Modelo virtual del sistema de CI para detección y respuesta autónoma ante averías

• Sara Ferreño González ^[1] ; Vicente Díaz Casás ^[1] ; Carlos García San Gabino
  1. [1] Universidade da Coruña

     Universidade da Coruña

     A Coruña, España

     
• Localización: Ingeniería naval, ISSN 0020-1073, Nº. 988, 2020 (Ejemplar dedicado a: Astilleros de reparación), págs. 75-80
• Idioma: español
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    Se presenta en este trabajo los resultados de la implementación de un modelo virtualizado del comportamiento del sistema de CI que permita la detección y respuesta autónoma del sistema ante averías en el mismo. El sistema desarrollado que alimenta este modelo virtual, está basado en IA y se implementará en el gemelo digital del buque dotándolo de inteligencia. Para la elaboración de este modelo virtualizado se ha partido de datos obtenidos en las pruebas realizadas a bordo, así como de los resultados de simulaciones del sistema CI. En estas pruebas a bordo/simulaciones se ha llevado a cabo una doble caracterización del sistema: obteniendo por un lado, aquellos datos que representan el funcionamiento normal del CI y, por otro, tanto la rotura de tuberías y el colapso (total o parcial) de la misma. La combinación de ambas ha permitido obtener una colección de datos suficientemente amplia y representativa para llevar a cabo el entrenamiento del sistema basado en IA.

  • English

    This paper presents the results of the implementation of a virtualized model of the behavior of the FiFi system that allows the autonomous detection and response of the system to failures. The developed system that feeds this virtual model is based on AI and will be implemented in the ship’s digital twin, providing it with intelligence. For the elaboration of this virtualized model, we have started with data obtained in the tests carried out on board, as well as the results of simulations of the CI system. In these on-board tests / simulations, a double characterization of the system has been carried out: obtaining, on the one hand, those data that represent the normal functioning of the IC and, on the other, both the rupture of the pipes and the collapse (total or partial). The combination of both has allowed to obtain a sufficiently broad and representative data collection to carry out the training of the AI-based system.