Tilbake til søkeresultatene

FORNY20-FORNY2020

MP: Self-learning diagnostics and prognostics system

Alternativ tittel: MP: Selvlærende diagnose- og prognosesystem

Tildelt: kr 0,28 mill.

I dag utfører 98% av verdens skip forebyggende vedlikehold uten tilknytning til skipskomponenters faktiske status. Akkurat som de forhåndsdefinerte verkstedintervallene i biler, vedlikeholdes skipskomponenter regelmessig basert på en forhåndsdefinert timeplan. En slik tilnærming fører til unødvendig høy bruk av reservedeler. Samtidig så oppdages ikke tilfeldige feil som kan skje mellom intervallene, noe som kan føre til driftsstans. Dette resulterer totalt sett i unødvendig høye vedlikeholdskostnader for redere. Hovedmålet med dette prosjektet er å overbevise rederne om at et prediktivt vedlikeholdssystem basert på maskinlæring kan gi en direkte innflytelse på skipenes daglige vedlikeholdsrutiner for å redusere vedlikeholdskostnader. Med et prediktivt vedlikeholdssystem menes at vi overvåker og analyserer den faktiske statusen til skipskomponentene for å anbefale vedlikehold til rett tid. Dette vil redusere både bruk av reservedeler og arbeidskraft. I tillegg vil vi klare å finne tilfeldige feil som tidligere kunne ført til driftsstans. Totalt sett vil dette være kostnadsbesparende for rederne. Vårt selvlærende diagnose- og prognosesystem er basert på omfattende forskningsresultater fra Ph.D. studenter ved Institutt for havromsoperasjoner og byggteknikk ved NTNU i Ålesund. Dette prosjektet har videreutviklet systemet i en kommersiell retning. Systemet ble installert om bord på NTNU sitt forskningsskip Gunnerus i perioden august til november 2020. I denne perioden ble ingen avvik detektert selv om forhåndsdefinert vedlikehold ble gjennomført. Disse resultatene beviser kostnadseffektivitetspotensialet og er en klar indikasjon på at de vedlikeholder for mye. Det er viktig å understreke at resultatene våre trenger utvidet verifisering over en lengre periode og på mere kommersielt fartøy.

Based on our results from Gunnerus, zero anomalies were detected, even though planned maintenance was performed. Thus, maintenance was performed on healthy engines. This proves the cost-effectiveness potential of reducing the frequency of planned maintenance intervals in the maritime industry. Importantly, our results need verification over a longer time period and on more commercial vessels to prove the concept of predictive maintenance. If successful, we aim to transform planned intervals into dynamic intervals, providing sustainable management control for shipowners.

Budsjettformål:

FORNY20-FORNY2020