迄今为止，在我们与垃圾焚烧发电厂的合作中，日立造船开发了一种名为燃烧状态预测系统的人工智能模型，旨在根据多个传感器的行为预测未来几分钟内燃烧恶化的可能性，并执行额外的控制以避免恶化。在这个项目中，我们又添加了两个人工智能模型来提高预测精度。第一个称为废物层压差稳定模型，当炉排上的废物量变得异常时，可以纠正废物供给控制。第二个称为动态状态预测模型，根据最后几十分钟的燃烧视频预测五分钟后的燃烧图像。
用整合三个模型的AI模型进行的长期验证测试结果发现，它可以比AI模型保持更好的燃烧状态。此外，与仅sunCity818集团自动燃烧控制（ACC）的对照组相比，常规燃烧劣化时间减少了58%，手动干预次数减少多达86%。

日立造船与京都南部城市清洁中心合作，开发了利用多元回归分析的过热器出口蒸汽温度控制方法，以提高废物能源工厂的稳定运行。
在该项目中，我们重点研究了垃圾原料热值波动引起的焚烧气体和蒸汽波动之间的关系，考虑了运行时间、操作和外部扰动等影响因素，建立了数据驱动的预测模型公式，并将其应用于容器出口蒸汽温度控制。结果表明，通过利用多元回归分析方法两分钟后的预测值进行前馈控制，提高了过热器出口蒸汽温度对高温、高压响应的可控性，同时也提高了燃烧状态和汽轮机发电量的稳定性。它还具有减少第三过热器管腐蚀和减薄的作用。
这将导致垃圾焚烧发电厂的稳定，炉子的持续稳定运行将防止设备损坏和恶化，从而有助于延长发电厂的sunCity818集团寿命。此外，sunCity818集团人工智能和信息通信技术的自动化操作将有助于减少人为干预以及最大限度地减少手动 DCS 操作。

我们致力于开发减少环境负荷和人类治疗成本的技术
废物，日立造船开发了用于下水道排放系统预脱水的亚硝酸盐氧化/反硝化处理技术。本文报告了演示测试的结果，揭示了其有效性。
论证试验发现，通过控制硝化池内氨浓度，亚硝酸盐氧化率可维持在约80%以上。此外，我们还调整了从人体排泄物处理设施进入测试设备的实际液体量（20–45m³/天）分三个阶段改变氮气输入负荷并评估每个负荷下的运行状态。高负载期间，以 021kg-N/kg-SS/天的氮气输入负载运行时^-1（平均），处理后水质T-N 150mg/L以下，低于标准负荷和低负荷时污水排放标准水质，持续稳定运行。
八个月的示范测试中获得的数据经过日本环境卫生中心的验证。日立造船随后于 2022 年 10 月收到了绩效调查报告。

在钢桥施工中，构件sunCity818集团大量高强度螺栓连接。通常用于管理摩擦紧固的技术是在最终紧固之前由检查员对螺栓进行标记的状态下进行目视确定。为了减少大量sunCity818集团的高强度螺栓的漏检，在该项目中，我们开发了一种高强度螺栓拧紧状态判断系统，该系统sunCity818集团混合现实设备和平板电脑终端捕获的图像。
系统sunCity818集团YOLO对象检测技术来检测高强度螺栓，并sunCity818集团深度度量学习来确定与正常条件的偏差程度。捕获的图像经过拉普拉斯滤波器以计算模糊量。然后，将非常模糊的图像从判定目标中排除，因此即使拍摄时相机抖动，系统也不会发生故障，并且可以继续进行检查。在实际架设的梁上进行的操作测试结果证实，该系统可以高精度地紧固紧固条件。

日立造船株式会社和NICHIZO TECH INC开发了多管式换热器管与管板焊缝的相控阵超声波检测系统，并将其应用于实际检测。该系统采用深度学习人工智能技术来准确检测管与管板焊缝中出现的有害缺陷。迄今为止，通过对超过 50,000 个管与管板焊缝进行的检查，该检查方法已被用户认可为有用的。该系统sunCity818集团图像数据确定是否存在缺陷，但该功能存在无法提取图像中的检查范围以及检测非缺陷的过多反射回波的问题。因此，我们通过改进检测范围的提取方法并利用新的人工智能技术来解决这些问题。这使得能够进行比以前更高精度的检查，并将我们的检查服务应用于各种多管式换热器。

提高焊接工艺的效率对于大型钢结构的制造至关重要。超窄间隙埋弧焊从第一层到最后一层以接近0°的坡口角度在单道中进行，是一种有望显着提高焊接效率的工艺。然而，与传统的窄间隙焊接相比，超窄间隙焊接由于容易产生未熔合、夹渣等焊接缺陷，因此在实际应用中很少见到。因此，日立造船决定开发一种不会造成此类焊接缺陷的超窄间隙焊接技术。
我们首先sunCity818集团数字焊接电源确定了防止焊接缺陷的焊接条件范围，然后sunCity818集团多元回归分析和优化方法开发了用于自动选择焊接条件的在线程序。最后，我们将我们开发的技术应用于 2¹/₄Cr-1Mo钢，压力容器常用材料。结果表明，焊接质量足以满足超窄间隙埋弧焊的实际应用。

作为新能源产业技术综合开发机构 (NEDO) 委托的示范项目的一部分，日立造船在北九州安装了一台 3MW 驳船式海上浮动风力发电机 (FOWT)，并自 2019 年以来一直在进行示范运营。在本次示范运营期间，由于海洋生长，动力电缆下沉并降落在海底。
本文介绍了动力电缆加浮标的修复工作、动力电缆海洋生物的调查结果以及我们的维护技术演示。在对海洋生物量的调查中，我们整理了海洋生物厚度与水深、重量与水深变化的数据，发现海洋生物量与水深之间存在显着的关系。我们还致力于监测动态电缆的深度以进行维护，并且可以sunCity818集团相对便宜的设备进行远程监测。此外，我们还致力于sunCity818集团遥控潜水器（ROV）去除海洋生物，并验证了其在未来的实用性。