250, 000 tons forsendelses CO2-emissioner sparet takket være maskinlæringsindsigt

Maritime ingeniører har trænet en energiforsendelsesapp til at spare over en kvart million tons CO2-udledning ved at anvende maskinlæring på sit forudsigende system.

Forskere fra University of Southampton og Shell Shipping and Maritime har udviklet et digitalt dashboard, der hjælper kaptajner med at reagere på skiftende havforhold.

Bare tilsæt vand, eller JAWS, app fortolker dybder og vinkler af et skib kendt som dybgang og trim for at optimere mængden af ​​brændstof og kraft, der er nødvendig i enhver given situation.

En ny maskinlæringsmodel blev introduceret gennem partnernes Center for Maritime Futures, som går i spidsen for digitale og teknologiske fremskridt for sikrere, renere og mere effektiv forsendelse.

Ingeniører prøvede systemet på en flåde af over et dusin 300 m lange flydende naturgas (LNG)-skibe i 12 måneder, kumulativt registrerer besparelsen på 250, 000 tons CO2-udledning, svarende til en brændstofbesparelse på 90 mio.

Den nye modelleringsteknik blev udviklet af den postgraduate forskerstuderende Amy Parkes under sin ph.d. i forskningsgruppen Maritime Engineering, hvor hendes tid er blevet delt mellem Southampton og Shell.

"LNG-skibe har et stort overfladeareal, så vind, bølger og strøm kan gøre en enorm forskel for mængden af ​​strøm, der kræves på en rejse, " siger Amy. "Disse skibe kan være højt eller lavt i vandet, i forskellige vinkler i vandet og har forskellige niveauer af begroning, hvilket påvirker mængden af ​​energi, der bruges til at bevæge sig rundt.

"Shell indsamler en enorm mængde data fra disse fartøjer, og denne app er designet til at overvåge og tilpasse sig disse variabler for at spare strøm uden at ændre skibets samlede hastighed."

Tidlige iterationer af appen beregnede varmekort ved hjælp af et gennemsnitssystem, før Amy automatiserede og avancerede processen ved hjælp af modelleringsteknikker, der var optimeret under hendes ph.d.-forskning.

"Gennem maskinlæring, det er nu muligt at analysere data fra tidligere implementeringer og forudsige kommende ud fra tidligere indstillinger, skabe en proces, der er meget mere brugervenlig, " siger hun. "Dette er kun muligt på grund af evnen til at indsamle mere nøjagtige data i en meget hurtigere hastighed.

"Når først teknologien har udviklet sig yderligere, Vi har til hensigt, at instrumentbrættet skal overvåge skibets tilstand sammen med vejrforholdene og foretage justeringer autonomt."