Maskininlärning ska optimera lasthanteringen på olje- och kemikalietankfartyg.
Med hjälp av AI och maskininlärning kan lasthanteringen på olje- och kemikalietankfartyg bli både säkrare, effektivare och mer miljövänlig — det visar resultaten från ett svenskt forskningsprojektet kallat ACHT 2.0.
Bakgrunden till projektet är att dagens lastoperationer på tankfartyg är både komplexa och riskfyllda. Farligt gods ska hanteras parallellt med ballast- och inertgassystem, samtidigt som fartygets stabilitet aldrig får äventyras.
En utmaning är då att dessa separata system inte kommunicerar med varandra, vilket gör att bryggbefälen får rollen som manuella mellanled. Detta blir till en flaskhals som skapar ineffektivitet och samtidigt ökar risken för misstag.
I ACHT 2.0 har en prototyp utvecklats där AI och maskininlärning används för lastplanering.
– Vi samlade in data från ett stort antal resor som Terntanks fartyg genomfört. Därefter utvecklade Kockumation och Combine ett planeringsverktyg. Det kan generera förslag på lastplanering även för resor med flera stopp, kommenterar Fredrik von Elern på Rise, som lett forskningsprojektet.
Den största utmaningen är enligt Fredrik von Elern att att utveckla ett autopilotsystem som självständigt kan hantera lastning och lossning.
– Problemet var att vi saknade tillgång till den realtidsdata som krävs. Nu har vi dock fått löfte om stöd från en systemleverantör som kan tillhandahålla data. Därmed vill vi ta projektet vidare i ACHT 3.0, förutsatt att vi hittar finansiering.
Projektet ACHT 2.0 är finansierat av Trafikverket och leds av Rise.
