AI-förbättrade energieffektivitetsåtgärder för optimal fartygsverksamhet för att minska växthusgasutsläppen

Viktiga resultat som projektet gav

Projektet visade stor potential för bränslebesparing med maskininlärningsbaserad modellering och simulering av fartygsresor. För Manta Marine lade det grunden för investeringar i datadrivna verktyg för att förbättra företagets produkter inom området bränslebesparing och minskning av utsläpp inom sjöfarten. För Molflow möjliggjorde det utvärdering av datateknologier, vilket breddade möjligheterna inom andra branscher och ökad intäktspotential.

Långsiktiga effekter som förväntas

Resultat ur projektet har lagt en grund för tekniska lösningar som bidrar med bränslebesparing och reducerade utsläpp av växthusgaser inom sjöfarten. Projektet har gett möjligheten att få direkt återkoppling från användare av systemet vilket långsiktigt skapar större förståelse för kundernas krav, kundernas olika interna processer och därmed stor förbättringspotential att möta kundernas framtida krav med förbättrade befintliga system och nya produkter.

Upplägg och genomförande

Projektet byggde på bi-veckomöten för att diskutera progression och lösa problem. Vid behov hölls workshops för specifika områden, vilket snabbade upp kunskapsspridning och problemlösning. Inom Chalmers delades projektet in i faser: Planeringsfasen hade veckomöten för idéer och preliminära resultat, implementeringsfasen hade bi-veckomöten för status och framsteg, och avslutades med en publiceringsfas där resultaten presenterades vetenskapligt.