Hur realiserar man den mest energieffektiva fartygsresan i praktiken?
Forskningsprojekt , 2020 – 2022

Den pågående digitaliseringen i samhället håller på att förändra villkoren för organiseringen av sjöfarten. Särskilt stor potential verkar finnas för ökad energieffektivisering, då brist på information är en återkommande utpekad barriär. På ett rederi kan den ökade mängden data och information innebära en rad möjligheter inom området men också flera svårigheter. Människor har en begränsad förmåga att se mönster i stora datamängder och väga flertalet faktorer mot varandra. Istället tenderar organisationer och människor att välja det som anses vara tillräckligt bra snarare än det optimala. Tidigare forskning har visat att stora informationsmängder inte automatiskt leder till energioptimering då tolkning och förståelse av denna data ställer stora krav på landorganisationen och fartygsbesättningar.

 

Artificiell intelligens (AI) och maskininlärning har stora möjligheter att revolutionera beslutsfattande och planering inom sjöfarten, genom att ta över hanteringen av de stora informationsmängderna. Genom att träna neurala nätverk (AI) med stora datamängder rörande de faktorer som påverkar energieffektiviteten för ett givet fartyg kan optimala driftlägen sedan identifieras i realtid. Den här typen av hjälpmedel utvecklas och säljs idag av ett flertal kommersiella aktörer. Även forskning finns på området. Sådana hjälpmedel skulle vara av stor betydelse både för planering på rederikontor iland och beslutsfattande ombord på fartyg. Det här projektet bidrar kraftigt till att flytta fram teknisk state-of-the-art inom området, både jämfört med forskning och system som säljs av kommersiella aktörer (se avsnittet Bakgrund). Detta tack vare en tvärvetenskaplig ansats där forskare med bakgrund i skeppsbyggnad såväl som matematik och statistik samarbetar med systemutvecklare i industrin och med användare i form av rederier.

Projektet har också en integrerad samhällsvetenskaplig del. Det här är viktigt då ny teknik inte garanterar att förbättringar sker i praktiken – med mindre än att metoderna för teknisk utveckling ger produkter som är väl anpassade till befintliga arbetssätt, krav och förutsättningar. Digitaliseringens och maskininlärningens användningsområden måste stå i samklang med de behov och förutsättningar som rederier har för att kunna bidra till nya optimerade arbetssätt och rutiner. Det saknas forskning om hur AI kan användas och implementeras i existerande rutiner och arbetssätt på ett meningsfullt sätt för att beslutsfattare iland och ombord på fartyg ska kunna dra relevanta och korrekta slutsatser. Hur ska ett sådant system vara utformat för att fartygsbefäl eller beslutsfattare i land ska känna tillit till en ökade grad av automatisering? För att besvara den frågan är det viktigt att förstå hur rederier arbetar i planeringen och utförandet av dagliga operationer. Detta är nödvändigt för att kunna ta fram teknik som verkligen blir till stöd för optimeringen. Ny kunskap kring faktiska behov och konkreta användningsområden för digitalisering och AI är därför en avgörande komponent vid framtagning av ny teknik med syfte att optimera planeringen och utförandet av sjöfartsoperationer.

Projektet innefattar framtagning, implementering och utvärdering (kvalitativa och kvantitativa effekter) av ett AI-baserat semi-autonomt planerings- och styrsystem för ökad energieffektivitet i fartygsoperation, där teknisk och samhällsvetenskaplig forskning är integrerad. Projektet kretsar kring tre fallstudier där tre olika rederier idag redan implementerat ett styrsystem ombord, kallat FuelOpt, som förbättrat energieffektiviteten genom att reglertekniskt koordinera propeller-maskinsysteminteraktion. Systemet har fått snabb spridning då stor potential för energieffektivisering har kunnat påvisas, särskilt för fartyg med ställbara propellrar som går i ”slow steaming” – här har besparingar på upp till 25% kunnat ses. Lean Marine, utvecklaren av systemet, uppskattar baserad på insamlad data att tekniken hittills lett till årliga koldioxidminskningar om minst 160 000 ton (motsvarande 22% av koldioxidutsläppen från inrikes sjöfart). I projektet planeras interventioner på tre rederier där syftet är att befäl ombord och befraktningsavdelningen iland tillhandahålls ett nytt system för att planera och utföra resor energieffektivt. Genom analys av befintliga arbetssätt och användarbehov kan den nya tekniken utvecklas som stödjer de processer och beslut med störst inverkan på energieffektiviteten. På så sätt sluts kedjan för att den mest energieffektiva fartygsresan ska kunna utföras i praktiken.

Deltagare

Wengang Mao (kontakt)

Biträdande professor vid Chalmers, Mekanik och maritima vetenskaper, Marin teknik

Xiao Lang

Doktorand vid Chalmers, Mekanik och maritima vetenskaper, Marin teknik

Samarbetspartners

Göteborgs universitet

Gothenburg, Sweden

Lean Marine AB

Göteborg, Sweden

Möller Data Workflow Systems

Gråbo, Sweden

Svensk Rederiservice AB

Göteborg, Sweden

Finansiering

Trafikverket

Finansierar Chalmers deltagande under 2020–2022

Relaterade styrkeområden och infrastruktur

Informations- och kommunikationsteknik

Styrkeområden

Hållbar utveckling

Drivkrafter

Transport

Styrkeområden

Energi

Styrkeområden

Grundläggande vetenskaper

Fundament

Innovation och entreprenörskap

Drivkrafter

Mer information

Senast uppdaterat

2021-01-28