NSG E2E - morgendagens logistikksystem

The main objective for this project is to develop a logistics system that enables autonomous optimized planning, follow-up and management of logistics operations regardless of transport choice, customer and supplier. First we want to focus on automation of logistics related to oil and gas operations in Norway. This is a very demanding segment due to the complexity of operations, suppliers, transport methods, documentation requirements and more. This is nevertheless an attractive starting point as the oil industry is largely driven by the low capacity utilization of Norwegian vessels. In the long run, it can be expanded to also include other industries such as aquaculture and more. In the final phase, we have worked with the following: 1. We have developed a unique LML that shows good results when used against ordinary line transport. Preliminary estimates indicate that the LML algorithm itself will be able to provide cost savings of 20 - 25 % related to logistics processes. This has prepared the system for testing with Asco's autonomous vessel. 2. We have identified the data elements we want to integrate in the system and have recently worked to complete an open API that can be integrated with several different control systems. 3. We can redesign the tracking TAG for optimal reception of narrowband signals. With this we have improved the triangulation and thus the accuracy in the tracking of moving devices. 4. We have worked on optimizing the forecast by predicting logistics flow through AI. The development of the prediction models that run on historical data are completed, and we've further worked with prediction models that optimize forecasting by including additional factors (real-time factors and other predicting factors) and in this way be able to generate a more comprehensive and accurate decision basis. There has been sat up more integration-links with several new and relevant data sources. We have, throughout the last phase of the prosject, worked intensivly with optimization of prediction models. A lot of new knowledge and expertise in the area has been acquired through the work that has been done. This is reflected in the results of the prosject.

Det understrekes at tallene er estimater fra småskala pilotering. Det gjenstår fremdeles å fullføre storskala testing i reelt miljø. 1. Systemet viser til store besparelser knyttet til utslipp og transportkostnader langs sjø, vei og luft. Følgelig variere avhengig av bransje og transportmetode. Basert på eksempel fra skogsdrift viser forskning gjort på effektiviteten at man kan redusere transportbehovet med 14 % eller mer med samhandlende logistikkløsning. I det initiale satsningsområdet, olje- og gassektoren, er kapasitetsutnyttelsen 40 %. Vi anslår at systemet vårt per nå kan øke kapasitetsutnyttelsen til 65 %, og nærmere 80 % ved å gjennomføre avsluttende utviklingsarbeid. 2. Tilrettelegger for økt samhandling og aktivitet i nord-områder og andre områder med lange logistikkjeder. 3. Tilrettelegger for bruk av autonome skip i en autonom logistikkjede, for baseoperatørene langs hele Norskekysten.

Hovedmålet med prosjektet er å utvikle et logistikksystem som muliggjør autonom optimalisert planlegging, oppfølging og styring av logistikkoperasjoner uavhengig av transportvalg, kunde og leverandør. Teknologien vil tilrettelegge for bruk av autonome skip (e.g. Yara Birkeland, verdens første fullautomatiserte nullutslipps containerskip) for baser langs kysten. Teknologien består av tre nivå; datafangst; databehandling; og beslutningssystem. I første omgang ønsker vi å fokusere på automatisering av logistikk relatert til olje og gassvirksomhet i Norge. Dette er et svært krevende segment på grunn av kompleksiteten av operasjoner, leverandører, transportmetoder, dokumentasjonskrav med mer. Dette er likevel et attraktivt utgangspunkt da oljebransjen langt på vei er drivende for den lave kapasitetsutnyttelsen på norske fartøy. På sikt kan det ekspanderes til å også innbefatte andre næringer som havbruk og annen industri. Data/erfaring viser at denne løsningen vil kunne gi kostnadsbesparelse på 30-40 % knyttet til logistikk og 50 % reduksjon av Co2 og NOx utslipp.