Los ingenieros marítimos han entrenado una aplicación de envío de energía para ahorrar más de un cuarto de millón de toneladas de emisiones de CO2 mediante la aplicación del aprendizaje automático a su sistema predictivo.

Investigadores de la Universidad de Southampton y Shell Shipping and Maritime han desarrollado un tablero digital que ayuda a los capitanes a responder a las cambiantes condiciones del mar.

El Just Add Water, o mordazas, La aplicación interpreta las profundidades y los ángulos de un barco conocido como calado y compensación para optimizar la cantidad de combustible y potencia necesarios en cualquier situación dada.

Se introdujo un nuevo modelo de aprendizaje automático a través del Centro de futuros marítimos de los socios, que está a la vanguardia de los avances digitales y tecnológicos para una mayor seguridad, envío más limpio y eficiente.

Los ingenieros probaron el sistema en una flota de más de una docena de transportistas de gas natural licuado (GNL) de 300 metros de eslora durante 12 meses. registrando acumulativamente el ahorro de 250, 000 toneladas de emisiones de CO2, equivalente a un ahorro de combustible de $ 90 millones.

La nueva técnica de modelado fue desarrollada por la estudiante de investigación de posgrado Amy Parkes durante su doctorado en el grupo de investigación de Ingeniería Marítima, donde su tiempo se ha dividido entre Southampton y Shell.

"Los transportadores de GNL tienen una gran superficie, por lo que el viento, las ondas y la corriente pueden marcar una gran diferencia en la cantidad de energía requerida en un viaje, "Amy dice." Estos barcos pueden estar altos o bajos en el agua, en diferentes ángulos en el agua y tienen diferentes niveles de suciedad, lo que afecta la cantidad de energía utilizada para que se muevan.

"Shell recopila una enorme cantidad de datos de estos barcos y esta aplicación está diseñada para monitorear y adaptarse a estas variables para ahorrar energía sin cambiar la velocidad general del barco".

Las primeras iteraciones de la aplicación calcularon mapas de calor utilizando un sistema de promedios antes de que Amy automatizara y avanzara el proceso utilizando técnicas de modelado optimizadas durante su investigación de doctorado.

"A través del aprendizaje automático, ahora es posible analizar datos de implementaciones anteriores y predecir las próximas en función de configuraciones pasadas, creando un proceso mucho más fácil de usar, ", dice." Esto sólo es posible gracias a la capacidad de recopilar datos más precisos a un ritmo mucho más rápido.

"Una vez que la tecnología se ha desarrollado aún más, pretendemos que el tablero controle el estado del barco junto con las condiciones climáticas y realice ajustes de forma autónoma ".