National Transport Library Research Database

AI-förbättrade energieffektivitetsåtgärder för optimal fartygsverksamhet för att minska växthusgasutsläppen (AI-enhanced energy efficiency measures for optimal ship operations to reduce GHG emissions)

  • Manta Marine Technologies AB, Svenskt företag eller organisation, 556860-1321
Sponsors, duration, budget: Vinnova ; 2021-10-01 -- 2024-11-30 ; 6 282 300 kronorRegistration number:
  • Vinnova 2021-02768
Subject(s): Online resources: Abstract: Fartygsrelaterade åtgärder för energieffektivitet (EEMs) kan hjälpa till att nå IMO 2030-utsläppsmålen. Men i dag har deras fördelar inte förverkligats fullt ut. Genom den digitala transformationen inom sjöfarten samlas stora mängder fartygsdata in, vilket möjliggör aktivering av AI-drivna lösningar för att ytterligare förbättra fartygets prestanda. Vårt syfte är att stödja sjöfartsindustrin för att uppnå grönare fartygsverksamhet. Vårt mål är att utveckla en operativ supportlösning som förstärks av AI för att ta hänsyn till EEM för ökad energieffektivitet. Detta projekt syftar till cirka 20% utsläppsminskning genom att implementera AI-förbättrade EEM. Resultaten kommer att verifieras genom omfattande pilottester i verkliga sjöfartsmiljöer. Denna test kommer att involvera projektpartners, rederier och DNV som kommer att kontrollera effektiviteten hos AI-EEM och vår verifieringsprocess. Den slutliga produkten kommer att erbjudas rederier över hela världen, vilket gynnar dem både ekonomiskt och miljömässigt. Detta projekt kommer att bidra till att minska sjöfartens kolintensitet i enlighet med IMO 2030 och 2050 utsläppsmål. Detta projekt kommer att ha fyra steg: (1) konstruera vågkorrelationsmodeller via maskininlärningsmodeller, (2) utveckla hybrid kvasi-statiska fartygsenergimodeller för att uppskatta ett fartygs utsläpp vid stationära havsförhållanden (3) utveckla dynamiska modeller baserade på AI-teknik för att förutsäga dynamisk energiprestanda som kommer att implementeras ombord på EEM, för att underlätta optimal planering och beslutsfattande; (4) testa AI-drivna EEMS ombord för att verifiera utsläppsminskningsnivåer och kommersialisering. Abstract: Ship operation-related energy efficiency measures (EEMs) can help reach the IMO 2030 emission goals. However, today, their benefits have not been fully realized. Through the digital transformation in shipping, vast amounts of vessel data are being collected, enabling activation of AI-powered solutions to further improve vessel performance. Our purpose is to support the shipping industry to achieve greener ship operations. Our goal is to develop an operational support solution strengthened by AI on taking EEMs into account for enhanced energy efficiency. This project aims at about 20% emissions reduction by implementing AI-enhanced EEMs. Its results will be verified through extensive pilot testing in real shipping environments. This testing will involve project partners, shipping companies, and DNV that will check the effectiveness of the AI-EEMs and our verification process. The final product will be offered to shipping companies worldwide, benefiting them both economically and environmentally. This project will contribute to reducing shipping carbon intensity as aimed in the IMO 2030 and 2050 emission targets. This project will have four steps: (1) design wave correlation models via machine learning models, (2) develop hybrid quasi-static ship energy models to estimate a ship´s emissions at stationary sea conditions (3) develop dynamic models based on AI technology to predict dynamic energy performance which will be implemented on board the EEM, to facilitate optimal planning and decision-making; (4) test AI-powered EEMS on board to verify emission reduction levels and commercialization.
Item type: