Det maritima teknikföretaget Yara Marine Technologies, Artificiell Intelligens (AI) applikationsutvecklare Molflow och Chalmers tekniska högskola och samhällsvetenskapliga specialister från Högskolan i Halmstad och Göteborgs universitet har samarbetat under 3 år för att utveckla och testa ett AI-baserat semi-autonomt reseplaneringssystem . Via Kaizen-projektet inleddes i augusti 2020 och utforskar hur AI och maskininlärning kan möjliggöra en mer energieffektiv reseplanering för fartygsoperatörer.
Projektet, finansierat av Trafikverket, utnyttjade redan existerande verktyg, för att möjliggöra en högre grad av digitalisering och automatisering i fartygsverksamheten. Dessa inkluderade Yara Marines framdrivningsoptimeringssystem FuelOpt och prestandahantering och fartygsdatarapporteringsverktyg Fleet Analytics, samt Molflows fartygsmodelleringssystem Slipstream. Befintliga arbetsmetoder ombord och användarbehov analyserades under designprocessen för att säkerställa att tekniken underlättade processer och beslut med störst inverkan på energieffektiviteten.
Det resulterande systemet testades ombord på två fartyg, ett PCTC-bilfartyg som drivs av UECC och ett Rederiet Stenersen produkttankfartyg. De omfattande resultaten indikerade framgångsrik energieffektivitetsoptimering baserad på beräknad ankomsttid (ETA), med ett av de två provfartygen som valde att fortsätta använda systemet.
Mikael Laurin, chef för fartygsoptimering på Yara Marine Technologies:
– Via Kaizen-projektet talar direkt till var sjöfarten befinner sig för tillfället – där skärningspunkterna mellan digitalisering, avkarbonisering och bemanning avgör vår framgång i att hantera klimatförändringar. Användningen av AI och maskininlärning för att planera och förutsäga energieffektiva resor har betydelse för en bransch som vill sänka utsläppen samtidigt som de hanterar stigande bränslekostnader. På samma sätt kan ny teknik effektivisera verksamheten men kräver samarbete och inköp från intressenter över hela linjen, vilket kräver besättningens bekantskap och utbildning, proaktiv design och nya företagsstrategier. Som ett resultat har insikterna och informationen från projektet en bredare betydelse för vår industris framtid.
Via Kaizen-projektet visade att inkorporering av maskininlärningsalgoritmer för förbättrad prediktiv modellering av fartygsframdrivningskraft kan resultera i mer exakt prestandaprognoser och optimering. Det visade också på nödvändigheten av ett konstruktivt samarbete mellan teknikutvecklare och användare, såväl som mellan fartygsoperatörer och deras kunder.
Joakim Möller, VD på Moflow:
– Via Kaizen-projektet erbjöd en ovärderlig möjlighet att utforska och främja industrins förståelse för vilken roll big data, datahantering och modellutveckling kan spela för att stödja strategier för lägre utsläpp och maximerad bränsleeffektivitet. Nya framsteg inom spårning och analys av fartygsdata, väderinformation och mer kan användas för att bedöma var verksamheten har potential att effektiviseras. Eftersom sjöfartsindustrin strävar efter att använda bra data för att informera beslutsfattande, kan AI och maskininlärning spela en nyckelroll för att bearbeta och förenkla tillgänglig data för tydliga, handlingsbara resultat.
Under hela försöken spelade besättningen en nyckelroll i att bestämma framgången för energieffektiva resor. Detta visar på nödvändigheten att ge fartygsbesättningar och ledning alla möjligheter att engagera sig i, förstå och omfamna värdet av AI-driven fartygsdriftsstödteknik för att hjälpa dagliga operationer ombord och i land.
Martin Viktorelius vid Högskolan i Halmstad:
– Maritimes förmåga att framgångsrikt göra koldioxidutsläpp är beroende av dess högkvalificerade arbetskraft och kräver att vi investerar i att skapa stöd för sjöfolk för digitalisering och avkarbonisering. Rena tekniker måste prioritera intuitiva, användarvänliga gränssnitt och förstå befintliga operationer för att maximera besättningens stöd och utnyttjande av AI-drivna lösningar. Via Kaizen-projektet samarbetade med besättningen för att utforska och fastställa nyckelparametrar som besättningen indikerade hindrade deras stöd för reseeffektivitet.
Simon Larsson från Göteborgs universitet:
– Via Kaizen-projektet dokumenterade potentiella utmaningar för att implementera energieffektiva resor – särskilt effekten av besättningsutbildning och företagsprocesser som antingen underlättade eller hindrade effektiv användning av AI-verktyg för att förbättra effektiviteten. Dessa resultat är inte specifika för projektet och har bredare konsekvenser för en industri som söker avancerade lösningar för att snabbt minska utsläppen. Även om utbildning av besättningen kommer att ge en välbehövlig bro för att bygga förståelse och påskynda stöd för AI-drivna reseeffektivitetslösningar bland sjöfolk, är det lika viktigt att vi säkerställer effektiva kommunikationskanaler med ledning och företagsprocesser.
Efter avslutat projekt har ytterligare finansiering säkrats från den svenska innovationsmyndigheten Vinnova för att ytterligare utforska ett urval av dess resultat.
