AI mod korrosion: Ny frontlinje i dansk shipping

AI i Dansk Shipping og Maritim Industri‱‱By 3L3C

SĂ„dan kan AI‑drevne systemer til korrosionsovervĂ„gning skĂŠre omkostninger, Ăžge sikkerhed og styrke grĂžn shipping i dansk maritim industri.

AI i shippingkorrosionsovervÄgningforudsigende vedligeholdelsedansk maritim industrigrÞn shippingflÄdestyring
Share:

Featured image for AI mod korrosion: Ny frontlinje i dansk shipping

AI mod korrosion: Ny frontlinje i dansk shipping

Korrosion lyder mĂ„ske som et teknisk nicheproblem, men for rederier og maritime aktĂžrer er det en af de mest omkostningstunge fjender ombord. I en tid, hvor stĂ„lpriser, CO₂-krav og bemandingspres alle peger den forkerte vej, kan rust pĂ„ den forkerte plads hurtigt blive til millioner i ekstra omkostninger og unĂždvendig downtime.

I denne artikel i serien “AI i Dansk Shipping og Maritim Industri” dykker vi ned i, hvordan internationale aktĂžrer som Ardmore Shipping tager nĂŠste skridt og implementerer AI‑baserede systemer til overvĂ„gning af korrosion i hele flĂ„den – og hvad danske rederier, vĂŠrfter og tekniske afdelinger konkret kan lĂŠre af det.

Vi ser pĂ„, hvordan AI‑drevne korrosionslĂžsninger fungerer, hvorfor de er sĂŠrligt relevante for en dansk kontekst i slutningen af 2025, og hvordan du kan bruge samme principper til at skĂŠre i vedligeholdelsesomkostninger, forlĂŠnge stĂ„lets levetid og styrke bĂ„de sikkerhed og bĂŠredygtighed.

Hvorfor korrosion er det perfekte problem for AI

Den skjulte milliard-regning i stÄl

Korrosion er ikke bare lidt overfladerust. For den globale maritime sektor lĂžber regningen Ă„rligt op i milliarder af kroner i:

  • ekstra dokophold og reparationer
  • uplanlagte off‑hire‑perioder
  • tykkelsesmĂ„linger og manuelle inspektioner
  • accelereret udskiftning af stĂ„l og coating

For et typisk tankskib eller bulkcarrier kan korrosionsrelaterede omkostninger over skibets levetid uden videre lĂžbe op i tocifrede millionbelĂžb. Samtidig bliver kravene til strukturintegritet, klasseregler og dokumentation ikke mildere.

Netop derfor er korrosion et oplagt omrÄde for AI:

  • Der findes store mĂŠngder historiske data (inspektionsrapporter, ultralydsmĂ„linger, fotos, coating‑data).
  • Fysiske sammenhĂŠnge (fugt, temperatur, lasttyper, alder, design) kan modelleres statistisk.
  • Manuelle inspektioner er dyre, risikofyldte og ofte subjektive.

AI kan sĂŠtte struktur pĂ„ alt dette – og levere tidlige advarsler, objektive vurderinger og konkrete anbefalinger til vedligeholdelsesteams.

Fra stikkontrol til kontinuerlig overvÄgning

Hvor man traditionelt har arbejdet med periodiske surveys og manuelle visuelle tjek, gÄr udviklingen nu mod kontinuerlig overvÄgning af stÄlets tilstand:

  • Fixed sensorer i tanke, kahytter og kritiske sektioner
  • Droner og crawlers med kameraer og ultralyd
  • BesĂŠtningsfotos og video, som uploades til en AI‑platform
  • Sammenkobling med lastdata, vejrinformationer og vedligeholdelseshistorik

Her er det, at aktĂžrer som Ardmore Shipping og teknologileverandĂžrer som fx SteelCorr (fra RSS‑kategorien) viser vejen: Ved at koble AI‑billedgenkendelse med data om skib og drift kan man fĂ„ et live‑billede af, hvor korrosionsrisikoen er stĂžrst – og hvordan den udvikler sig.

SĂ„dan fungerer et AI‑system til korrosionsovervĂ„gning

Data ind, indsigt ud

Et moderne AI‑system til korrosionsmonitorering i flĂ„der bestĂ„r typisk af fire lag:

  1. Datainhentning

    • Fotos og video taget af inspektĂžrer eller besĂŠtning
    • Billeder fra droner/robotter i tanke og lastrum
    • TykkelsesmĂ„linger (UTM) og coating‑rapporter
    • MiljĂž- og driftsdata (vandballast, luftfugtighed, lasttype, temperatur)

  2. AI‑analyse

    • Computer vision identificerer rust, blĂŠrer, afskalning og revner
    • Modeller estimerer svĂŠrhedsgrad og udbredelse
    • Algoritmer forudser udvikling: Hvordan ser dette omrĂ„de ud om 6, 12 eller 24 mĂ„neder?

  3. BeslutningsstĂžtte

    • Prioriteringslister: Hvilke omrĂ„der skal tages fĂžrst?
    • Forslag til vedligeholdelsesstrategi (spot repair vs. stĂžrre stĂ„ludskiftning)
    • PlanlĂŠgning op mod dokophold og trading‑mĂžnstre

  4. Fleet‑overview

    • Dashboard med risikostatus for hele flĂ„den
    • Benchmark mellem skibe, klasser og designs
    • Rapportering til ledelse, klasse og forsikring

Resultatet er, at tekniske chefer og superintendents kan agere proaktivt i stedet for at reagere pÄ dÄrlige overraskelser i dokken.

Fra Ardmore til danske farvande – hvad er overfþrbart?

Selv om detaljer fra Ardmore Shippings konkrete lĂžsning ikke er offentligt tilgĂŠngelige, kan vi med stor sandsynlighed sige, at systemet rummer:

  • En central cloud‑platform, der samler data fra alle skibe
  • Standardiserede workflows for inspektion (fx hvilke billeder der skal tages hvor og hvornĂ„r)
  • En AI‑model, som er trĂŠnet pĂ„ tusindvis af billeder af korrosion i forskellige stadier
  • Integration til eksisterende Planned Maintenance Systems (PMS)

For danske rederier – uanset om fokus er tank, bulk, container, offshore service eller férger – er principperne de samme. Det afgþrende er disciplineret dataindsamling og et klart billede af, hvordan AI‑indsigterne omséttes til konkret handling i teknisk afdeling.

Gevinster for danske rederier, vĂŠrfter og havne

1. Økonomi: FÊrre overraskelser, bedre budgetter

AI‑understþttet korrosionsmonitorering kan mindske:

  • uplanlagte reparationer i fremmede havne
  • ekstra liggedage i dok pĂ„ grund af “fundet stĂ„l”
  • spild af coatingmaterialer pĂ„ omrĂ„der, som egentlig er sunde

Samtidig bliver det muligt at lave multi‑Ärs budgetter for stĂ„l og coating, der bygger pĂ„ data snarere end pĂ„ mavefornemmelser. For danske rederier med flĂ„der pĂ„ tvĂŠrs af segmenter kan det vĂŠre forskellen mellem et stabilt og et meget volatilt vedligeholdelsesbudget.

2. Sikkerhed: FĂŠrre manuelle og risikofyldte inspektioner

Korrosionsinspektioner foregÄr ofte i:

  • ballasttanke
  • trange cofferdams
  • hĂžjder med brug af stiger og stilladser

Ved at lade robotter, droner og AI tage det fĂžrste analysearbejde kan man reducere behovet for, at folk bevĂŠger sig ind i farlige miljĂžer. Menneskelige inspektĂžrer kan fokuseres pĂ„ de omrĂ„der, hvor AI’en viser klar risiko – ikke pĂ„ at gennemtjekke alt fra A til Z.

3. BÊredygtighed: GrÞn shipping starter i stÄlet

Korrosion er ogsÄ en bÊredygtighedsudfordring:

  • Mere udskiftning af stĂ„l = stĂžrre CO₂‑aftryk fra produktion og transport
  • DĂ„rlig coating og skader kan pĂ„virke skibets hydrodynamik og dermed brĂŠndstofforbrug
  • Tidlige skader pĂ„ tanke kan give Ăžget risiko for miljĂžhĂŠndelser

Ved at bruge AI til at forlĂŠnge stĂ„lets levetid, optimere coating‑strategier og undgĂ„ unĂždigt stĂ„lspild, bidrager rederier direkte til ESG‑mĂ„l og EU‑krav – samtidig med at bundlinjen styrkes.

4. Talent og vidensdeling: Fra “mestre i hovedet” til digital viden

Dansk shipping og maritim industri stÄr, ligesom resten af branchen, over for generationsskifte. Meget af den dybe korrosionsviden sidder i fÄ, erfarne inspektÞrer.

AI‑systemer gþr det muligt at:

  • “Optage” deres vurderinger i modeller og guidelines
  • Standardisere, hvad der er kritisk, moderate og kosmetiske skader
  • Sikre, at yngre superintendent‑profiler fĂ„r kvalificeret beslutningsstĂžtte, ogsĂ„ nĂ„r de ikke har 20 Ă„rs erfaring

Det er ikke et spÞrgsmÄl om at erstatte fagfolk, men om at skalere deres ekspertise pÄ tvÊrs af flÄden.

Praktiske skridt: SĂ„dan kommer du i gang i 2026

1. Start med et pilotprojekt

I stedet for at omvÊlte hele flÄden fra dag ét, kan et dansk rederi:

  1. Udvélge 2‑3 skibe med forskellig alder og design
  2. Definere 3‑5 kritiske omrĂ„der (fx ballasttanke, lastrum, dĂŠk)
  3. Indsamle systematiske fotos/videoer over 6‑12 mĂ„neder
  4. Lade en leverandþr (eller intern data science‑funktion) tréne en fþrste AI‑model

MĂ„let er ikke perfektion, men at vise konkret vĂŠrdi: bedre prioritering, fĂŠrre overraskelser, mere gennemsigtighed.

2. Integrér med eksisterende systemer

AI‑lþsningen skal spille sammen med:

  • Planned Maintenance System (PMS)
  • ERP/Ăžkonomisystem (for omkostningsopfĂžlgning)
  • FlĂ„destyrings- og rapporteringsvĂŠrktĂžjer

NĂ„r korrosionsrisici automatisk udlĂžser opgaver i PMS og indgĂ„r i langsigtede budgetter, bliver AI‑indsigterne en naturlig del af driften – ikke endnu et sidelĂžbende “eksperiment”.

3. TrĂŠn besĂŠtning og teknisk afdeling

AI‑systemer lever af gode data. Det kréver:

  • Klare retningslinjer for, hvilke billeder der skal tages, og hvordan
  • Enkle mobil‑ eller tablet‑workflows for upload og annotering
  • TrĂŠning i tolkning af AI‑rapporter: Hvad betyder en given risikoscore i praksis?

En ofte overset gevinst er, at besÊtningen bliver mere bevidst om korrosion i hverdagen, nÄr de aktivt bidrager med data. Det kan i sig selv sÊnke skadesniveauet.

4. Byg en business case, der taler til ledelsen

For at fĂ„ opbakning pĂ„ C‑level krĂŠver det en klar business case. Overvej at beregne:

  • Besparelser pr. undgĂ„et dok‑overraskelse
  • Reduktion i stĂ„lforbrug over 5‑10 Ă„r
  • Mindre off‑hire og forbedret pĂ„lidelighed over for kunder
  • Forbedrede ESG‑nĂžgletal og rapporteringsmuligheder

Sammenlign evt. investeringen i et AI‑system med prisen pĂ„ Ă©n uforudset stĂžrre stĂ„lopgave – det sĂŠtter typisk tingene i perspektiv.

AI i dansk maritim sektor: Korrosion som pilotomrÄde

I denne serie om AI i Dansk Shipping og Maritim Industri har vi allerede set, hvordan kunstig intelligens kan lĂžfte ruteoptimering, brĂŠndstofeffektivitet og havneoperationer. Korrosionsmonitorering er et oplagt nĂŠste skridt, fordi:

  • Problemet er velkendt og dyrt
  • Data allerede findes i stor stil – men ligger spredt
  • Gevinsterne er konkrete og mĂ„lbare

Ardmore Shippings satsning pĂ„ et AI‑system til overvĂ„gning af korrosion pĂ„ tvĂŠrs af flĂ„den sender et tydeligt signal: Det her er ikke fremtidsmusik – det er drift anno 2025.

For danske rederier, vÊrfter og maritime servicevirksomheder er spÞrgsmÄlet derfor mindre, om man skal i gang, og mere hvordan og hvornÄr.

Hvis du vil ligge forrest i feltet i 2026, er korrosion et ideelt sted at begynde din AI‑rejse: konkret, mĂ„lbart og tĂŠt knyttet til bĂ„de sikkerhed, Ăžkonomi og grĂžn shipping.

NĂŠste skridt kan vĂŠre at kortlĂŠgge, hvilke korrosionsdata du allerede har, og hvor i din organisation der sidder eksperterne – sĂ„ AI kan hjĂŠlpe med at gĂžre deres viden skalerbar pĂ„ hele flĂ„den.

NÄr stÄlet holder lÊngere, holder forretningen det ogsÄ.