Ett Just in time-system där fartyg förlitar sig på AI-baserat beslutsstöd skulle spara stora mängder bränsle. Men hur villiga är egentligen befälhavare, rederier, lastägare och andra intressenter av att sänka farten eller ändra rutten om så behövs? Frågan har undersökts i en förstudie från Lighthouse och Trafikverket.

Även om FN-organisationen International Maritime Organization ställer allt hårdare krav på världsflottan att öka sin energieffektivitet finns det fortfarande mycket utrymme för förbättringar för att minska utsläppen inom den kommersiell sjöfarten. I förstudieprojektet Increase shipping efficiency using ship data analytics and AI to assist ship operations, som gjorts inom ramen för Trafikverkets branschprogram Hållbar sjöfart som Lighthouse driver, har forskarna Wengang Mao och Simon Larsson undersökt hur bränsleförbrukning och luftutsläpp kan minskas genom digitalisering och AI. De gör det utifrån två aspekter – en teknisk kring hur dataanalys och AI kan integreras i Just in time-system, och en social som tittar på närmare på hur villig man är att använda dataanalys och beslutsstöd inom sjöfarten.

När det gäller den tekniska delen visar rapporten att big data-analys och AI kan bidra till att kraftigt minska bränsleförbrukningen och koldioxidutsläppen.

– I Göteborgs hamn är fartygens väntetid 5 timmar i genomsnitt och i stora hamnar i USA eller Kina kan man få vänta i dagar. Det innebär att det finns en stor potential för bränslebesparing. I ett Just in time-system där den förväntade anlöpstiden är känd för ett fartyg 24 timmar före anlöp kan mer än 10 procents bränslebesparing göras, säger Wengang Mao, forskare på Chalmers.

­– Med gott om tid på dig kan du förstås slå av på takten och spara bränsle. Men det är inte enda fördelen. Om du har en storm framför dig kan du antingen vänta ut den eller kanske köra en mer bränsleeffektiv rutt runt den.

Enligt rapporten skulle kommunikation i sig skulle kunna listas som energieffektivitetsåtgärd. Begreppet kommunikation syftar här dock inte bara på korrespondens och utbyte av information som syftar till gemensam förståelse mellan olika sjöfartsaktörer. Det kan också kan också tjäna som ett systematiskt sätt att samla in, distribuera och reflektera all möjlig fartygsdriftsrelaterad information (krav, begränsningar, mål, planering, tillgängliga källor och navigeringsförhållanden, etc.) som syftar till att nå en gemensam förståelse och kontinuerlig uppdatering av driftsmål för bränslebesparing och utsläppsminskning.

Olika fartyg har förstås helt olika förutsättningar för att energieffektivisera och för ta reda på vad som är lämpligt för ett specifikt rederi/fartyg är det nödvändigt att identifiera dess tekniska detaljer, vilken rutt de trafikerar, samt inte minst, viljan att anpassa sig.

– Befälhavare tycker olika. En del vill väldigt gärna testa ett sådant här system medan andra är mer tveksamma. Många har också strikta tidsramar att förhålla sig till där några få procents bränslebesparing inte upplevs tillräckligt för testa ett nytt digitalt verktyg som ska ge dig rekommendationer. För att övertyga de som är tveksamma måste vi inte bara bevisa att det här fungerar, vi måste också utveckla system som är enkla att förstå och använda, säger Wengang Mao.

Rapporten Increase shipping efficiency using ship data analytics and AI to assist ship operations har författats av:
Wengang Mao, Chalmers 
Simon Larsson, Göteborgs universitet

I samarbete med
Hannes von Knorring, DNV
Linus Ideskog, Yara Marine