You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>DCMT</strong><br />
8<br />
6.2 Vessel performance control, fremdrivnings model<br />
Fremdrivningsmodellen indeholder generiske og empiriske metoder til bestemmelse af den<br />
nødvendige effekt til fremdrivning af et skib som funktion af hastighed, dybgang og vejrforhold.<br />
Modellen er efterfølgende blevet anvendt af FORCE Technology i deres udvikling af både<br />
SeaTrend og SeaPlanner.<br />
SeaTrend er et kommercielt program til performance monitorering. I forbindelse med udvikling af<br />
fremdrivningsmodellen i SeaTrend har Clipper testet systemet ombord på flere af deres skibe.<br />
SeaTrend er nu et kommercielt produkt og anvendes af flere redere. SeaTrend har i løbet af<br />
<strong>DCMT</strong> perioden 2005-2012 udviklet sig til at være et omkostkostningseffektivt værktøj for både<br />
danske og udenlandske redere for optimering af dokningsintervaller. Således er der pt. godt 100<br />
skibe der benytter og betaler for servicen, heraf 83 fra danske reddere.<br />
SeaPlanner er et ruteoptimeringsprogram udviklet i samarbejde mellem DMI og FORCE<br />
Technology. Baseret på erfaringerne med udviklingen af fremdrivningsmodellen i SeaTrend har<br />
DMI og FORCE Technology sammen udviklet SeaPlanner. SeaPlanner reducerer olieforbruget på<br />
ruter ved at optimere fart og kurs i forhold til de givne vejrprognoser og dybdeforhold.<br />
SeaPlanner er pt. installeret på 32 skibe, heraf 22 danske. Forventningerne til produktet rækker<br />
langt videre.<br />
Branchen har i løbet af <strong>DCMT</strong> projekt perioden fået øjnene op for de mulige gevinster ved<br />
effektiv overvågning af skibenes performance. Performance evaluering er nu særdeles udbredt<br />
indenfor skibstransport. Teknikkerne der benyttes til performance overvågning er fortsat unge og<br />
det forudses at modellerne de kommende år vil videreudvikles markant.<br />
Konkret har projektet således ført til at FORCE Technology nu tilbyder særdeles billig<br />
performance overvågning som det blå Danmark har taget godt imod, med for øjeblikket 83<br />
installationer på danske skibe.<br />
6.2.1 Performance monitorering med neurale netværk<br />
For at øge nøjagtigheden af værktøjer til performance monitorering har Benjamin Pjedsted<br />
Pedersen arbejdet med at undersøge mulighederne for brug af neurale netværk til performance<br />
evaluering. I modsætning til fremdrivningsmodellen, som er udviklet under pkt. 0, er det ikke<br />
nødvendigt at opstille en matematisk/fysisk fremdrivningsmodel for skibet. Med neurale netværk<br />
”trænes” en model til at finde sammenhænge i et repræsentativt udvalg af data fra et datasæt.<br />
Baseret på resultatet af denne ”træning” bestemmes multi-dimensionelle sammenhænge i<br />
dataene. De således fundne multi-dimensionelle sammenhænge benyttes efterfølgende til at<br />
beskrive hvorledes skibene ”burde” kunne performe, hvilket videre benyttes i evalueringen<br />
skibenes performermance.<br />
I forbindelse med projektet har Benjamin opsamlet data på en 100,000 DWT tanker fra TORM,<br />
som blev udstyret med sensorer og kontinuerlig data-opsamling. Baseret på databehandlingen af<br />
disse data har Benjamin efterfølgende vist, at det med neurale netværk er muligt, på basis af<br />
operationelle data fra et skib, at estimere fremdrivningseffekten langt mere præcist end med<br />
traditionelle empiriske modeller som f.eks. Holtrop-Mennen og Guldhammer-Harvald. Derudover<br />
har Benjamin vist, at hvis de visuelle observationer af vind og bølger fra skibet erstattes med<br />
hindcast data fra meteorologiske institutter, kan nøjagtigheden forbedres yderligere. Det<br />
forventes, at projektet vil bidrage med metoder til at øge nøjagtigheden af modeller for<br />
performance monitorering, hvilket vil være til fordel og anvendelse for specielt danske<br />
FT 187<strong>DCMT</strong><br />
PSS/CRS
Change language