Madrid, España
Se presenta en este trabajo un nuevo sistema de optimización de rutas basado en el framework de sensorización y monitorización de datos de navegación que presentamos en el 60º Congreso de Ingeniería Naval e Industria Marítima, publicado recientemente en la revista Ingeniería Naval.
El sistema que presentamos en este trabajo incorpora modelos de machine learning que infieren la resistencia avance a partir de la medición precisa del movimiento del buque. Estos se entrenan para cada buque, teniendo en cuenta distintas situaciones de carga. La ruta óptima que se obtiene de esta manera, tiene en cuenta aspectos específicos de cada buque, como las formas del caso.
El mismo sistema además nos permite obtener otros modelos válidos para optimizar rutas que reduzcan efectos no deseados relacionados con los patrones de movimiento como son el boil-off en buques LNG, balance paramétrico en buques portacontenedores y comodidad del pasaje en ferries y cruceros.
This paper presents a new route optimization system based on the navigation data sensorization and monitoring framework that we presented at the 60th Congress of Naval Engineering and Maritime Industry and was recently published in the journal “Ingenieria Naval”.
The system that we present in this work incorporates machine learning models that infer the added resistance of a ship advancing in waves from the accurate measurement of its motions. These are trained for each ship, considering different load situations. The optimal route obtained using these models takes into account specific characteristics of every vessel as the shape of the hull.
The same system also allows us to obtain other valid models to optimize routes to reduce undesired effects related to motions patterns such as boil-off in LNG ships or parametric rolling in container ships.
© 2001-2026 Fundación Dialnet · Todos los derechos reservados