Olika energieffektivitetsåtgärder (EEM) har använts på sjöfartsmarknaden, men deras potential att minska bränsleförbrukningen och luftutsläppen är inte fullt erkänd, delvis på grund av osäkra fartygsprestandamodeller som används i dessa EEMs. Projektrapporten undersöker genomförbarheten av att skicka EEMs som kan förbättras genom att implementera dataanalys och AI genom demonstration av deras integration i IMO:s Just-In-Time (JIT) ankomstvägledning. Vilken Big data-analys kan hjälpa till att förbättra och främja EEM inom sjöfarten genom, 1) förbättra fartygsprestandamodeller i dessa EEMs, 2) utveckla intelligent beslutsstöd för enskilda fartyg, 3) korrekt utvärdering av bränsle- och miljöfördelar med dessa åtgärder, etc?
Denna rapport undersöker också olika intressenters krav och vilja att använda dataanalys för dessa EEM ur sjöfolks perspektiv för att hitta hinder/krav för implementeringen av dessa EEMs. Ur ett socialt perspektiv, genom att studera förmågan, viljan och hindren för att använda AI för att hjälpa fartygsoperationer, letar detta projekt efter AI-integrerade lösningar för att underlätta implementering och utnyttjande av EEM utan att införa extra arbetsbelastning/bördor för sjöfolk och hjälpa beslut - Att göra processer för att minska trycket för fartygsbefälhavare ombord.
Rapporten har författats av:
Wengang Mao, Chalmers
Simon Larsson, Göteborgs universitet
I samarbete med
Hannes von Knorring, DNV
Linus Ideskog, Yara Marine
