Resumen de Aplicación de herramientas de Machine Learning al comportamiento en la mar

José Enrique Gutiérrez Romero, Pablo Romero Tello, Borja Serván Camas, Jerónimo Antonio Esteve Pérez

• español

  La Inteligencia Artificial (IA) es un campo que ha venido desarrollándose en las últimas décadas, con énfasis en sistemas inteligentes para reconocimiento de escritura, sistemas de voz, sistemas autónomos, etcétera. En el ámbito de la Arquitectura Naval, la aplicación de la IA puede tener una relevancia notable, sobre todo como herramientas predictivas para evaluar el grado de cumplimiento de las expectativas de diseño.

  Este trabajo se centra en la aplicación de herramientas de Aprendizaje Máquina (Machine Learning) a un aspecto de la Ingeniería Naval, el comportamiento de buques en alta mar. La complejidad de los cálculos de respuesta del buque frente a olas hace habitual el uso de simplificaciones, por ejemplo, que la respuesta de la plataforma es de carácter lineal. El tipo de metodologías numéricas usualmente empleadas para la resolución de este tipo de problemas suelen ser los Métodos de Elementos Finitos o los Métodos de los Elementos de Contorno.

  Se propone el desarrollo de un algoritmo de aprendizaje basado en redes neuronales artificiales (Artificial Neural Network, ANN) que permita una evaluación de los parámetros del comportamiento en la mar en búsqueda de un ahorro en el tiempo de cálculo con precisiones similares a las ofrecidas por metodologías alternativas. Así, se llevará a cabo un estudio del estado del arte la IA en el ámbito de la Ingeniería Naval. Se propondrá una metodología de trabajo y entrenamiento de la red. Se llevarán a cabo comparativas para distintos tipos de buques. Finalmente, se expondrán unas conclusiones con los resultados relevantes obtenidos.

• English

  The Artificial Intelligence (AI) has been developing in the last decades, focused on Smart writing, voice recognition systems, autonomous systems, and others. The application of AI in Naval Architecture field might become a relevant tool, especially those applied to assess the expected degree in compliance of a design. This work focuses on the application of Machine Learning to a specific field of Naval Architecture, the seakeeping. The complexity of ship-wave interaction makes common using mathematic simplifications, such as the platforms response is linear. And the Finite Element Methods or Boundary Element Methods are common numerical methodologies used to solve this type of problems.

  It is proposed a learning methodology based on an Artificial Neural Network (ANN) to evaluate the seakeeping performance parameters. And this methodology offers a time saving alternative when compared with other solutions. It is first introduced the state of art of IA applied to Naval Architecture and Marine Engineering.

  Then, it is explained the methodology and network training. Later, it is performed comparisons with different types of ships. And finally, it is shown relevant conclusions about the results obtained.