KR20150021971A - 선박 성능의 평가를 위한 방법 및 시스템 - Google Patents

Abstract

본 발명은 선박의 성능의 평가를 위한 컴퓨터 구현 방법 및 시스템을 제공한다. 그 방법에서, 선박의 하나 이상의 성능 변수들과 그 성능 변수들에 영향을 미치는 동적 입력 파라미터들이 정의된다. 성능 변수들과 동적 입력 파라미터들 사이의 의존성들이 그 다음에 컴퓨팅에 의해 자동으로 학습된다. 선박의 성능을 시뮬레이션하기 위한 초기 모델은 상기 초기 모델에서 성능 변수들과 동적 입력 파라미터들 사이의 상기 의존성들에 의해 생성된다. 센서들로부터의 측정 결과들은 상기 초기 모델에서 사용되는 전술한 입력 파라미터들 대신에 그 모델에서 사용될 새로운 동적 입력 파라미터들의 세트를 생성하기 위해 선박의 운전 동안 획득된다. 초기 모델은 장래의 운전에서의 모델로서 사용되기 위해 업데이트되고 그 모델이 사용될 모델에 대한 미리 설정된 품질 기준들을 만족하기까지 그 모델은 추가로 업데이트된다. 업데이트된 모델은 변수들 중 하나 이상에 대한 주어진 입력 파라미터의 영향을 분석하는데 사용된다. 본 발명은 이러한 방법을 수행하는 시스템 및 컴퓨터 프로그램에 관련된다.

Description

선박 성능의 평가를 위한 방법 및 시스템{METHOD AND SYSTEM FOR EVALUATION OF SHIP PERFORMANCE}

본 발명은 선박 (ship) 의 성능의 평가를 위한 방법 및 시스템에 관한 것이다.

항양선 (seagoing vessel) 또는 선박에서, 오일 또는 때때로 천연 가스와 같은 연료가 함선의 메인 프로펠러들 또는 발전기들을 회전시키는 하나 이상의 디젤 엔진들을 위한 에너지 원으로서 사용된다. 연료는 항만 (hobor) 들에서 또는 연료 유조선들에 의해 항해 중에 해양 함선에 전달된다.

동력 생산 및 추진 시스템은 선박의 성능에 관해 최적의 효율을 달성하기 위하여 연속적인 조정, 제어 및 모니터링을 위한 대상들이었다. 동력 제어는 선박의 제어 시스템의 기본적인 부분이다. 비슷하게, 추진 시스템은 이용가능한 전기 및/또는 기본 에너지를 사용하여 요구된 동력을 생산하도록 제어된다. 그러나, 실제로는, 에너지의 충분한 공급은 디바이스들 및 그들의 제어 시스템들의 효율만큼 중요하지 않았다.

선상에서 별개의 디바이스들의 동력을 제어하는 것에 의해, 에너지는 효율적으로 그리고 경제적으로 소비될 수 있다. 이는 예컨대, 개개의 추진 유닛들, 펌핑 디바이스들, 조명 및 난방 장비들 및 다른 보조 디바이스들에 적용된다.

또한 많은 다른 팩터들이 해양 함선의 전반적인 에너지 효율에 영향을 미치고, 선박의 동력 플랜트의 최적화 및 구성, 연료 유형의 선택, 선박의 트림 및 리스트를 포함하는 선박 성능 그리고 계획된 항로에서 고려되어야 한다.

컴퓨터 시뮬레이션 또는 컴퓨터 모델은 특정 시스템의 추상적인 모델을 시뮬레이션할 것을 시도하는 컴퓨터 프로그램이다. 에너지 소비와 같은 선박 성능의 최적화는, 선박의 가동 변수 팩터들과 이들 팩터들이 의존하는 입력 변수들을 나타내는 파라미터들 사이의 관계들 및 의존성들을 기술하는 그런 컴퓨터 구현 시뮬레이션 모델들을 생성함으로써 수행되었다. 그 모델들은 파라미터들의 세트 및 초기 조건들로부터 시스템의 거동의 예측을 가능하게 한다.

이러한 모델 사용의 일 예는 WO 공개번호 제2011/161211호에서 제시된 설계 데이터에 기초한 효율적인 에너지 제어를 위한 해법이다. 그것은 상이한 입력 데이터, 이를테면 가동 데이터, 항로 데이터, 일기 예보 및 상이한 환경적 팩터들을 기초로 해양 함선에서 에너지 소비를 제어하는 방법 및 배열체의 일 예를 개시한다. 또한 연료 유형, 연료 비용 등과 같이 연료 자체에 관련된 데이터가 고려된다. 에너지 소모 디바이스들의 에너지 균형은 상기 입력 데이터에 기초하는 계산된 예측치를 기초로 관리된다.

WO 공개번호 제2007/017908호는 설계자들이 선박들의 설계를 지원하는 도구들을 채용하는 것을 가능하게 함으로써 선박 설계의 효율을 증가시키는 설계 도구를 제시한다. 설계 도구는 또한, 센서들로부터 신호들을 수신하고 센서 정보에 따라 운전을 시뮬레이션하고 그에 따라 에너지 시스템을 조정함으로써 운전 중인 선박의 가동 비용을 최적화하는데 사용된다. 그 공개물은 가동 동안 에너지 균형을 제어하기 위해 센서 정보를 또한 고려한다는 점에서 설계 데이터에만 의존하는 해법들의 측면에서의 개선물이다.

이러한 컴퓨터 시뮬레이션들에 부여할 수 있는 신뢰도와 신뢰는 시뮬레이션 모델의 유효성에 의존한다.

성능 변수와 영향을 미치는 입력 변수들 사이의 의존성들을 모델링하는 것은 복잡하고, 경험적 방법들에 기초한다. 종래 기술의 방법들은 인간의 노력과 파라미터들의 수동 설정을 필요로 한다.

덧붙여서, 그 모델들은 개개의 팩터들이 전체 성능에 대해 영향을 미치는 방법에 관한 정보를 제공함에 있어서 불충분하다.

성능 평가 시스템들에서 중요한 이슈는 사용자에게 전체 시스템의 현재 상태의 정보를 제공할뿐 아니라 선택된 작동 조건들에 관한 성능을 평가하는 레퍼런스도 제공하는 것일 것이다.

본 발명의 목적은 선박 성능에 영향을 미치는 상이한 팩터들에 관한 더욱 상세하고 신뢰성 있는 정보를 제공하는 시뮬레이션 모델들을 개발하는 것이다.

출원에서 사용되는 용어들

다음의 용어들이 출원 텍스트에서 사용된다

트림 (trim): 길이 (피치) 방향에서의 선박의 부유 경사 (floating inclination), 즉, 선박의 선수 (fore) 및 선미 (aft) 의 침하 간 차이.

리스트 (list): 횡 (롤) 방향에서의 선박의 부유 경사.

흘수 (draft): 선박의 배중앙부 침하.

부유 위치: 트림, 흘수 또는 리스트, 또는 트림, 흘수 및 리스트의 임의의 조합. 부유 위치은 선박의 배수량 (displacement), 젖은 표면 및 물의 저항에 영향을 미친다.

동력 플랜트 구성: 상이한 동력 생성 및 소모 디바이스들 (디젤 발전기들, 축 발전기들, 폐열 회수 시스템들 등과 같음) 사이의 부하의 공유/분배.

최적의 동력 플랜트 구성: 연료 소비량, 배출량들 등과 같은 최적화 기준들을 충족하는 상이한 동력 생성 및 소모 디바이스들 사이의 부하의 분배.

선박 거동/선박 성능: 예컨대 선박의 이동, 에너지 소비량, 연료 소비량, 및 배출량들을 포함하는 선박의 실제 기능을 기술한다.

선박 운전: 엔진들 및 전기 디바이스들을 구동하고 선박을 이동시키기 위한 선박의 조종 (maneuvering) 과 조향 (steering) 및 제어 액션들을 설명한다.

함선: 선박과 동의어로 사용됨

해황 (sea state): 파고, 파도 주기, 파도 방향, 너울 (swell), 바람 유발 파도들 등에 의해 결정된 바다의 상태.

본 발명은 선박의 성능의 평가를 위한 컴퓨터 구현 방법 및 시스템을 제공한다. 그 방법에서, 선박의 하나 이상의 성능 변수들과 그 성능 변수들에 영향을 미치는 동적 입력 파라미터들이 정의된다. 성능 변수들과 동적 입력 파라미터들 사이의 의존성들이 그 다음에 컴퓨팅에 의해 자동으로 학습된다. 선박의 성능을 시뮬레이션하기 위한 초기 모델은 상기 초기 모델에서 성능 변수들과 동적 입력 파라미터들 사이의 상기 의존성들에 의해 생성된다. 센서들로부터의 측정 결과들은 상기 초기 모델에서 사용되는 전술한 입력 파라미터들 대신에, 그 모델에서 사용될 새로운 동적 입력 파라미터들의 세트를 생성하기 위해 선박의 운전 동안 획득된다. 초기 모델은 장래의 운전에서의 모델로서 사용되기 위해 업데이트되고, 그 모델이 사용될 모델에 대한 미리 설정된 품질 기준들을 만족하기까지 그 모델은 추가로 업데이트된다. 업데이트된 모델은 성능 변수들 중 하나 이상에 대한 주어진 입력 파라미터의 영향을 분석하는데 사용된다.

본 발명의 시스템은 훈련 데이터를 입력으로서 취하는 학습 알고리즘을 정의하는데, 그 학습 알고리즘은 초기 모델을 만들 때 기본 입력 데이터를 구성하는 이전의 지식에 기초할 것이다. 그 모델의 업데이트에서, 센서 신호들로부터의 새로운 입력 데이터의 세트는 초기 모델에서 사용되는 데이터 대신에 새로운 훈련 데이터로서 사용된다. 그 학습 알고리즘은 입력 파라미터들이 성능 변수에 얼마나 영향을 미치는지를 학습한 후 훈련 데이터로부터 모델을 출력한다. 그 모델은 파라미터 세트들과 성능 변수 사이의 의존성 정의들뿐만 아니라 가능한 피처 (feature) 사양들을 포함한다. 그 학습 알고리즘은 일반적이고, 상이한 훈련 데이터가 입력으로서 주어지는 경우 상이한 모델들을 생성할 것이다.

바람직한 본 발명의 실시형태들은 종속 청구항들의 특징들을 가진다.

그 모델을 생성함에 있어서, 본 발명은 의존성 정의를 위한 컴퓨테이션적 학습 방법들을 사용한다.

따라서, 그 모델은 미리 정의된 완료 및 품질 기준들을 만족하기까지 자신을 계속 개선한다. 정지 기준들은, 예컨대, 신호의 변동의 예상되는 범위와 비교되는 입력 신호의 변동의 범위, 이전에 보인 데이터와 비교되는 새로운 입력 데이터의 부가적인 정보 내용, 모델의 예측 성능, 모델 파라미터들의 통계적 유의도 (significance), 데이터의 양의 통계적 유의도 등을 포함할 수 있다. 그 모델은 또한, 입력 데이터의 품질을 모니터링하고 이를테면 예측된 값 및 측정된 값 사이의 차이의 역학 (dynamics), 뿐만 아니라 입력 신호들의 거동에 기초하여 측정 신호들의 신뢰도를 평가한다. 덧붙여서, 입력 신호들 및 출력 신호들 사이의 상호 의존성들이 그 모델에 의해 모니터링될 수 있고, 측정된 입력 신호들 사이의 의존성들이 변화하면, 그 모델은 측정 이력, 현재 값들에 기초하여 그 양을 추정할 수 있다. 그 추정에 더하여, 일단 그 모델이 훈련되면, 그 모델을 사용하여 센서들의 고장을 인식하는 것이 가능하다.

품질 제어에서, 측정들 사이의 관계, 측정의 자신의 역동성 및 측정들의 물리적 변동들이 모니터링된다. 이는 예컨대 선박의 속력에 의해 예시될 수도 있다. 선박은 전체가 매우 크고 그것의 속력은 매우 빠르게 변화할 수 없다. 그 모델은 그 측정이 신뢰될 수 있는지의 결정을 하기 위해 선박의 전술한 상태에 대한 속력 측정과 다른 측정들을 비교함으로써 불가능한 변화들과 너무 크게 될 것으로 정의된 차이들 또는 이치에 맞지 않는 변화들을 고려할 수 있다. 그 측정이 신뢰될 수 없으면, 그 모델은 예컨대 그것을 무시할 것을 결정할 수 있다.

다른 예는 측정 에러들에 관련된다. 선박의 최대 속력은 알려져 있고, 예컨대 그것을 초과하는 측정 값은 물리적으로 불가능한 값일 수 있고 훈련 데이터로부터 삭제될 수 있다. 그 모델을 사용하는 것에 의해, 이들 측정들은 무시될 수 있거나 또는 그 측정들을 기술하는 관계들, 전술한 값들, 다른 측정들로의 정보 및 역학을 기초로 일부 다른 값인 것으로 추정될 수 있다.

그 알고리즘은 성능 변수와 센서들로부터의 동적 입력 파라미터들 사이의 의존성들을 정의하기 위하여, 이를테면 센서 데이터 또는 데이터베이스들로부터의 경험적 데이터에 기초하여 거동들을 진전시킬 것을 컴퓨터에게 지시한다. 그 의존성들은 패턴들을 인식하기 위하여 컴퓨팅에 의해 그리고 시스템에 피드되는 새로운 입력 데이터에 따라 유용한 출력들을 만듦으로써 자동으로 학습된다. 그 거동들이 복잡한 다차원 시스템으로부터 통상적으로 기록되는 경험적 데이터에 기초하므로, 그 의존성들은 보통 다차원적이고 비선형적이다.

이전의 지식은 특성들의 미지의 기본 확률 분포의 관심 특성들을 캡처하기 위해 사용될 수 있다. 기본 입력 데이터는 관찰된 변수들 사이의 관계들의 예들로 이루어질 수 있다. 학습의 결과로서 입력들을 원하는 출력들에 매핑하는 함수가 생성된다.

선박의 장비의 성능이 열악한 운전에 관한 것보다 작동 조건들에 관해 상당히 더 많이 가변한다는 것은 해양 애플리케이션들에서 매우 전형적이다. 예를 들어, 심해에서, 함선의 추진 동력에서의 가장 큰 변동은 함선의 속력뿐만 아니라 바람, 날씨 및 파도들로부터 온다. 이들 작동 조건들은 성능을 평가하는 경우 고려될 필요가 있다.

본 발명은 선박 성능과 그 성능에 대한 개개의 팩터들의 영향을 평가하기 위해 운전 동안의 실제 조건들을 고려하는 평가에 대한 해법을 제공한다.

본 발명에서의 필수적인 아이디어는 각각의 성능 변수가 그 변수에 영향을 미치는 작동 조건들을 고려하는 레퍼런스에 관련하여 주어지는 트랜드 또는 수로서 도시될 수 있다는 것이다. 이는 예컨대, 주어진 환경들에서 변수의 변동 범위에 기초하는 성능 변수에 대한 목표를 제시함으로써 행해질 수 있다.

선박의 운전 동안 수집된 실제 데이터에 기초하여 장비의 성능을 평가하려고 시도하는 경우, 다차원 및 비선형적 관계들로 인해 하나의 특정 조건 팩터의 영향을 모든 다른 변화하는 조건들로부터 분리하는 것은 곤란하다. 측정치들이 획득되는 임의의 장치 또는 디바이스, 예컨대 냉동을 생성하는 기계들을 의미하는 장비에 대해, 그것의 동력 요구는 선박의 환경과 상황, 추진 시스템에 의존하며, 그것의 동력은 예컨대 속력, 바람, 및 흘수에 의존한다.

본 발명은 상이한 조건들의 영향이 평가될 수 있도록 성능 측정들의 다양한 조건부 팩터들의 영향을 제거하기 위한 정규화 방법을 사용한다. 본 발명은 또한, 어떤 시스템이 효율적으로 작동되고 있는지의 여부를 체크하는데뿐만 아니라 측정된 동적 파라미터들에 관한 디바이스의 성능을 평가하는데 사용될 수 있다.

데이터는 상황들 및 다른 팩터들을 측정된 데이터에서 고려함으로써 정규화에 의해 수정되며, 그래서 나쁜 운전 또는 점진적 고장으로 인한 성능 저하는 인식될 수 있다.

선박 성능의 평가를 위한 현재의 종래 기술 해법들은 원하는 조건부 영향 팩터들을 선박의 모델링된 성능에 영향을 주는 모든 팩터들로부터 분리하는 방법들을 제공하지 못한다.

본 발명은 따라서 상이한 입력 데이터와 주어진 성능 변수들 사이의 의존성들의 자동 학습과 같이, 선행 기술의 시스템들과 비교되는 여러 장점들을 제공한다. 더욱이, 입력 값들의 성능 변수에 대한 영향은 평가될 수 있다.

본 발명은 또한, 개개의 팩터들의 영향이 예측될 수 있도록 데이터를 정규화함으로써 그리고 자기 학습 알고리즘에 의해 선박 성능에 대한 실제적이고 단순화된 모델링 해법을 제공한다. 성능 및 조건 측정치들의 정규화는 모델로부터 선택된 외부 조건들의 영향을 제거함으로써 수행된다.

더구나, 본 발명은 시스템의 성능이 장비 조건들, 장비 튜닝 상태 및/또는 장비를 사용하는 방법에 의해 영향을 받는 방법에 대한 가시성을 제공한다.

개발된 시스템들은 임의의 주어진 조건에 관한 임의의 성능 변수를 해양 함선 상의 대등한 상태로 정규화한다. 정규화된 조건은, 함선들 간에, 함선 상의 장비들 간에 또는 장비의 또는 함선의 현재 및 이전의 상태들 간에 신뢰성 있는 비교를 위해 사용될 수 있다.

상이한 환경들 및 조건들의 영향이 측정치들로부터 정규화된 경우, 상이한 조건들에서 작동하는 선박들은 서로 비교될 수 있다. 하나의 선박에서의 또는 다른 선박들에서의 유사한 장치들은 상이한 조건들 및 작동 지점들이 고려되는 경우 비교될 수 있다.

그 모델은 조건부 확률 분배를 사용함으로써 성능의 조건부 분배를 예측하는데 사용될 수 있다. 성능 변수에 대한 예상되는 값은 예측될 수 있고 그것의 변동 범위는 조건부 (예컨대 고정된, 측정된, 현재) 환경들에서 예측될 수 있다.

개개의 장치 또는 디바이스의 저하는 모델이 더 이상 훈련되지 않는 경우 인식될 수 있다. 그 모델이 획득된 측정치들을 기초로 성능 변수에 대한 레퍼런스 또는 변동 범위 또는 목표를 제공하므로, 레퍼런스 시작들로부터의 편차가 오랜 실행에서 일어나는지를 식별하는 것이 가능하다. 예를 들면, 주어진 디바이스의 동력 소비량이 측정된 환경들에서의 주어진 레퍼런스 또는 목표로부터 체계적으로 벗어나면, 디바이스에 이상이 있다고 의심할 수 있다.

현재 측정된 성능 변수와 그 성능 변수의 조건부 분배는 조건부 분배의 파라미터들로 정규화되는 인덱스를 컴퓨팅하는데 사용될 수 있다.

많은 상이한 변수들은 본 발명의 방법이 구현될 수 있는 선박의 성능에 영향을 미친다. 실제 성능 변수는 모니터링될 장치에 의존한다. 에너지 소비량은 하나의 이러한 변수이다. 다른 가능한 성능 변수들은 예컨대 동력 소비량, 시간, 압력 등에 관련한다. 따라서, 본 발명은 예컨대, 단일 축 기계 축선 (shaftline) 함선에서의 주 엔진의 연료 소비량에 대한 토크 및 회전 속력의 영향을 계산하기 위해 구현될 수 있다. 토크와 회전 속력은 축 동력을 특징화하는데, 이 축 동력은 (환경 조건들을 고려하여) 주 엔진의 연료 소비에서 수학적 관계를 가질 것이다. 그 관계가 변화하면, 예컨대 주 엔진이 모델이 예측하는 것보다 더 많이 체계적으로 소비하면, 엔진은 유지보수를 필요로 할 것이다. 모터가 주어진 속력에서 모델에 의해 예측된 것보다 많이 진동하면, 이는 베어링들이 마모되었다는 표시일 것이다. 또 다른 예는 환경 조건들 (날씨, 바람, 파도들, 해수 온도, 습도 등) 및 가동 조건들 (속력, 흘수, 깊이 등) 의 함수인 전체 함선의 연료 소비일 것이다. 함선이 모델에 의해 예측된 것보다 우세한 환경들에서 더 많이 소비하면, 그 원인은 함선 (프로세스들, 디바이스들 등) 의 열악한 운전뿐만 아니라 장비의 저하된 성능일 수 있다. 대체로, 성능 값은 운전 레벨에 대한 (전체 선박의 에너지 소비량) 또는 장치 레벨에 대한 (개개의 디바이스의 소비량) 또는 프로세스 레벨에 대한 (환기를 위해 필요한 총 소비량과 같은) 목표일 수 있거나 또는 그것은 심지어 지점 A에서부터 지점 B까지의 소비량, 시간 등일 수 있다. 상이한 외부 조건들은 모델의 생성 시에 고려될 수 있는 상이한 성능 값들에 영향을 미친다.

따라서, 본 발명은 임의의 성능 변수에 대해 구현될 수 있으며, 그 성능 변수의 변동 또는 변화는 일정한 조건들에서의 장치의 성능, 설정들 또는 운전의 저하에 관해 알려준다. 본 발명의 모델 기반 접근법은 이 성능 변수에 대한 조건들의 의존성을 모델링하며, 이로 인해 장치의 동작 조건, 나쁜 운전에 의해 유발된 변동은 더욱 명확하다.

필수적인 아이디어는 성능 값과 그 성능 값에 영향을 미치는 파라미터들을 정의하는 것과 그것들 모두의 데이터를 수집하는 것과 모델 및 파라미터들 사이의 관계들을 기술하는 모델을 생성하는 것이다. 그 다음에 그 모델은 성능 변수에 의해 기술되는 시스템 또는 디바이스의 성능이 얼마나 양호한지를 평가하기 위해 정규화를 위해 사용될 수 있다.

다음으로, 본 발명은 에너지 소비가 성능 변수의 일 예로서 취해지는 상세한 실시형태에 의해 설명될 것이다. 본 발명은 도면들의 실시형태들의 세부사항들을 제한하지 않는데 위에서 제시된 바와 같이 많은 다른 실시형태들이 주요 청구항들에 의해 제한되는 본 발명의 범위 내에서 가능해서이다.

도 1은 본 발명의 일 실시형태를 블록도의 형태로 나타낸다.
도 2는 본 발명의 흐름 체계를 나타낸다.

도 1은 본 발명의 특정 실시형태를 블록도의 형태로 나타내고, 에너지 소비량이 성능 변수로서 선택된 선박 성능의 모델의 생성을 예시한다. 그것은 모델을 개선하기 위해 본 발명의 아이디어에 따라 선상 조건들이 고려되는 방법을 도시한다.

출발지의 항구 (port) 부터 목적지의 항구까지 함선을 이동시키고 안내하는 임무의 함선에서의 에너지 소모 디바이스들은 추진 에너지에 관련한 것들이다. 다른 에너지 소모 디바이스들, 이를테면 조명, 펌핑, 난방, 환기 등을 위한 보조 디바이스들은 함선의 이동과는 부분적으로 무관하다.

예컨대, 선박의 에너지 소비에 관련된 여러 팩터들 및 파라미터들은 선박의 실제 운전에서뿐만 아니라 선상의 상이한 엔진들 및 보조 디바이스들 상의 에너지 부하의 분배에서 고려된다.

에너지 소비량은 상이한 디바이스들의 공동-액션에 의해 결정될뿐 아니라 선박의 운전 동안의 외부 조건들, 이를테면 날씨와 해류들, 및 바다 깊이들과 가동 파라미터들, 이를테면 속력, 배출량 목표들, 작동 시간들, 및 상이한 종류의 요구들을 가지는 항만에서의 드라이브, 공해 드라이브 또는 조종 드라이브와 같은 운전의 모드들에 의해서도 영향을 받는다.

본 발명에서, 초기 시뮬레이션 모델이 선박의 성능을 시뮬레이션하기 위해 생성된다. 그 모델은 (에너지 부하 및 에너지 분배와 같은) 운전 동안의 선박에 관련된 팩터들과 상기 팩터들에 의존하는 동적 입력 데이터를 나타내는 파라미터들 사이의 관계들을 정의한다.

도 1의 블록도는 기계들, 센서들, 제어 및 관리 유닛들, 및 데이터 핸들링 유닛들을 나타내는 블록들로 구성된다. 블록들로부터의 화살표들은 블록들의 출력을 기술하고 블록들로의 화살표들은 블록들의 입력을 기술한다.

동력 발생/전기 시스템 유닛 (2) 은 함선의 필요에 대해 요구된 전력을 발생하고 프로펠러들에 대한 추진 동력을 생성한다. 따라서, 동력 발생/전기 시스템 유닛은 추진 유닛 (3) 에 그리고 보조 유닛 (4) 으로서 심볼화되는 모든 전력 소모 디바이스들에 에너지를 공급한다.

선박 성능에 대한 초기 시뮬레이션 모델의 생성에서, 동력 발생/전기 시스템 유닛 (2) 으로부터의 정보는, 시스템 상의 올바른 에너지 균형을 위한 모델을 발견하기 위하여 이용가능한 동력에 대해 부하 지점들로부터 모든 기본 데이터를 얻는 모델을 생성하는 프로세서 유닛 (1) 으로 전달될 것이다. 예컨대 발전기들의 수는 시뮬레이션 모델에서 가능한 한 효율적으로 요구된 전력을 생산하도록 결정된다.

초기 항로 정보 (7), 이를테면 항구들의 데이터와, 날씨 정보 (8), 이를테면 일기 예보들, 해류 데이터 (14), 해황 (13) 및 바다 깊이들이 또한 초기 모델의 생성에서 고려된다.

항구들의 데이터 (7) 는 시작 지점에서부터 목적지점까지의 그리고 이들 지점들 사이의 임의의 중간 지점들의 항구들에 대해 이용가능한 정보를 제공한다. 입력 데이터와 시작 지점에서부터 종료 지점까지의 항해가 계산될 동안 해양 함선이 직면할 외력들뿐만 아니라 선박의 현재 운전에서 사용될 에너지 소비량에 대한 추정값을 고려하는 항로 계획이 생성된다.

선박 (9) 의 속력 데이터, 미리 예측될 수 있다면 해양 함선이 예컨대 공해 모드 또는 항구 모드와 같이 작동하게 하는 특이사항 (particular) 들을 정의하는 명령들 및 데이터로 이루어진 가동 모드 (11) 와 같은 외력들 이외의 것들을 초기 모델의 생성에서 고려하는 것이 또한 가능하다. 작동 시간들 (12) 은 상이한 가동 모드들 및 그들의 시퀀스들의 지속기간을 정의하고 초기 모델에서 또한 사용될 수 있다. 연료 비용 (10) 은 사용될 연료 유형들 및 프로세스를 제공한다.

연료/연료 품질 유닛 (6) 은 운전의 가장 효율적인 방도를 발견하기 위하여 이용가능한 연료들 및 그들의 특성들의 정보를 가진다. 그 유닛은 엔진이 효율적인 방도로 작동하는 것과 배출량 목표들을 고려하는 것을 가능하게 한다.

시뮬레이션 모델 (1) 은 선박의 운전 동안 계속해서 수집된 신선한 정보를 이용함으로써 계속해서 개선된다. 따라서 항로 (7), 날씨 (8), 속력 (9), 연료 비용 (10), 가동 모드 (11), 작동 시간들 (12), 배출량들 (미도시), 엔진 (5), 해황 (13) 및 해류들 (14) 에 관한 신선한 정보는 수집되고 모델 (1) 을 업데이트하기 위한 입력으로서 피드된다.

더욱이, 시뮬레이션 모델 (1) 은 엔진 (3) 으로부터의 입력을 가질 수 있는데, 그 입력은 동력 플랜트 최적화의 효율 곡선으로 이루어진다. 속력/동력 보고서가 함선이 작용하는 실제 외력들에 기초하여 생성된다. 유닛 당 동력은 함선의 속력의 함수이다. 실제 속력/동력 값은 항해 동안, 예를 들어 함선이 코스를 바꾸거나 또는 얕은 물로 들어가거나 또는 해류가 변화하는 경우 여러 번 변화할 것이다.

그 엔진 (5) 으로부터의 입력은 또한 배출량들의 정보로 이루어지며, 이로 인해 엔진의 배출량들은, 그 배출량들과 규칙들 또는 당국에 의해 설정된 배출량 목표와 비교하고 배출물들의 양을 목표 값들 미만으로 제한하기 위하여 모델에 입력된다.

배출량들 및 효율 곡선에 대한 초기 정보는 선박의 운전을 위한 기초가 되는 초기 모델을 생성함에 있어서 또한 고려될 것이다.

시뮬레이션 모델 (1) 에 대한 입력은 선박의 운전에 대한 현재 운전 파라미터들 및 실제 선상 조건들 양쪽 모두의 정보로 이루어질 수 있다 선상 조건들의 정보는 선박의 운전 동안 선상의 센서들로부터의 신호들에 의해 주어진다. 그 신호들은 모델을 생성하고 입력 데이터를 프로세싱하는 프로세서 유닛 (1) 에 의해 직접 수신되고 그 신호들은 선박 성능에 영향을 미치는 동적 파라미터들의 신선한 정보를 이용하기 위해 생성된 시스템에서 사용되는 시뮬레이션 모델에 의해 프로세싱된다.

획득된 신호들은 선박의 운전 동안의 센서들로부터의 측정 결과들을 나타내고 시뮬레이션 모델의 업데이트에서 사용될 새로운 동적 입력 데이터의 세트를 생성하기 위해 사용된다. 선박 운전에 대한 최적화된 시뮬레이션 결과는 그러면 시뮬레이션 모델에서 상기 생성된 입력 데이터를 사용하여 계산된다. 최적화된 시뮬레이션 결과는 그 다음에 시스템에서 제어 유닛 (미도시) 으로부터의 입력으로서 수신되었던 실제 선박 운전과 비교된다.

시뮬레이션 결과와 실제 운전 사이의 차이가 정의된 임계 기준들을 초과하면, 그 모델은 외부 팩터들과 운전 및 배출량들에 관련된 팩터들과 같은 동적 입력 데이터와 부하의 분배 사이의 관계들을 재정의함으로써 개선된다.

상기 새로운 입력 데이터는 개선된 모델을 만들기 위하여 모델의 업데이트에서 고려된다. 센서들에 의해 주어진 바와 같은 상기 새로운 입력 데이터는 운전 전에 초기 모델을 생성함에 있어서 사용되었던 동일한 종류의 입력 데이터, 즉, 날씨 (7) 및 항로 (8) 데이터, 항구들의 데이터, 함선의 속력 (9), 함선의 가동 모드 (10), 가동 시간들에 대한 정보 (11), 연료 비용 (13), 그리고 엔진으로부터의 효율 곡선 및 배출량들 (3) 을 포함한다. 물론 일부 입력 데이터는 변화되지 않을 수도 있다. 그 모델은 경우와 실제 조건들에 의존하여 본원에서 언급된 것과는 다른 입력들을 가질 수도 있다. 일부 실시형태들에서 언급되는 모든 이들 입력들은 그 모델에서 사용되지 않을 수도 있다. 모든 개조들은 본 발명의 범위에 속한다.

본 발명에서 생성된 모델은 하나 이상의 선택된 입력 파라미터들의 성능 변수에 대한 영향을 분석하는데 이용될 수 있다. 이는 도 2에서 더 상세히 나타내어진다.

도 2는 본 발명을 흐름 체계의 형태로 나타낸다.

본 발명은 선박의 성능의 평가를 위해, 그리고 특히 특정한 성능 변수 또는 여러 성능 변수들에 대한 특정한 조건들 또는 가변하는 파라미터들의 영향의 평가를 위해 컴퓨터 구현 방법을 이용한다. 이러한 성능 변수는 예컨대 선박 상의 장비의 에너지 소비량, 연료 비용, 또는 선박들 상의 소비자 디바이스들에 대한 에너지 분배 또는 발명의 내용에서 언급되었던 일부 다른 변수 예들일 수도 있다.

그 방법에서, 선박의 하나 이상의 성능 변수들과 성능 변수(들)에 영향을 미칠 동적 변수 입력 파라미터들은 그러므로 단계들 (1 및 2) 에서 각각 정의된다. 가능한 입력 파라미터들, 이를테면 항로에 관한 정보, 날씨 및 바다 데이터, 선박의 속력, 연료 비용, 가동 모드에 관한 정보 및 작동 시간들, 에너지 소비 데이터 형태의 엔진으로부터의 정보, 및 배출량들 및 목표 배출량들에 관한 정보가 도 1에 관련하여 제시되었다.

그 다음에 예측된 운전의 데이터뿐만 아니라 이전의 성능 변수의 데이터 및 기본 입력 데이터는 단계 (3) 에서 프로세서에 피드된다.

초기 시뮬레이션 모델의 생성을 위해, 본 발명의 시스템은 입력으로서 훈련 데이터를 취하는 학습 알고리즘을 정의하는데, 그 학습 알고리즘은, 초기 모델을 상기한 바와 같이 되도록 함에 있어서, 기본 입력 데이터 및 상기 입력 데이터에 의존하는 성능 변수를 구성하는 이전의 지식에 기초한다.

그 다음에 그 알고리즘은 기본 입력 파라미터들과 성능 변수 사이의 의존성들을 자동으로 학습하고, 단계 (4) 에서 초기 시뮬레이션 모델의 생성에 사용될, 이들 의존성들을 기술하는 함수를 정의할 수 있다.

선박의 성능을 시뮬레이션하기 위한 초기 모델은 그 다음에 그 알고리즘에 의해 단계 (5) 에서 성능 변수와 상기 초기 모델에서 동적 입력 파라미터들로서 사용될 기본 입력 데이터 사이의 상기 의존성들에 의해 생성될 수 있다.

프로세서는 단계 (6) 에서는 모델에서 상기 기본 입력 데이터 대신 사용될 새로운 동적 입력 데이터의 세트를 생성하기 위한 측정 결과들을 선박의 운전 동안 센서들로부터 획득한다.

단계 (7) 에서 시뮬레이션되는 모델 성능은 단계 (8) 에서 품질 기준들과 비교된다. 비교는 시뮬레이션 결과와 선박의 실제 운전을 비교함으로써 일어나고, 그 차이가 미리 설정된 임계 값을 초과하고 모델에 대한 세트 품질 기준들이 단계 (8) 에서 고려될 때 충족되지 않으면, 품질 기준들이, 단계 (5) 에서, 모델의 생성에서 입력 데이터의 상기 새로운 세트를 사용함으로써, 초기 모델을 지금 생성하는 대신, 업데이트된 모델이 생성되는, 즉, 초기 모델 개선되는 차이로 만족되기까지, 그 모델은 단계 (5) 내지 단계 (8) 을 반복함으로써 업데이트된다.

본 발명은 따라서 선상의 장비의 성능 측정치와 작동 조건들 사이의 관계들을 캡처하는 자기 학습 모델을 제공한다. 그 모델은 운전 동안 임의의 인간 노력 없이 성능 변수 및 작동 조건들을 사이의 의존성들을 자동으로 학습할 수 있다. 일단 모델이 충분히 고려되는 정도까지 소비자 거동을 예측할 수 있으면, 그 모델은 장비의 성능을 분석하는 것을 시작할 수 있다.

단계 (10) 에서, 업데이트된 모델은 입력 파라미터의 성능 변수에 대한 영향을 분석하는데 사용된다.

그 모델에서 소비자 측정치들로부터 작동 조건들의 영향을 정규화함으로써, 예컨대 장비 마모 또는 열악한 운전으로 인한 성능 저하는 쉽사리 발견될 수 있다.

나타낸 바와 같이, 단계 (5) 내지 단계 (8) 은 품질 기준들이 만족되지 않아야만 반복된다. 따라서, 단계 (9) 에서 제 1 비교 후에 이미 품질 기준들이 충족되면, 심지어 초기 모델도 성능을 평가하는데 이론적으로 사용될 수 있다.

단계 (10) 은 성능 변수에 대한 각각의 입력 변수의 영향을 분리하는 모델을 사용함으로써 그리고 관심 없는 입력 변수들의 영향을 제거함으로써 수행된다.

획득된 결과는 불필요한 영향을 미치는 팩터들이 제거된 정규화된 성능 변수이다.

본 발명의 모델은 따라서 성능 변수의 조건부 분배를 예측할 수 있다. 현재 측정된 성능 변수와 그 성능 변수의 조건부 분배는 조건부 분배의 파라미터들로 정규화되는 인덱스를 컴퓨팅하는데 사용될 수 있다.

다르게 말하면, 이들 조건들에서 성능 변수가 어느 범위 내에서 가변하는지가 예측될 수 있다. 단순화된 예로서, 주변 온도는 선박 운전 동안 많이 가변한다. 모델이 선박 HVAC (Heating, Ventilation and Air Conditioning) 의 에너지 소비량을 예측하면, 에너지 소비량은 예상되는 소비량에 더하여 HVAC 시스템의 조건부 (측정된 주변 온도에 대해 조건부임) 변동 범위를 가진다. 예를 들면 예상되는 HVAC 에너지 소비량 및 측정된 주변 온도 조건에서의 그것의 변동 범위는 관심 대상이면, 측정된 주변 온도는 모델에 대한 입력으로서 주어지고, 이로 인해 그 모델은 일반적인 조건들에서 예상되는 HVAC 소비 및 변동 범위를 제공한다. 그러면 측정된 HVAC 소비량이 변동 범위에 비례하는 인덱스가 주어질 수 있다. 예컨대 0 ~ 100일 수 있는 인덱스가 획득될 수 있는데, 100은 HVAC가 예상된 것보다 상당히 적게 소비한다는 것을 의미하고 0은 소비가 예상된 것보다 상당히 많이 소비한다는 것을 의미한다. 인덱스가 100에 가까운 경우 HVAC 시스템의 성능 및 운전은 동일한 작동 조건들에서 과거의 성능에 비하여 매우 양호하다는 것이 이런 식으로 매우 빠르게 보여질 수 있다.

Claims (16)

1. 선박의 성능의 평가를 위한 컴퓨터 구현 방법으로서,
   a) 선박의 하나 이상의 성능 변수들과 상기 성능 변수들에 영향을 미치는 동적 입력 파라미터들을 정의하는 단계,
   b) 상기 성능 변수들 및 상기 동적 입력 파라미터들에 의해 상기 선박의 성능을 시뮬레이션하기 위한 초기 모델을 생성하는 단계,
   c) 새로운 동적 입력 파라미터들의 세트를 생성하기 위해 상기 선박의 운전 동안 센서들로부터 측정 결과들을 획득하는 단계,
   d) 상기 성능 변수들과 상기 동적 입력 파라미터들 사이의 의존성들을 자동으로 학습하는 단계,
   e) 추가의 운전에서 사용될 모델을 상기 모델이 미리 설정된 품질 기준들을 만족하기까지 업데이트하는 단계,
   f) 성능 변수에 대한 입력 파라미터의 영향을 분석하기 위해 상기 업데이트된 모델을 사용하는 단계를 포함하는, 선박의 성능의 평가를 위한 컴퓨터 구현 방법.
2. 제 1 항에 있어서,
   상기 성능 변수에 대한 추가의 입력 파라미터들의 영향을 분석하는 것을 특징으로 하는, 선박의 성능의 평가를 위한 컴퓨터 구현 방법.
3. 제 1 항에 있어서,
   상기 업데이트된 모델은 상기 측정 결과들에 대한 디바이스의 성능을 평가하는데 사용되는 것을 특징으로 하는, 선박의 성능의 평가를 위한 컴퓨터 구현 방법.
4. 제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
   상기 모델에 의한 측정치들로부터 선택된 조건들 또는 팩터들의 영향을 제거하고, 상기 영향 없이 상기 성능 변수의 값에 대한 추정치를 제시하는 것을 특징으로 하는, 선박의 성능의 평가를 위한 컴퓨터 구현 방법.
5. 제 1 항 내지 제 4 항 중 어느 한 항에 있어서,
   성능을 평가하기 위해 상기 모델을 사용하는 것을 특징으로 하는, 선박의 성능의 평가를 위한 컴퓨터 구현 방법.
6. 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
   상기 성능 변수의 조건부 분배를 예측하기 위해 상기 모델을 사용하는 것을 특징으로 하는, 선박의 성능의 평가를 위한 컴퓨터 구현 방법.
7. 제 6 항에 있어서,
   상기 조건부 분배의 파라미터들로 정규화되는 인덱스를 컴퓨팅하기 위해 현재 측정된 성능 변수와 상기 성능 변수의 조건부 분배를 사용하는 것을 특징으로 하는, 선박의 성능의 평가를 위한 컴퓨터 구현 방법.
8. 제 6 항 또는 제 7 항에 있어서,
   성능 값이 프로세스 레벨, 장치 레벨 또는 운전 레벨에서의 목표인 것을 특징으로 하는, 선박의 성능의 평가를 위한 컴퓨터 구현 방법.
9. 제 1 항 내지 제 8 항 중 어느 한 항에 있어서,
   성능 값이 상기 선박의 총 에너지 소비량, 상기 선박 상의 하나 이상의 개개의 디바이스들의 에너지 소비량, 상기 선박의 동력 소비량, 상기 선박 상의 하나 이상의 개개의 디바이스들의 동력 소비량, 운전을 완료하는 시간, 파이프들, 덕트들 및 굴뚝들에서의 압력 (압력 차이, 유량, 온도), 오일 또는 다른 액체의 데브리 (debris) 또는 청정도 (cleanliness), 상기 선박의 하나 이상의 개개의 디바이스들의 연료 소비량, 상기 선박 상의 회전하는 디바이스의 진동 에너지, 상기 선박의 하나 이상의 디바이스들에서의 운전의 저항, 및 디바이스에 의해 생성된 토크 또는 힘인 것을 특징으로 하는, 선박의 성능의 평가를 위한 컴퓨터 구현 방법.
10. 제 1 항 내지 제 9 항 중 어느 한 항에 있어서,
    상기 동적 입력 파라미터들은, 항로, 날씨, 해류, 속력, 바다 깊이, 주변 온도, 대기 습도, 함선 모션, 부유 위치 (흘수, 트림, 리스트), 함선에서의 추진 및 보조 장비의 설정값들, 연료 비용, 가동 모드, 운전 시간들, 및 배출량들과 같은 가동 조건들, 또는 회전 속력, 온도, 유량, 데브리 또는 청정도, 진동, 가속도, 시간, 저항성, 파워, 전류, 토크, 힘, 물리적 부하, 압력 또는 압력 차이와 같은 물리적 측정치들에 관한 정보로 이루어지는 것을 특징으로 하는, 선박의 성능의 평가를 위한 컴퓨터 구현 방법.
11. 제 1 항 내지 제 10 항 중 어느 한 항에 있어서,
    획득된 측정치들이 잘못된 것으로 평가되면, 다른 측정치들, 전술한 값들, 및/또는 측정치들을 기술하는 관계들로부터의 정보 및 역학을 기초로 측정치들을 무시하거나 측정치들을 일부 다른 값인 것으로 추정함으로써, 측정 데이터 품질 및 신뢰도뿐만 아니라 모델의 품질 및 모델링 결과들을 계속적으로 모니터링하고 평가하는 것을 추가의 특징으로 하는, 선박의 성능의 평가를 위한 컴퓨터 구현 방법.
12. 선박의 성능을 평가하는 선박내 시스템으로서,
    a) 컴퓨터 모델을 갖는 프로세서 유닛으로서, 상기 컴퓨터 모델은,
    - 선박의 성능을 시뮬레이션하며,
    - 선박의 하나 이상의 성능 변수들과 상기 성능 변수들에 영향을 미치는 동적 입력 파라미터들을 정의하며,
    - 상기 성능 변수들과 상기 동적 입력 파라미터들 사이의 의존성들을 자동으로 학습하는 수단을 가지며,
    상기 프로세서 유닛은,
    - 선박의 운전 동안의 측정 결과들을 계속해서 획득하고, 상기 모델에서 이전에 사용된 입력 파라미터들 대신 상기 모델에서 사용될 새로운 동적 입력 파라미터들의 세트들을 생성하기 위해 상기 측정 결과들을 사용하는 수단,
    - 상기 모델을 추가의 운전에서의 모델로서 사용되도록 업데이트하고 상기 모델이 미리 설정된 품질 기준들을 만족하기까지 상기 모델을 추가로 업데이트하는 수단,
    - 하나 이상의 성능 변수들에 대한 입력 파라미터의 영향을 분석하는 수단을 가지는, 상기 프로세서 유닛; 및
    b) 선박의 운전 동안의 측정 결과들을 프로세서로 시그널링하는 센서들을 포함하는, 선박의 성능을 평가하는 선박내 시스템.
13. 제 12 항에 있어서,
    상기 모델은, 상기 모델로부터 비중요 입력 변수들의 영향을 제거하고 정규화된 성능 변수를 기술하는 모델을 제시하는 수단을 가지는 것을 더 특징으로 하는, 선박의 성능을 평가하는 선박내 시스템.
14. 제 12 항 또는 제 13 항에 있어서,
    상기 모델은, 측정 데이터 품질 및 신뢰도뿐만 아니라 상기 모델의 품질 및 모델링 결과들을 계속적으로 모니터링하고 평가하는 수단을 가지는 것을 더 특징으로 하는, 선박의 성능을 평가하는 선박내 시스템.
15. 제 12 항 내지 제 14 항 중 어느 한 항에 있어서,
    상기 모델은, 획득된 측정치들이 잘못된 것으로 평가될 경우, 다른 측정치들, 전술한 값들, 및/또는 측정치들을 기술하는 관계들로부터의 정보 및 역학을 기초로 측정치들을 무시하거나 측정치들을 일부 다른 값인 것으로 추정함으로써, 측정 데이터 품질 및 신뢰도뿐만 아니라 상기 모델의 품질 및 모델링 결과들을 계속적으로 모니터링하고 평가하는 수단을 가지는 것을 특징으로 하는, 선박의 성능을 평가하는 선박내 시스템.
16. 선박의 프로세서 유닛에서 실행되는 컴퓨터 프로그램 제품으로서,
    상기 선박의 운전을 시뮬레이션하는 모델로 구성되며,
    상기 모델은 상기 선박의 하나 이상의 성능 변수들과 상기 성능 변수들에 영향을 미치는 동적 입력 파라미터들을 정의하고, 상기 성능 변수들과 상기 동적 입력 파라미터들 사이의 의존성들을 자동으로 학습하는 단계를 수행하고,
    - 이전에 사용된 입력 파라미터들 대신 시뮬레이션에서 새로운 동적 입력 파라미터들의 세트들을 계속해서 사용하는 단계로서, 상기 새로운 동적 입력 파라미터들은 선박의 운전 동안의 센서들로부터의 측정 결과들로부터 생성되는, 상기 새로운 동적 입력 파라미터들의 세트들을 계속해서 사용하는 단계,
    - 미리 설정된 품질 기준들을 만족하기까지 상기모델 자체를 업데이트하는 단계, 및
    - 하나 이상의 성능 변수들에 대한 하나 이상의 입력 파라미터들의 영향을 분석하는 단계를 포함하는, 선박의 프로세서 유닛에서 실행되는 컴퓨터 프로그램 제품.

Images