ارائه مدل ریاضی پیش‌بینی شیب طولی (تریم) شناورها با هدف دستیابی به مصرف سوخت بهینه (مورد مطالعه شناورهای کانتینری)

مصرف انرژی شناورها از دغدغه‌ها و چالشهای اساسی صنعت حمل و نقل دریایی است. کاهش مصرف سوخت علاوه بر صرفه جویی اقتصادی و هماهنگی با قوانین جدید باعث کاهش انتشار گازهای گلخانه‌ای و آلاینده‌های جوی می شود. هدف این پژوهش ارائه مدلی در جهت کاهش مصرف سوخت کشتی ها، صرفه جویی در هزینه و کاهش وابستگی به سوخت‌های وارداتی است. جهت دستیابی به این هدف با استفاده از روش ترکیبی (کیفی،کمی)، ابتدا پارامترهای اثرگذار بر مصرف سوخت از پیشینه پژوهش استخراج شد. سپس با استفاده از الگوریتم های شبکه عصبی مصنوعی (یادگیری نظارت شده) پیش بینی مدل بهینه شاخص های موثر بر مصرف سوخت توسعه داده شد. به منظور مدلسازی از داده های روزانه 4 ساله 6 کشتی با ظرفیت 2000 کانتینری بعنوان مفروضات مدل‌سازی ریاضی بهره‌‌‌گیری شد. در ادامه سامانه تصمیم‌یار هوشمند بر اساس این پارامترهای اثرگذار بر مصرف سوخت توسعه داده شده که شامل دو مدل شبکه عصبی مصنوعی پیشبینی عملکرد مصرف سوخت و بهینه‌سازی شیب طولی شناور است. نتایج ارزیابی مدل های شبکه عصبی مصنوعی توسعه داده شده دارای روایی و پایایی مورد قبول می‌باشد. بر اساس مدل سامانه طراحی شده، مشخص شد پارامتر شیب طولی (تریم) به طور متوسط مصرف سوخت شناورها را تا چهار و چهار دهم درصد کاهش می دهد که به طور تقریبی با توجه به میزان مصرف هر شناور با حفظ بهره وری سایر شاخص ها معادل صرفه جویی حدود 770 تن سوخت و حدود 460 هزار دلار رد سال و کاهش قابل توجه آلاینده های زیست محیطی است.

predicting the trim of vessels to achieve optimal fuel consumption by mathematical modelling (case study of container vessels)

one of the main concerns and challenges in the marine transportation industry is the energy consumption of vessels, efforts to reduce fuel consumption in addition to money saving decreases emission of greenhouse gases and atmospheric pollutants. the purpose of this research is to provide a model that reduces the fuel consumption of vessels to a considerable extent and beside saving money and reducing dependence on imported fuels, the volume of greenhouse gases can be determined. in order to achieve this goal, mixed research method utilized, first the main parameters which affecting fuel consumption are extracted from the literature, then optimal model is obtained by using mathematical modelling and artificial neural network prediction algorithms. in this research, 4years daily information of 6 vessels with 2000 teu (container) was utilized as research dataset for mathematical modelling. then the intelligent decision support system was developed based on main parameters, which includes two artificial neural network models for fuel consumption performance prediction and vessel trim optimization. this system fulfils its evaluation tests, with acceptable validity and reliability values. based on the designed intelligent decision-making model, it was determined by using test data that, designed system reduces fuel consumption by optimizing trim parameter to %4.41 on average. keywords: ship trim; ship fuel consumption; ship productivity; decision support system; artificial intelligence; maritime industry; artificial neural network