kan alltid spørre om hjelp, sier Mona.

– Jeg synes det meningsfullt å jobbe for å sikre skip på havet, for det er mange i familien min som har jobbet til sjøs.

– For tiden jobber jeg med klassifisering av risiko ombord på båter. Det er viktig for å gjøre en god vurdering av sikkerheten ombord, sier Mona. – Sa jeg «båt»? Jeg mente «skip»! Faren min, som er maskinsjef på havet, retter alltid på meg, og nå prøver jeg virkelig å lære det! Hun ler og forklarer videre.

– Før måtte man bruke lang tid på å undersøke hver enkelt farkost, men i dag har vi så mye data tilgjengelig at vi kan gjøre gode vurderinger basert på informasjon vi allerede har. Det kan man bruke maskinlæring til, og det er disse maskinlæringsmodellene jeg jobber med å lage. Det sparer tid og ressurser både for DNV og for skipene som skal klassifiseres, samtidig som det sikrer kvaliteten.

– Jeg synes det meningsfullt å jobbe for å sikre skip på havet, for det er mange i familien min som har jobbet til sjøs.

– Det internasjonale miljøet og muligheten til å jobbe andre steder i verden, er en veldig fin del av å jobbe i DNV, og egentlig ganske unikt.

Muligheter for å jobbe andre steder i verden
DNV har kontorer i over hundre land, og miljøet i selskapet er veldig internasjonalt.

– Du møter folk fra hele verden, som er eksperter på det de jobber med, sier Mona. Det er skikkelig kult.

Hvis et kontor i utlandet har bruk for kompetansen til Mona, kan hun også bytte by i kortere eller lengre perioder.

– Det internasjonale miljøet og muligheten til å jobbe andre steder i verden, er en veldig fin del av å jobbe i DNV, og egentlig ganske unikt. 

Studentopphold hos CERN
Mona fikk smaken på å jobbe i internasjonale miljøer allerede i studietida. I forbindelse med masteroppgaven sin reiste hun til Géneve og besøkte CERN, den europeiske forskningsorganisasjonen for kjernefysikk, for å se stedet der dataene hun skulle jobbe med kom fra. Der møtte hun studenter og vitenskapsfolk fra mange forskjellige land. På CERN kolliderer man partikler med høy energi. I kollisjonene dannes nye, og kanskje ukjente, partikler. I masteroppgaven sin undersøkte Mona teorier om hva universet er bygd opp av, og brukte eksperimenter som skulle vise hvilke partikler som finnes og hvordan de oppfører seg. En av teoriene hun undersøkte heter supersymmetri, og vil gi oss flere partikler til å beskrive universet. Dagens måte å analysere eksperimenter på, sliter med å skille disse ukjente partiklene fra de allerede kjente partiklene (standardmodellen). Dette gjelder spesielt hvis de ukjente partiklene har en masse nær en partikkel i standardmodellen. I masteroppgaven sin brukte Mona derfor maskinlæring som verktøy, for å kunne skille lettere mellom partiklene enn hva man klarer å gjøre på den tradisjonelle analysemetoden.

Ettertraktet kompetanse

– Da jeg skulle søke jobb, gjorde maskinlæringen meg veldig ettertraktet.

– Maskinlæring er en utrolig kraftig og spennende metode, sier Mona. –Det ble satt opp et kurs i det da jeg begynte på masteren min, og selv om jeg egentlig ikke hadde plass i timeplanen, var jeg så nysgjerrig at jeg meldte meg opp!

Mona vil råde studenter til å ta seg god tid til å finne ut hva de interesserer seg for, dersom de har tid og mulighet. Selv brukte hun fire år på å gjøre ferdig bachelorgraden sin, ett år mer enn det som er vanlig. Slik fikk hun prøvd ut flere forskjellige fag. Til slutt ble det partikkelfysikk hun gikk videre med.

– Jeg smeltet helt for det faget.

Men kurset i maskinlæring fikk hun også mye bruk for.

– Da jeg skulle søke jobb, gjorde maskinlæringen meg veldig ettertraktet.

Dette fikk Mona merke allerede i studietida, da hun på grunn av maskinlæringen fikk jobb på et forskningsprosjekt som handlet om avhørsteknikker hos politiet, ved siden av studiene.

Det har vært en del nytt å lære i overgangen fra studier til jobb, blant annet om næringslivet, og om bærekraft i selskapet. De grunnleggende verktøyene Mona bruker, har likevel vært de samme.

– Jeg lærer jo fortsatt nye ting hele tida. Men det er lettere å bygge opp kunnskapen når jeg bruker alt jeg lærer aktivt.

Når Mona er ferdig med prosjektet som hun jobber på nå, ser hun fram til nye, spennende prosjekter innen maskinlæring, som kan ta henne til nye deler av verden. Med bakgrunnen fra fysikkstudiene har Mona nyttig kunnskap å tilføre i hver havn.