Demonstrerar databaserade användningsfall för digital tvillingmodellering mot maritimt nettonoll

Viktiga resultat som projektet gav

Ja, projektets mål har i huvudsak uppfyllts. Vi har demonstrerat och validerat datadrivna digitala tvillingar för energioptimering, prediktivt underhåll, elektrifieringsanalys och simulering i operativ miljö samt stärkt moln- och modellautomatisering . Projektet har även bidragit till ökad samverkan i den marina sektorn, stärkt AI-kompetens och skapat beslutsunderlag som påskyndar omställningen mot minskade utsläpp.

Långsiktiga effekter som förväntas

Projektet förväntas långsiktigt bidra till minskade utsläpp genom datadriven energioptimering och stöd för elektrifiering i sjöfarten . Det stärker svensk maritim konkurrenskraft, möjliggör skalbar digitalisering även för mindre fartyg och etablerar en modellbaserad samverkansstruktur mellan industri och akademi, vilket påskyndar innovation och hållbar omställning.

Upplägg och genomförande

Projektet genomfördes i sex arbetspaket kring energioptimering, prediktivt underhåll, elektrifiering, situationssimulering, systemoptimering samt utveckling av moln- och modellprocesser . Digitala tvillingar togs fram från operativ fartygsdata, validerades i verklig drift och integrerades i simuleringsmiljöer, i nära samverkan mellan industri och forskningsaktörer.