KR20210144766A - 기계 학습으로 학습된 통계 모델에 의한 탱크의 슬로싱 응답 추정 - Google Patents

기계 학습으로 학습된 통계 모델에 의한 탱크의 슬로싱 응답 추정 Download PDF

Info

Publication number
KR20210144766A
KR20210144766A KR1020217033276A KR20217033276A KR20210144766A KR 20210144766 A KR20210144766 A KR 20210144766A KR 1020217033276 A KR1020217033276 A KR 1020217033276A KR 20217033276 A KR20217033276 A KR 20217033276A KR 20210144766 A KR20210144766 A KR 20210144766A
Authority
KR
South Korea
Prior art keywords
tank
vessel
sloshing
response
estimating
Prior art date
Application number
KR1020217033276A
Other languages
English (en)
Other versions
KR102565923B1 (ko
Inventor
플로랑 우브라르
알라릭 시브라
Original Assignee
가즈트랑스포르 에 떼끄니가즈
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 가즈트랑스포르 에 떼끄니가즈 filed Critical 가즈트랑스포르 에 떼끄니가즈
Publication of KR20210144766A publication Critical patent/KR20210144766A/ko
Application granted granted Critical
Publication of KR102565923B1 publication Critical patent/KR102565923B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B71/00—Designing vessels; Predicting their performance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B43/00—Improving safety of vessels, e.g. damage control, not otherwise provided for
    • B63B43/02—Improving safety of vessels, e.g. damage control, not otherwise provided for reducing risk of capsizing or sinking
    • B63B43/04—Improving safety of vessels, e.g. damage control, not otherwise provided for reducing risk of capsizing or sinking by improving stability
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/10—Monitoring properties or operating parameters of vessels in operation using sensors, e.g. pressure sensors, strain gauges or accelerometers
    • B63B79/15—Monitoring properties or operating parameters of vessels in operation using sensors, e.g. pressure sensors, strain gauges or accelerometers for monitoring environmental variables, e.g. wave height or weather data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/20—Monitoring properties or operating parameters of vessels in operation using models or simulation, e.g. statistical models or stochastic models
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/30—Monitoring properties or operating parameters of vessels in operation for diagnosing, testing or predicting the integrity or performance of vessels
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C3/00—Vessels not under pressure
    • F17C3/02—Vessels not under pressure with provision for thermal insulation
    • F17C3/025—Bulk storage in barges or on ships
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B25/00—Load-accommodating arrangements, e.g. stowing, trimming; Vessels characterised thereby
    • B63B25/02—Load-accommodating arrangements, e.g. stowing, trimming; Vessels characterised thereby for bulk goods
    • B63B25/08—Load-accommodating arrangements, e.g. stowing, trimming; Vessels characterised thereby for bulk goods fluid
    • B63B2025/087—Load-accommodating arrangements, e.g. stowing, trimming; Vessels characterised thereby for bulk goods fluid comprising self-contained tanks installed in the ship structure as separate units
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B25/00—Load-accommodating arrangements, e.g. stowing, trimming; Vessels characterised thereby
    • B63B25/02—Load-accommodating arrangements, e.g. stowing, trimming; Vessels characterised thereby for bulk goods
    • B63B25/08—Load-accommodating arrangements, e.g. stowing, trimming; Vessels characterised thereby for bulk goods fluid
    • B63B25/12—Load-accommodating arrangements, e.g. stowing, trimming; Vessels characterised thereby for bulk goods fluid closed
    • B63B25/16—Load-accommodating arrangements, e.g. stowing, trimming; Vessels characterised thereby for bulk goods fluid closed heat-insulated
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B79/00—Monitoring properties or operating parameters of vessels in operation
    • B63B79/40—Monitoring properties or operating parameters of vessels in operation for controlling the operation of vessels, e.g. monitoring their speed, routing or maintenance schedules
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2201/00—Vessel construction, in particular geometry, arrangement or size
    • F17C2201/01—Shape
    • F17C2201/0147—Shape complex
    • F17C2201/0157—Polygonal
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2201/00—Vessel construction, in particular geometry, arrangement or size
    • F17C2201/05—Size
    • F17C2201/052—Size large (>1000 m3)
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2221/00—Handled fluid, in particular type of fluid
    • F17C2221/03—Mixtures
    • F17C2221/032—Hydrocarbons
    • F17C2221/033—Methane, e.g. natural gas, CNG, LNG, GNL, GNC, PLNG
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2250/00—Accessories; Control means; Indicating, measuring or monitoring of parameters
    • F17C2250/04—Indicating or measuring of parameters as input values
    • F17C2250/0404—Parameters indicated or measured
    • F17C2250/0408—Level of content in the vessel
    • F17C2250/0417—Level of content in the vessel with electrical means
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2250/00—Accessories; Control means; Indicating, measuring or monitoring of parameters
    • F17C2250/06—Controlling or regulating of parameters as output values
    • F17C2250/0689—Methods for controlling or regulating
    • F17C2250/0694—Methods for controlling or regulating with calculations
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2260/00—Purposes of gas storage and gas handling
    • F17C2260/01—Improving mechanical properties or manufacturing
    • F17C2260/016—Preventing slosh
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
    • F17C—VESSELS FOR CONTAINING OR STORING COMPRESSED, LIQUEFIED OR SOLIDIFIED GASES; FIXED-CAPACITY GAS-HOLDERS; FILLING VESSELS WITH, OR DISCHARGING FROM VESSELS, COMPRESSED, LIQUEFIED, OR SOLIDIFIED GASES
    • F17C2270/00—Applications
    • F17C2270/01—Applications for fluid transport or storage
    • F17C2270/0102—Applications for fluid transport or storage on or in the water
    • F17C2270/0105—Ships

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Ocean & Marine Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Medical Informatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Thermal Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Filling Or Discharging Of Gas Storage Vessels (AREA)
  • Feedback Control In General (AREA)
  • Monitoring And Testing Of Nuclear Reactors (AREA)

Abstract

본 발명은 액화 가스의 운송을 위한 밀폐되고 단열된 탱크의 슬로싱(sloshing) 응답의 추정에 관한 것이다. 통계 모델은 해상 테스트 데이터를 포함할 수 있는 테스트 데이터의 세트에 대해 지도 기계 학습 방법(supervised machine learning method)에 의해 학습되며, 통계 모델은 탱크의 충전 수준 및 현재 해상 상태 및 선택적으로 다음 중 적어도 하나: 선박의 드래프트(draft), 선박의 속력 및 선박의 방향의 함수로서 탱크의 슬로싱 응답을 추정할 수 있다. 이러한 방식으로 학습된 통계 모델은 액화 가스를 운송하기 위한 밀폐 및 단열 탱크(2)의 슬로싱 응답을 추정하는 데 사용된다. 변형에서 통계 모델은 탱크의 충전 수준과 현재 해상 상태 및 선택적으로 다음 중 적어도 하나: 선박의 드래프트, 선박의 속력 및 선박의 방향으로부터 슬로싱 응답을 추정한다.

Description

기계 학습으로 학습된 통계 모델에 의한 탱크의 슬로싱 응답 추정
본 발명은 액화 가스의 운송을 위한 밀폐되고 단열된 탱크의 슬로싱(sloshing) 응답의 추정에 관한 것이다. 본 발명은 보다 구체적으로 이러한 종류의 탱크의 슬로싱 응답을 추정할 수 있는 통계 모델을 획득하는 방법들, 이러한 종류의 탱크의 슬로싱 응답을 추정하는 데 사용할 수 있는 데이터베이스를 획득하는 방법들, 및 적어도 하나의 그러한 탱크를 포함하는 선박의 관리 시스템들에 관한 것이다. 본 명세서에서 "선박"이라는 용어는 지구의 두 지점들 또는 부유 처리(floating processing) 및/또는 하나 이상의 액화 가스들의 저장부 사이에서 자체 추진을 위해 액화 가스를 운송 및/또는 사용하는 수단을 지칭한다. 연료로서 액화 가스를 사용하는 선박들의 표준 관행과 같이, LNG 추진 선박들, 컨테이너 선박들, 유람선들 및 벌크선들을 들 수 있다.
밀봉 및 단열 탱크들은, 예를 들어, -50°C에서 및 0°C 사이의 온도에서 액화 석유 가스(LPG라고도 함)를 운송하거나 대기압 및 약 -162°C에서 액화 천연 가스(LNG)를 운송하기 위한 탱크들과 같이 저온에서 액화 가스의 저장 및/또는 운송에 일상적으로 사용된다. 이러한 탱크들은 액화 가스를 운송 및/또는 부유 구조물의 추진을 위한 연료로 사용되는 액화 가스를 수용하도록 의도될 수 있다. 다수의 액화 가스들은 또한, 특히 메탄(methane), 에탄(ethane), 프로판(propane), 부탄(butane), 암모니아 가스, 이수소(dihydrogen) 또는 에틸렌(ethylene)으로 예상될 수 있다.
선박 탱크들은 대기압에서 운송할 수 있는 단일 또는 이중 밀봉막(sealed membrane) 탱크들일 수 있다. 밀봉막들은 일반적으로 얇은 스테인리스 스틸 또는 인바(Invar) 시트로 만들어진다. 하나의 막은 일반적으로 액화 가스와 직접 접촉한다.
운송 중에 탱크에 담긴 액체는 다양한 움직임들을 겪는다. 특히 해상에서 선박의 움직임들, 예를 들어 해상 상태 또는 바람과 같은 기후 조건들의 영향으로 인해, 탱크 내의 액체의 교반(agitation)으로 이어진다. 일반적으로 슬로싱(sloshing)이라고 하는 액체의 교반은 탱크의 벽들에 탱크의 무결성을 손상시킬 수 있는 응력들을 발생시킨다.
이러한 슬로싱 현상은 천연 가스, 이하 LNG, 운송 및/또는 사용자 선박(종종 "연료로서의 LNG" 선박으로 지칭됨) 또는 메탄 탱커(tanker)들에서 발생하며, FPSO(Floating Production Storage & Offloading) 선박으로 알려진 고정 저장 선박, 예를 들어, 일반적으로 FLNG(Floating Liquefied Natural Gas) 장치 또는 FSRU(Floating Storage and Regassification Unit)라고 하는 추출 플랫폼 및 천연 가스 액화 장치로, 즉 보다 일반적으로 부유식 생산, 저장 및 수출 지원체에서도 발생한다. 슬로싱 현상은 액화 가스 화물이 선박이 받는 낮은 놀(swell)에 의해 생성된 자극과 공명하는 경우 거의 잔잔한 해상 조건들에서와 같이 동요된(agitated) 해상 조건들에서 동일하게 발생한다. 이러한 공진의 경우들에서 슬로싱은 특히 수직 벽이나 모퉁이(corner)에서 파도들이 부서지는 경우 극도로 격렬해질 수 있으며, 따라서 액화 가스 밀폐 시스템 또는 상기 밀폐 시스템 바로 뒤에 존재하는 단열 시스템의 열화 위험이 있다.
이제 탱크의 무결성은 예를 들어 LNG 탱크와 같은 액화 가스 탱크라는 맥락에서 운송된 액체의 인화성 또는 폭발성과 누출시 부유 장치의 강철 선체에 콜드 스팟(cold spot)들의 위험이 있는 이유에서 특히 중요하다.
미국 특허 8,643,509는 액화 가스 화물의 슬로싱과 관련된 위험을 줄이는 방법을 개시한다. 그 문서에서 탱크에 있는 액체의 공진 주파수는 탱크와 액체의 충전 수준의 함수로 추정된다. 운송 중 선박의 움직임 주파수는 기후 및 해상 조건들의 함수와 선박의 속력으로부터 평가된다. 또한 예측 움직임 주파수들은 선박이 따라야 할 항로에서도 평가된다. 움직임 주파수들 중 하나가 탱크에 있는 액체의 공진 주파수에 너무 가까워지면, 위험한 상황을 피하기 위해 항로 변경 및/또는 선박 속도 변경에 대한 경보가 제공된다.
슬로싱 감소 조치들의 대비에도 불구하고, 특히 공명 현상으로 인한 탱크 내 액체들의 슬로싱은 1차 밀봉 1차막의 변형의 국부적인 위험, 1차 밀봉 막이 놓이는 1차 및/또는 2차 공간들에 존재하는 기본 구조의 손상, 특히 고정 장비로부터의 낙하물들은 단기 또는 중기적으로 1차 밀봉 막에 손상을 주기 쉬우며, 보다 일방적으로 구조적 허용치를 초과하는 1차 밀봉막의 변형을 초래할 수 있다.
따라서 선박이 항해 중일 때 탱크의 슬로싱 응답을 추정하고 탱크의 1차 밀봉막이 손상될 위험이 있는 과도한 슬로싱의 발생을 방지하기 위해 필요한 경우 필요한 조치를 적용하는 방법이 여전히 필요하다.
본 발명의 이면에 있는 한 가지 아이디어는 지도 기계 학습 방법(supervised machine learning method)을 사용하여 탱크의 충전 수준과 현재 해상 상태의 수준과 선택적으로 다음 중 적어도 하나: 선박의 드래프트(draft), 선박의 속력, 및 선박의 방향의 함수로서 탱크의 슬로싱 응답을 추정할 수 있는 통계 모델을 학습시키는 것이다. 통계 모델은 주어진 충전 수준을 갖는 테스트 탱크를 움직이고 테스트 탱크의 벽에 있는 적어도 하나의 지점에서의 압력 및/또는 테스트 탱크의 적어도 하나의 벽에 대한 다수의 충격들(a number of impacts)을 측정하는 것으로 각각 구성된 복수의 테스트들의 결과들로부터 획득된 테스트 데이터의 세트에 대해 학습된다. 그 후 통계 모델은 예를 들어 실시간으로 참조로 사용할 수 있는 데이터베이스를 구축함으로써 선박 관리 시스템의 틀에서 탱크의 슬로싱 응답을 추정하는 데 사용될 수 있다.
제1 변형에 따른 실시예에 따르면, 본 발명은 액화 가스 수송을 위한 적어도 하나의 밀봉되고 단열된 탱크의 슬로싱 응답을 추정할 수 있는 통계 모델을 획득하는 방법을 제공하며, 이 방법은:
- 테스트 데이터의 세트에 대해 지도 기계 학습 방법에 의해 통계 모델을 학습시키고, 통계 모델은 탱크의 충전 수준과 현재 해상 상태의 수준과, 선택적으로 다음 중 적어도 하나: 선박의 드래프트(draft), 선박의 속력, 및 선박의 방향의 함수로서 탱크의 슬로싱 응답을 추정할 수 있으며, 데이터의 세트는 주어진 충전 수준을 갖는 테스트 탱크를 움직이고 테스트 탱크의 벽에 있는 적어도 하나의 지점에서의 압력 및/또는 테스트 탱크의 적어도 하나의 벽에 대한 다수의 충격들을 측정하는 것으로 각각 구성된 복수의 테스트들의 결과들로부터 획득되는 것으로 구성되는 단계를 포함한다.
제2 변형에 따른 실시예에 따르면, 본 발명은 또한 액화 가스 수송을 위한 적어도 하나의 밀봉되고 단열된 탱크의 슬로싱 응답을 추정할 수 있는 통계 모델을 획득하는 방법을 제공하며, 이 방법은:
- 테스트 데이터의 세트에 대해 지도 기계 학습 방법에 의해 통계 모델을 학습시키고, 통계 모델은 탱크의 충전 수준과 선박의 현재 움직임 상태의 수준과, 다음 중 적어도 하나: 선택적으로 선박의 드래프트(draft), 선박의 속력, 및 선박의 방향의 함수로서 탱크의 슬로싱 응답을 추정할 수 있으며, 데이터의 세트는 주어진 충전 수준을 갖는 테스트 탱크를 움직이고 테스트 탱크의 벽에 있는 적어도 하나의 지점에서의 압력 및/또는 테스트 탱크의 적어도 하나의 벽에 대한 다수의 충격들을 측정하는 것으로 각각 구성된 복수의 테스트들의 결과들로부터 획득된다.
"지도 기계 학습 방법(supervised machine learning method)"은 주석이 달린 예들을 기반으로 예측 함수를 학습하는 것으로 구성된 기계 학습(프랑스에서는 인공 학습 또는 통계 학습이라고도 함) 방법을 의미한다. 즉, 지도 기계 학습 방법은 예측할 응답이 알려진 복수의 예들을 기반으로 예측 가능한 모델을 구성하는 것을 가능하게 한다. 지도 기계 학습 방법은 일반적으로 컴퓨터에 의해 수행되며; 따라서 통계 모델을 학습시키는 단계는 일반적으로 컴퓨터에 의해 수행된다.
테스트 탱크는 슬로싱 응답이 통계 모델에 의해 추정되는 탱크보다 작을 수 있다. 통계 모델에 의해 추정되는 탱크의 슬로싱 응답은 탱크를 나타내는 기하학적 구조를 가질 수 있다. 또한 "테스트 데이터의 세트에 대해 지도 방법으로 통계 모델을 학습"이라는 문구 또는 특징에서 더욱이 분명하며 "테스트 데이터의 세트"는 소위 "실제" 캠페인으로부터의 데이터, 즉 액화 가스 운송 및/또는 사용자 선박들로 사용되는 선박들에서 획득되거나 측정된 데이터를 포함하거나 구성할 수 있다.
실시예들에 따르면, 상술한 방법들은 다음 특징들 중 하나 이상을 포함할 수 있다.
슬로싱 응답은 화물의 슬로싱 현상 동안 탱크가 노출되는 기계적 하중을 나타낼 수 있는 모든 매개변수 및 정성적 및/또는 정량적 매개변수들의 세트를 의미한다.
일 실시예에 따르면, 슬로싱 응답은 탱크 벽들에 대한 유체의 다수의 충격들, 탱크 벽들에 대한 최대 압력, 및 탱크에 대한 손상 확률 중 적어도 하나를 포함한다.
따라서 통계 모델은 탱크의 손상 확률 및/또는 이러한 종류의 손상 확률을 추정할 수 있는 매개변수를 추정할 수 있다.
일 실시예에 따르면, 지도 기계 학습 방법은 가우시안 프로세스 회귀 방법(Gaussian process regression method)이다.
가우시안 프로세스 회귀 방법은 상대적으로 제한된 양의 데이터를 기반으로 학습함으로써 모든 입력 데이터의 세트에 대해 회귀 문제를 해결할 수 있는 통계 모델을 생성할 수 있기 때문에 통계 모델 학습에 매우 적합하다. 그럼에도 불구하고 본 발명의 범위를 벗어나지 않고 다른 지도 기계 학습 방법들을 사용하는 것이 가능하다.
일 실시예에 따르면, 지도 기계 학습 방법에 의한 학습 동안 통계 모델에 적어도 하나의 제약(constraint)이 부과된다.
따라서 통계 모델의 학습은 기본 물리적 고려 사항들, 예를 들어 탱크의 충전 수준이 0인 상황에서 슬로싱의 부재 및/또는 실제 경험을 통해 얻은 고려 사항들, 예를 들어 탱크의 더 큰 움직임들이나 더 큰 치수들은 잠재적으로 더 큰 슬로싱 응답으로 이어질 수 있다는 사실로부터 가이드될 수 있다. 그 결과 통계 모델에 의한 슬로싱 응답 추정의 정확도가 높아졌다.
일 실시예에 따르면, 상기 방법은 통계 모델을 학습시키는 단계 전에 임계값 미만의 슬로싱 응답을 특징으로 하는 테스트 결과들을 테스트 데이터의 세트로부터 제외하는 단계를 더 포함한다.
따라서 통계 모델은 심각한 슬로싱, 특히 다수의 충격들 측면에서 드러난 테스트 데이터를 기반으로만 학습된다. 사실상, 본 발명의 일 양태에 따르면, 맞닥뜨리는 발생 횟수(the number of occurrences)는 충격들의 강도(the intensity of the impacts)보다 통계적 수렴에 더 중요한 요소이다. 그 결과 통계적 모델에 의한 슬로싱 응답 추정의 정확도가 더욱 높아진다.
일 실시예에 따르면, 통계 모델은 복수의 탱크들을 고려하며, 통계 모델은 선박에서 그것의 위치의 함수로서 각 탱크의 슬로싱 응답을 추정할 수 있다.
제1 변형에 따른 일 실시예에 따르면, 본 발명은 또한 액화 가스 수송을 위해 적어도 하나 밀봉되고 단열된 탱크의 슬로싱 응답을 추정할 수 있는 통계 모델을 획득하기 위한 시스템을 제공하며, 상기 시스템은 테스트 데이터의 세트에 대해 지도 기계 학습 방법에 의해 통계 모델을 학습시키도록 구성된 처리 수단을 포함하고, 통계 모델은 탱크의 충전 수준 및 현재 해상 상태 및 선택적으로 다음 중 적어도 하나: 선박의 드래프트(draft), 선박의 속력 및 선박의 방향의 함수로 탱크의 슬로싱 응답을 추정할 수 있으며, 테스트 데이터의 세트는 주어진 충전 수준을 갖는 테스트 탱크를 움직이고 테스트 탱크 벽의 적어도 하나의 지점의 압력 및/또는 테스트 탱크의 적어도 하나의 벽에 대한 다수의 충격들을 측정하는 것으로 각각 구성된 복수의 테스트들의 결과들로부터 획득된다.
제2 변형에 따른 일 실시예에 따르면, 본 발명은 또한 액화 가스의 운송을 위한 적어도 하나의 밀봉되고 단열된 탱크의 슬로싱 응답을 추정할 수 있는 통계 모델을 획득하기 위한 시스템을 제공하며, 상기 시스템은 테스트 데이터의 세트에 대해 지도 기계 학습 방법에 의해 통계 모델을 학습시키도록 구성된 처리 수단을 포함하고, 통계 모델은 탱크의 충전 수준, 현재 움직임 상태 및 선택적으로 다음 중 적어도 하나: 선박의 드래프트, 선박의 속력 및 선박의 방향의 함수로서 탱크의 슬로싱 응답을 추정할 수 있으며, 테스트 데이터의 세트는 주어진 충전 수준을 갖는 테스트 탱크를 움직이고 테스트 탱크 벽의 적어도 하나의 지점에서의 압력 및/또는 테스트 탱크의 적어도 하나의 벽에 대한 다수의 충격들을 측정하는 것으로 각각 구성된 복수의 테스트들의 결과들로부터 획득된다.
이러한 시스템들은 상술한 방법들과 동일한 이점을 얻는다.
제1 변형에 따른 일 실시예에 따르면, 본 발명은 또한 액화 가스 수송을 위한 적어도 하나의 밀봉된 단열 탱크의 슬로싱 응답을 추정하는 데 사용할 수 있는 데이터베이스를 획득하기 위한 방법을 제공하며, 상기 방법은 다음으로 구성된 단계들:
- 탱크의 충전 수준 및 현재 해상 상태를 각각 포함하는 복수의 입력 데이터 벡터들을 생성하는 단계; 및
- 이러한 방식으로 생성된 각 입력 데이터 벡터에 대해: 상술한 상기 제1 변형에 따른 방법으로 획득된 통계 모델의 도움으로 탱크의 예상 슬로싱 응답을 획득하고 상기 입력 데이터 벡터와 관련하여 탱크의 추정된 슬로싱 응답을 데이터베이스에 저장하는 단계를 포함한다.
제2 변형에 따른 일 실시예에 따르면, 본 발명은 또한 액화 가스 수송을 위한 적어도 하나의 밀봉된 단열 탱크의 슬로싱 응답을 추정하는 데 사용할 수 있는 데이터베이스를 획득하는 방법을 제공하며, 상기 방법은 다음으로 구성된 단계들:
- 탱크의 충전 수준 및 선박의 현재 움직임 상태를 각각 포함하는 복수의 입력 데이터 벡터들을 생성하는 단계; 및
- 이러한 방식으로 생성된 각 입력 데이터 벡터에 대해: 상술한 상기 제2 변형에 따른 방법으로 획득된 통계 모델의 도움으로 탱크의 예상 슬로싱 응답을 획득하고 상기 입력 데이터 벡터와 관련하여 탱크의 추정된 슬로싱 응답을 데이터베이스에 저장하는 단계를 포함한다.
통계 모델은 충전 수준 및 탱크의 값과 현재 해상 상태들 또는 선박의 움직임 상태들에 대한 테스트가 수행되지 않은 탱크의 슬로싱 응답을 계산하여 추정할 수 있지만, 이를 수행하는데 필요한 계산이 너무 길거나 너무 많은 계산 자원(resource)들이 필요할 수 있어 가능한 빨리 가능한 가장 낮은 비용의 온보드(onboard) 시스템을 사용하여 슬로싱 응답을 추정하는 것이 중요한 선박에서 사용할 수 없을 수 있다. 따라서 이러한 방법의 이면에 있는 한 가지 아이디어는 복수의 입력 데이터 벡터들을 기반으로 이러한 계산들의 대부분을 미리 수행하는 것이며, 이것은 선박의 전체 작동 또는 기능 범위를 포괄하도록 적절하게 선택될 수 있고, 데이터베이스에서 입력 데이터 벡터와 관련된 각각의 이러한 입력 데이터 벡터들에 대한 탱크의 추정된 슬로싱 응답을 저장하는 것이다. 탱크의 추정된 슬로싱 응답은 입력 데이터 벡터가 데이터베이스에 있는 경우 단순히 데이터베이스를 읽거나 그렇지 않은 경우 데이터베이스를 기반으로 보간법(interpolation)으로 얻을 수 있다. 이는 통계적 모델 자체에 기초한 추정보다 훨씬 단축된 계산 시간과 계산 자원들을 필요로 한다. 그 결과 통계 모델 자체는 선박에 탑재된 통계 모델의 추정에 영향을 미치기 위해 필요하지 않으며 데이터베이스만으로도 충분하다. 데이터베이스를 기반으로 한 추정은 선박에 탑재된 시스템에 의해, 또는 선박과 통신하는 육상국에 의해, 예를 들어, 무선 또는 위성을 통해 영향을 받을 수 있다.
일 실시예에 따르면, 본 발명은 또한 전술한 데이터베이스를 획득하는 방법들에 의해 획득된 데이터베이스를 제공한다.
일 실시예에 따르면, 본 발명은 또한 전술한 데이터베이스를 획득하는 방법들에 의해 획득된 데이터베이스가 저장된 컴퓨터 판독가능 저장 매체를 제공한다.
제1 변형에 따른 일 실시예에 따르면, 본 발명은 또한 선박에 탑재된 액화 가스의 운송을 위한 밀봉되고 단열된 탱크의 슬로싱 응답을 추정하기 위한 방법을 제공하며, 상기 방법은 다음으로 구성된 단계:
- 탱크의 현재 충전 수준을 결정하는 단계;
- 현재 해상 상태를 결정하는 단계;
- 탱크의 현재 충전 레벨 및 이러한 방식으로 결정된 현재 해상 상태를 포함하는 입력 데이터 벡터를 생성하는 단계; 및
- 이러한 방식으로 생성된 입력 데이터 벡터와 제1 변형에 따른 방법으로 얻은 데이터베이스에서 탱크의 슬로싱 응답을 추정하는 단계를 포함한다.
제2 변형에 따른 일 실시예에 따르면, 본 발명은 또한 선박에 탑재된 액화 가스의 운송을 위한 밀봉되고 단열된 탱크의 슬로싱 응답을 추정하기 위한 방법을 제공하며, 상기 방법은 다음으로 구성된 단계:
- 탱크의 현재 충전 수준을 결정하는 단계;
- 선박의 현재 움직임 상태를 결정하는 단계;
- 탱크의 현재 충전 수준 및 이러한 방식으로 결정된 선박의 현재 움직임 상태를 포함하는 입력 데이터 벡터를 생성하는 단계; 및
- 이러한 방식으로 생성된 입력 데이터 벡터와 제2 변형에 따른 방법으로 얻은 데이터베이스로부터 탱크의 슬로싱 응답을 추정하는 단계를 포함한다.
이러한 방법들 덕분에, 데이터베이스를 사용하여 테스트 데이터베이스에서 사전에 학습된 통계 모델 덕분에 탱크의 슬로싱 응답을 추정할 수 있다. 위에서 언급한 바와 같이, 이 추정은 통계 모델 자체에 기초한 추정보다 훨씬 적은 계산 시간과 계산 자원들을 필요로 하며, 선박에 탑재된 시스템 또는 선박과 통신하는 육상국에 의해 영향을 받을 수 있다.
일 실시예에 따르면, 복수의 탱크들이 고려되고 상기 방법은 선박 상의 탱크들 각각의 위치를 정의하는 이전 단계를 포함한다.
일 실시예에 따르면, 상기 방법은 탱크의 추정된 슬로싱 응답이 경보 임계값을 초과하는 경우 사용자에게 경보를 제공하는 단계, 및 바람직하게는 슬로싱을 감소시키려는 결정을 지원하는 단계를 더 포함한다. 이 결정 지원 단계는 방향 또는 선박의 항로의 제안된 변경, 고정식 부유 구조물들에 특히 적합한 방향 변경, 선박 속도의 수정 또는 탱크 또는 탱크들(탱크들 사이 또는 고정식 부유 구조물의 경우 탱크와 선박 외부 저장 시설 사이)의 충전 수준 변경으로 구성될 수 있다.
더욱이, 경보는 즉시 또는 가까운 장래에 수정되어야 할 문제를 보고하는 것으로 구성될 수 있으며, 가능한 경우 경보는 수리 가능성을 고려하여 검사 및 유지 보수 작업이 필요한 선박의 복수의 탱크들 중 탱크 또는 탱크들을 지정한다.
따라서 선원과 같은 사용자는 필요한 경우 탱크의 슬로싱을 제한하기 위해 필요한 조치를 취할 수 있으며, 예를 들어, 선박을 늦추거나 멈추거나 선박의 항로를 변경하여 탱크의 손상 위험을 줄일 수 있다.
제1 변형에 따른 일 실시예에 따르면, 본 발명은 또한 액화 가스를 운송하기 위한 적어도 하나의 밀봉되고 단열된 탱크를 포함하는 선박용 관리 시스템을 제공하며, 상기 시스템은:
- 하나의 탱크를 충전하는 현재 상태를 측정하기 위한 적어도 하나의 충전 수준 센서;
- 현재 해상 상태를 평가할 수 있는 해상 상태 평가 장치; 및
- 탱크의 현재 충전 수준 및 해상 상태 평가 장치에 의해 평가된 현재 해상 상태를 포함하는 입력 데이터 벡터를 생성하고 이러한 방식으로 생성된 입력 데이터 벡터와 제1 변형에 따른 방법에 의해 획득된 데이터베이스로부터 탱크의 슬로싱 응답을 추정하도록 구성된 처리 수단을 포함한다.
제2 변형에 따른 일 실시예에 따르면, 본 발명은 또한 액화 가스를 운송하기 위한 적어도 하나의 밀봉되고 단열된 탱크를 포함하는 선박용 관리 시스템을 제공하며, 상기 시스템은:
- 탱크의 현재 충전 상태를 측정하기 위한 적어도 하나의 충전 수준 센서;
- 선박의 현재 움직임 상태를 평가할 수 있는 선박의 현재 움직임 상태 평가 장치; 및
- 탱크의 현재 충전 수준 및 선박의 현재 움직임 상태를 포함하는 입력 데이터 벡터를 생성하고 이러한 방식으로 생성된 입력 데이터 벡터와 제2 변형에 따른 방법에 의해 획득된 데이터베이스로부터 탱크의 슬로싱 응답을 추정하도록 구성된 처리 수단을 포함한다.
이러한 시스템들은 상술한 방법들과 동일한 이점을 얻는다.
일 실시예에 따르면, 처리 수단은 탱크의 추정된 슬로싱 응답이 경보 임계값을 초과하는 경우 사용자에게 알람을 제공하도록 추가로 구성되고 바람직하게는 슬로싱을 감소시키도록 의도된 결정을 내리는 데 도움을 사용자에게 제공하도록 구성된다.
다른 실시예에 따르면, 본 발명은 또한 선박에 액화 가스를 운송하기 위한 밀봉되고 단열된 탱크의 슬로싱 응답을 추정하는 방법을 제공하며, 이 방법은 다음으로 구성된 단계들:
- 탱크의 현재 충전 수준을 결정하는 단계;
- 기상 정보 및 선박의 항로로부터 미래의 해상 상태들을 추정하는 단계;
- 탱크의 현재 충전 수준 및 추정된 미래 해상 상태를 각각 포함하는 복수의 입력 데이터 벡터들을 생성하는 단계; 및
- 이러한 방식으로 생성된 입력 데이터 벡터들과 제1 변형에 따른 방법으로 얻은 데이터베이스로부터 탱크의 미래 슬로싱 응답을 추정하는 단계를 포함한다.
위의 방법에 따르면, 데이터베이스를 통한 테스트 데이터를 기반으로 사전에 학습된 통계 모델 덕분에 기상 정보와 선박의 항로로부터 탱크의 미래 슬로싱 응답을 추정할 수 있다. 상술한 바와 같이 이 추정은 통계 모델 자체에 기초한 추정보다 훨씬 적은 계산 시간과 계산 자원들을 필요로 하며, 선박에 탑재된 시스템 또는 선박과 통신하는 육상국에 의해 영향을 받을 수 있다.
다른 실시예에 따르면, 본 발명은 또한 선박에 액화 가스를 운송하기 위한 밀봉되고 단열된 탱크의 슬로싱 응답을 추정하는 방법을 제공하며, 상기 방법은 다음으로 구성된 단계들:
- 탱크의 현재 충전 수준을 결정하는 단계;
- 기상 정보 및 선박의 항로로부터 선박의 미래 움직임 상태들을 추정하는 단계;
- 탱크의 현재 충전 수준 및 선박의 추정된 미래 움직임 상태를 각각 포함하는 복수의 입력 데이터 벡터들을 생성하는 단계; 및
- 이러한 방식으로 생성된 입력 데이터 벡터들과 제2 변형에 따른 방법으로 얻은 데이터베이스로부터 탱크의 미래 슬로싱 응답을 추정하는 단계를 포함한다.
일 실시예에 따르면, 상기 방법은 미래 슬로싱 응답을 감소시킬 수 있는 선박의 항로 및/또는 탱크의 충전 수준의 수정을 결정하는 단계를 더 포함한다. "선박의 항로"라는 표현은 해당 선박의 방향, 선박의 속도 또는 지리적 영역의 단순한 회피를 의미한다. 고정식 부유 구조물들(선박들, 바지선들), 즉 고정된 위치에 있는 것들에 대해, 방향의 변경은 기존의 방식으로 부유 구조물에 놀(swell) 및 파도들의 부정적인 결과들을 줄이기 위해 부유 구조물을 향하게 하거나 유도하는 방식으로 북쪽 방향과 구조물의 길이 방향의 축 사이의 각도 변화가 반영된다.
따라서 선원과 같은 사용자는 선박이 탱크의 미래 슬로싱 응답을 감소시킬 수 있는 경로를 따르도록 하여 탱크 손상 위험을 줄이는 결정을 내릴 수 있다.
다른 실시예에 따르면, 본 발명은 또한 액화 가스를 운송하기 위한 적어도 하나의 밀봉되고 단열된 탱크를 포함하는 선박용 관리 시스템을 제공하며, 상기 시스템은:
- 탱크의 현재 충전 수준을 측정하기 위한 적어도 하나의 충전 수준 센서;
- 기상 정보 및 선박의 항로로부터 미래의 해상 상태들을 추정할 수 있는 해상 상태 추정 장치; 및
- 탱크의 현재 충전 수준 및 해상 상태 추정 장치에 의해 추정된 미래 해상 상태를 각각 포함하는 복수의 입력 데이터 벡터들을 생성하고, 이러한 방식으로 생성된 입력 데이터 벡터들과 제1 변형에 따른 방법에 의해 획득된 데이터베이스로부터 탱크의 슬로싱 응답을 추정하도록 구성된 처리 수단을 포함한다.
다른 실시예에 따르면, 본 발명은 또한 액화 가스를 운송하기 위한 적어도 하나의 밀봉되고 단열된 탱크를 포함하는 선박용 관리 시스템을 제공하며, 상기 시스템은:
- 탱크의 현재 충전 수준을 측정하기 위한 적어도 하나의 충전 수준 센서;
- 기상 정보 및 선박의 항로로부터 선박의 미래 움직임 상태들을 추정할 수 있는 움직임 상태 추정 장치; 및
- 탱크의 현재 충전 수준 및 선박의 움직임 상태 추정 장치의 움직임 상태에 의해 추정된 선박의 미래 움직임 상태를 각각 포함하는 복수의 입력 데이터 벡터들을 생성하고, 이러한 방식으로 생성된 입력 데이터 벡터들과 제2 변형에 따른 방법에 의해 획득된 데이터베이스로부터 탱크의 슬로싱 응답을 추정하도록 구성된 처리 수단을 포함한다.
일 실시예에 따르면, 처리 수단은 탱크의 미래 슬로싱 응답의 감소를 가능하게 하는 선박의 항로를 결정하도록 추가로 구성된다.
본 발명의 맥락에서 학습될 통계 모델은 적어도 탱크의 충전 수준 및 현재 해상 상태 또는 선박의 현재 움직임 상태의 함수로서 하나 이상의 정량적 변수들을 포함하는 슬로싱 응답을 추정할 수 있다. 따라서 학습될 통계 모델은 회귀 문제를 해결할 수 있다.
테스트 데이터의 세트에 대해 지도 기계 학습 방법으로 통계 모델을 학습시키는 단계 덕분에, 통계 모델은 적어도 탱크의 충전 수준 및 현재 해상 상태 또는 현재 움직임 상태의 함수로서 탱크의 슬로싱 응답을 추정할 수 있으며, 탱크 충전 수준 및 현재 해상 상태들 및 선박의 현재 움직임 상태들의 값은 시험이 실시되지 않은 값을 포함한다. 따라서 통계 모델은 선박의 실제 사용 조건에서 탱크의 슬로싱 응답을 추정하는 데 사용할 수 있다.
본 발명은 더 잘 이해될 것이고, 그의 다른 목적들, 세부 사항들, 특징들 및 이점들은 첨부된 도면들을 참조하여 비제한적인 예시로서 주어진 본 발명의 특정 실시예들에 대한 다음의 설명 과정에서 더욱 명백해질 것이다.
도 1은 액화가스 수송 선박의 개략도이다.
도 2는 도 1로부터 선박에 통합된 관리 시스템을 나타낸다.
도 3은 다른 실시예에 따른 관리 시스템을 나타낸다.
도 4는 테스트 탱크 슬로싱 응답 시험 장치의 개략도이다.
도 5는 탱크의 슬로싱 응답을 추정하기 위한 데이터베이스 획득 방법을 나타내는 흐름도이다.
도 6은 탱크의 슬로싱 응답을 추정하는 방법을 나타내는 흐름도이다.
도 7은 탱크의 슬로싱 응답을 추정하는 다른 방법을 나타내는 흐름도이다.
도 8은 탱크의 슬로싱 응답을 추정하는 또 다른 방법을 나타내는 흐름도이다.
이하의 실시예들은 복수의 밀봉되고 단열된 탱크들이 배열된 지지 구조를 형성하는 이중 선체(double hull)를 포함하는 선박을 참조하여 설명된다. 이러한 종류의 지지 구조에서 탱크들은 예를 들어 프리즘 모양과 같은 다면체 형상을 갖는다.
이러한 밀봉 및 단열 탱크들은 예를 들어 액화 가스의 운송을 위해 제공된다. 액화 가스는 저온에서 이러한 탱크들로 운송되며 저온은 이러한 온도에서 액화 가스를 유지하기 위해 단열 탱크 벽들을 필요하게 만든다. 따라서, 한편으로는 탱크의 밀봉을 보존하고 탱크들에서 액화 가스가 누출되는 것을 방지하기 위하여, 다른 한편으로, 가스를 액화 형태로 유지하기 위해 탱크의 절연 특성들이 저하되는 것을 방지하기 위해, 밀봉 막(membrane) 아래에 위치한 단열 공간들을 포함하여 탱크 벽들의 무결성을 온전하기 유지하는 것이 특히 중요하다.
이러한 밀봉 및 단열 탱크들은 또한 선박의 이중 선체에 고정되고 적어도 하나의 밀봉 막을 운반하는 단열 배리어를 포함한다. 예를 들어, 이러한 탱크들은 출원인의 상표들 Mark III® 또는 NO96® 또는 다른 사람으로 시판되는 기술들에 따라 생산될 수 있다.
도 1은 4개의 밀봉 및 단열 탱크(2)들을 포함하는 선박(1)을 도시한다. 4개의 탱크(2)들은 동일하거나 상이한 충전 상태들을 가질 수 있다. 바다에 있을 때 선박(1)은 항해 조건들과 관련된 수많은 움직임(movement)들을 받는다. 선박(1)의 이러한 움직임들은 탱크(3, 4, 5, 6)들에 포함된 액체로 전달되어 결과적으로 탱크(3, 4, 5, 6)들 내에서 움직임들을 받게 된다. 탱크(3, 4, 5, 6)들에 있는 액체의 이러한 움직임들은 탱크(3, 4, 5, 6)들의 벽들에 충격들을 가해 그들이 너무 격렬한 경우 즉시 탱크들을 손상시킬 수 있다. 더욱이, 높고 비파괴적인 수준들에서 탱크(3, 4, 5, 6)들의 벽들의 반복적인 맹공격(hammering)은 피로(fatigue)로 인한 마모로 인해 상기 벽들이 열화됨을 초래할 수 있다. 이제 탱크(3, 4, 5, 6)들의 밀봉과 절연 특성을 보존하기 위해 탱크(3, 4, 5, 6)들의 벽들의 무결성을 보존하는 것이 중요하다.
탱크를 즉시 손상시킬 위험이 있는 액체의 움직임들을 방지하기 위해 위태로운 항해 조건들을 피하는 것으로 알려져 있다. 그러나 선박이 항해 중일 때와 탱크의 1차 밀봉 막이 손상될 위험이 있는 과도한 슬로싱의 출현을 방지하기 위해 필요한 조치들을 취하기 위해 필요한 경우 탱크의 슬로싱 응답을 추정할 수 있는 방법이 여전히 필요하다.
도 2는 선박(1)에 탑재된 관리 시스템(100)의 예를 도시한다. 이 관리 시스템(100)은 다양한 매개변수 측정값들을 얻을 수 있게 하는 복수의 온보드 센서(120)들에 연결된 중앙 처리부(110)를 포함한다. 따라서, 센서(120)들은, 예를 들어 완전하지는 않지만, 각각의 탱크에 대한 적어도 하나의 충전 수준 센서(121), 선박의 움직임들에 대한 다양한 센서(122)들 및 해상 상태 센서(123)들을 포함한다. 관리 시스템(100)은 또한 중앙 처리부(110)가, 예를 들어 기상 데이터, 선박 위치 데이터 또는 다른 데이터를 획득하기 위해, 원격 장치와 통신할 수 있게 하는 통신 인터페이스(130)를 포함한다.
선박 움직임 센서(122)들은, 예를 들어, 병진 및 회전 시 선박이 3개의 수직 축들에서 받는 가속도를 측정함으로써 선박의 측정된 움직임들을 결정한다. 선박의 움직임들을 평가하기 위해 하나 이상의 가속도계들 및/또는 하나 이상의 자이로스코프들, 예를 들어 기계적 자이로스코프들, 및/또는 하나 이상의 자력계들로 구성된 관성 측정부(IMU, Inertial Measurement Unit)가 유리하게 사용될 수 있다. 복수(동일한 유형 또는 2개의 다른 유형들)의 그것들이 사용된다는 가정 하에, 이러한 측정부들은 선박의 움직임의 정밀한 측정을 하기 위한 방식으로 선박 전체에 유리하게 분포되어 있다. 관성 측정부(IMU)는 때때로 일반적으로 모션 참조부(MRU, Motion Reference Unit)로 지칭된다는 점에 유의할 것이다.
해상 상태 센서(123)들은 선박의 환경에서 현재의 해상 상태, 예를 들어 선박의 환경에서 파도들의 높이 및 주파수를 획득한다. 예를 들어, 일 실시예에서 파도들의 높이 및/또는 주파수는 승무원에 의한 시각적 관찰로부터 얻어진다.
관리 시스템(100)은 인간-기계 인터페이스(140)를 더 포함한다. 이 인간-기계 인터페이스(140)는 표시 수단(41)을 포함한다. 그 표시 수단(41)은 오퍼레이터(operator)가 시스템에 의해 계산된 관리 정보 또는 센서(120)들에 의해 획득된 측정값들 또는 심지어 후술하는 바와 같이 추정될 수 있는 현재 슬로싱 상태를 획득할 수 있게 한다.
인간-기계 인터페이스(140)는 작업자가 수동으로 크기들을 중앙 처리부(110)에 제공할 수 있게 하는 획득 수단(42)을 더 포함하며, 선박이 필요한 센서를 포함하지 않거나 필요한 센서가 손상되기 때문에 센서들에 의해 획득될 수 없는 데이터들을 일반적으로 중앙처리부(110)에 제공할 수 있게 하기 위함이다. 예를 들어, 일 실시예에서, 획득 수단은 오퍼레이터가 시각적 관찰에 기초하여 파도들의 높이 및/또는 주파수에 대한 정보를 입력 및/또는 선박의 방향 및/또는 속도를 수동으로 입력할 수 있게 한다.
관리 시스템(100)은 데이터베이스(150)를 더 포함한다. 이 데이터베이스는 후술할 바와 같이 탱크의 슬로싱 응답을 추정하는 데 사용할 수 있다.
도 3은 육상에 위치하고 선박(1)과 통신하는 관리 시스템(200)의 예를 도시한다. 선박은 중앙부(110), 센서(120)들 및 통신 인터페이스(130)를 포함한다. 관리부(200)는 중앙 처리부(210), 통신 인터페이스(230), 인간-기계 인터페이스(240) 및 데이터베이스(250)를 포함한다. 관리 시스템(200)의 기능은 관리 시스템(100)의 기능과 유사하고 통신 인터페이스(130, 230)들을 통해 육상에 위치한 관리 시스템(200)으로 선박(1)의 센서(120)들에 의해 측정된 정보를 보내는 것만 다르다. 예를 들어, 통신 인터페이스들은 데이터의 지상파 또는 위성 라디오 전송을 사용할 수 있다.
데이터베이스(150)가 획득되는 방법은 이제 도 4 및 5의 도움으로 설명될 것이다.
도 4는 테스트 탱크(1010)에서 수행될 테스트들을 가능하게 하는 테스트 장치(1000)의 예를 도식적으로 나타낸다. 테스트들은 테스트 탱크(1010)에 유체(1011)의 주어진 충전 수준을 갖는 테스트 탱크(1010)를 움직이고, 압력 센서(1012)를 사용하여 테스트 탱크(1010)의 벽(1010a)에 있는 적어도 한 지점에서의 압력 및/또는 테스트 탱크(1010)의 적어도 하나의 벽에 대한 다수의 충격들을 측정하는 것으로 구성된다.
테스트 탱크(1010)는 슬로싱 응답이 추정될 탱크에 비해 작을 수 있고/있거나 슬로싱 응답이 결정되어야 하는 탱크를 나타내는 기하학적 구조를 가질 수 있다.
물론, 유체(1011)는 결정되어야 하는 슬로싱 응답을 탱크에 의해 운반되는 것과 바람직하게는 동일한 성질을 가지며 이상적으로는 동일한 온도, 밀도, 점도를 가지며; 이는 특히 예를 들어 -50℃ 내지 0℃의 온도에서 액화 석유 가스(LPG) 또는 대기압에서 대략 -162℃에서 액화 천연 가스(LNG)일 수 있다. 다수의 액화 가스들은 또한, 특히 메탄(methane), 에탄(ethane), 프로판(propane), 부탄(butane), 암모니아 가스, 이수소(dihydrogen) 또는 에틸렌(ethylene)으로 예상될 수 있다.
더욱이, 테스트 탱크(1010)의 벽(1010a) 상의 복수의 지점들에서, 심지어 그 벽들의 일부 또는 전부에서, 압력을 측정하는 것이 가능하며, 압력 센서(1012)들의 수와 배열이 그에 따라 조정된다. 테스트 탱크(1010)의 적어도 하나의 벽들에 대한 다수의 충격들이 측정되면, 그 측정은 그 벽에 적절하게 배열된 복수의 압력 센서(1012)들의 도움으로 수행된다. 테스트 탱크(1010)의 복수의 벽들 또는 테스트 탱크(1010)의 모든 벽들에 대한 다수의 충격들을 측정하는 것이 가능하다.
위에서 언급한 바와 같이, 테스트 탱크(1010)는 테스트들 동안 움직임들을 받게 된다. 따라서 도시된 예에서 장치(1000)는 테스트 탱크(1010)가 고정되는 플랫폼(1013)을 포함한다. 플랫폼(1013)은 한쪽 끝에서 3개의 고정 지점(1014)들에서 플랫폼에 연결되고 다른 끝에서 프레임 또는 지면(1001)에 연결된 6개의 유압 램(1015)들의 작용에 의해 움직임 구동된다. 이것은 테스트 탱크(1010)가 병진 및 회전 움직임에서 6 자유도로 구동될 수 있게 한다. 물론, 테스트 탱크(1010)는 상이한 수단에 의해 움직임 구동될 수 있다.
장치(1000)는 테스트 제어부(1020)를 더 포함한다. 테스트 제어부(1020)는 테스트 프로그램에서 테스트 탱크(1010)에 미리 결정된 움직임들을 가하기 위해 유압 램(1015)들을 제어하도록 구성된다. 일 실시예에서, 이러한 움직임들은 바람직하게는 선박 상의 탱크의 위치 및/또는 탱크의 기하학적 구조를 고려하는 선박의 주어진 움직임을 나타내는 움직임들이다. 다른 실시예에서 이러한 움직임들은 주어진 해상 상태를 나타내는 움직임이며, 바람직하게는 선박 상의 탱크의 위치 및/또는 탱크의 기하학적 구조를 고려하여 선박의 대응하는 움직임들로 변환된다. 주어진 해상 상태를 기반으로 선박의 해당 움직임들을 평가하는 것은 선박의 내항성(seaworthiness) 평가에서 일상적인 작업이다. 또한, 테스트 제어부(1020)는 적어도 하나의 압력 센서(1012)에 의해 테스트 동안 측정된 값들을 저장한다.
테스트 제어부(1020)는 테스트 데이터 처리부(1030)와 통신한다. 테스트 데이터 처리부(1030)는 테스트 동안 적어도 하나의 압력 센서(1012)에 의해 측정된 값들 및 테스트 동안 테스트 탱크(1010)에 가해진 움직임들을 테스트 제어 유닛(1020)으로부터 수신을 가능하게 하는 통신 인터페이스(1031)를 포함한다. 테스트 데이터 처리부(1030)는 메모리(1033) 및 중앙 처리부(1032)를 더 포함한다.
테스트 데이터 처리부(1030)는 메모리(1033)와 통신하는 중앙 프로세서(1032)에서 통계 모델을 기계 학습 방법(machine learning method)에 의해 학습시키도록 구성된다. 통계 모델은 탱크의 충전 수준과 현재 해상 상태 및 선택적으로 다음 중 적어도 하나: 선박의 드래프트(draft), 선박의 속력, 및 선박의 방향의 함수로 탱크의 슬로싱 응답을 추정할 수 있다. 슬로싱 응답은 다음 중 적어도 하나: 탱크의 벽들에 대한 유체의 다수의 충격들, 탱크의 벽들에 대한 최대 압력 및 탱크 손상 가능성을 포함한다. 변형에서 통계 모델은 복수의 탱크들을 고려하며, 통계 모델은 선박에서의 위치의 함수로서 각 탱크의 슬로싱 응답을 추정할 수 있다.
보다 구체적으로, 통계 모델은 지도 기계 학습 방법(supervised machine learning method)으로 학습된다. 예를 들어, 지도 기계 학습 방법은 가우시안 프로세스 회귀 방법(Gaussian process regression method)일 수 있다. 가우시안 프로세스 회귀 방법들은 그 자체로 잘 알려져 있다; 가우시안 프로세스 회귀 방법들은 상대적으로 제한된 양의 데이터를 기반으로 학습함으로써 모든 입력 데이터의 세트에 대한 회귀 문제를 해결할 수 있는 통계 모델을 생성할 수 있기 때문에 통계 모델 학습에 매우 적합하다. 그럼에도 불구하고 다른 지도 기계 학습 방법들을 채택하는 것은 가능하다.
통계 모델은 테스트 탱크(1010)를 사용하여 생성된 테스트 결과들을 기반으로 학습된다. 보다 구체적으로, 바람직한 예에서 통계적 모델은 각 테스트 동안 테스트 탱크(1010)의 슬로싱 응답을 기반으로 학습되고, 그 슬로싱 응답은 적어도 하나의 압력 센서(1012)에 의해 테스트 동안 측정된 값에 기반으로 미리 계산된다. 테스트 탱크(1010)의 슬로싱 응답은 다음 중 적어도 하나: 테스트 탱크(1010)의 벽(1010a)들 중 하나 또는 일부에 대한 다수의 유체 충격들 및 주어진 기간 동안 테스트 탱크(1010)의 벽(1010a)에서의 최대 압력을 포함할 수 있다. 변형에서 통계 모델은 테스트 탱크(1010)에서 수행된 테스트들의 결과들과 액화 가스 운송인들 및/또는 사용자들로 사용되는 선박들에서 획득하거나 측정한 테스트 데이터 모두를 기반으로 학습되며, 이러한 선박들의 하나 이상의 탱크들은 테스트 탱크(1010)의 역할을 한다. 다른 변형에서 통계 모델은 오직 액화 가스 운송인들 및/또는 사용자들로 사용되는 선박에서 획득 또는 측정된 테스트 데이터에 기초하여 학습될 수 있으며, 이러한 선박들의 하나 이상의 탱크들은 테스트 탱크(1010)의 역할을 한다.
데이터베이스(150)가 획득될 수 있게 하는 방법(300)이 이제 도 5의 도움으로 설명될 것이다. 단계들(301 내지 305)은 메모리(1033)와 통신하는 중앙 처리부(1032)에 의해 실행될 수 있다.
방법(300)은 특정 임계값 아래의 테스트 탱크(1010)의 슬로싱 응답을 나타내는 임의의 테스트들을 통계적 모델을 학습하는데 사용되는 테스트 데이터의 세트로부터 제외하는 것으로 구성된 단계(301)를 선택적으로 포함할 수 있다. 따라서 통계 모델은 테스트 탱크(1010)에서 상당한 슬로싱을 드러낸 테스트 데이터에 기초하여 학습되며, 이는 통계 모델을 사용하여 슬로싱 응답 추정의 정확도를 향상시킨다.
선택적인 단계(301) 이후에, 방법(300)은 이미 상술한 바와 같이 통계 모델을 학습시키는 것으로 구성된 단계(302)를 포함한다.
적어도 하나의 제약(constraint)은 단계(302) 동안 지도 기계 학습 방법에 의한 학습 동안 통계 모델에 선택적으로 부과된다. 이러한 제약들은 기본 물리적 고려 사항들, 예를 들어 탱크의 충전 수준이 0인 상황에서 슬로싱의 부재 및/또는 실제 경험을 통해 획득된 고려 사항들, 예를 들어 잠재적으로 더 높은 슬로싱 응답으로 이어질 수 있는 탱크의 더 큰 움직임들이나 더 큰 치수들을 기반으로 정의될 수 있다. 그 결과 통계 모델에 의한 슬로싱 응답 추정의 정확도가 높아진다.
단계(302)가 완료되면 탱크의 충전 수준 및 현재 해상 상태 및 선택적으로 다음 중 적어도 하나: 선박의 드래프트(draft), 선박의 속력 및 선박의 방향의 함수로서 테스트 탱크(1010)에서 수행되지 않은 값들을 포함하여 모든 값들에 대해 탱크의 슬로싱 응답을 추정할 수 있는 통계 모델이 획득된다. 그럼에도 불구하고, 이를 수행하는 데 필요한 계산은 계산이 너무 길고/길거나 너무 많은 자원들이 필요할 수 있으므로 가능한 한 빨리 그리고 가능한 한 가장 낮은 비용의 온보드(onboard) 시스템을 사용하여 슬로싱 응답의 추정을 획득하는 것이 중요한 선박에서 실행하지 못할 수 있다. 이것이 단계(302) 이후에 탱크의 채움 수준과 현재 해상 상태를 각각 포함하는 복수의 입력 데이터 벡터들을 생성하는 단계(303)가 사용되는 이유이며, 이어서, 단계(303)에서 생성된 각 데이터 벡터에 대해: 단계(302)에서 통계 모델의 도움으로 탱크의 추정된 슬로싱 응답을 획득하고 연관된 입력 데이터 벡터와 함께 탱크의 추정된 슬로싱 응답을 데이터베이스에 저장하는 단계(304)가 뒤따른다.
단계(305)에서, 단계(304)에서 획득된 데이터베이스는 선택적으로 관리 시스템(100)으로 전송되거나 컴퓨터 판독 가능한 저장 매체에 저장된다. 데이터베이스(150)도 획득되며, 이에 대한 사용은 후술될 것이다.
지금까지 통계 모델이 탱크의 최소 충전 수준과 현재 해상 상태의 함수로서 탱크의 슬로싱 응답을 추정할 수 있는 상황이 설명되었다. 그럼에도 불구하고, 변형에서 통계 모델은 탱크의 충전 수준, 선박의 현재 움직임 상태 및 선택적으로 다음 중 적어도 하나: 선박의 드래프트(draft), 선박의 속력 및 선박의 방향의 함수로 탱크의 슬로싱 응답을 추정할 수 있다. 단계(302, 303, 304)들은 그에 따라 수정된다.
이제 데이터베이스(150)의 도움으로 탱크의 슬로싱 응답을 추정하는 방법(400)이 도 6의 도움으로 설명될 것이다. 방법(400)은 단 하나의 탱크 대신에 복수의 탱크들을 고려할 수 있다. 이 경우, 방법(400)이 실행되기 전에, 선박 상의 각 탱크들의 위치를 정의하는 예비 단계가 수행될 수 있다.
제1 실시예에 따르면, 도 6의 흐름도는 단일 처리 수단을 형성하는 중앙 처리부(110)에서 전체적으로 실행된다. 제2 실시예에 따르면, 도 6의 흐름도는 선박과 통신하는 토지 관리 시스템(200)에서 부분적으로 실행된다. 이 제2 실시예에 따르면, 선박(1)은 센서(120)들로부터 오는 모든 정보를 육상국으로 전송하고, 중앙 처리부(110) 및 중앙 처리부(210)는 함께 공유 처리 수단을 형성한다.
방법(400)은 탱크의 현재 충전 수준 및 현재 해상 상태를 결정하는 것으로 구성된 제1 단계(401)를 포함한다. 탱크의 현재 충전 수준은 일반적으로 탱크 센서(121)의 충전 수준에 의해 제공되는 충전 표시에 기초하여 결정된다. 현재 해상 상태는 해상 상태 센서(123)들 및/또는 기상 관측소들의 네트워크와의 지상파 또는 위성 라디오 통신에 의해 제공된 지시들로부터 결정될 수 있다.
단계(401)에서, 일반적으로 선박의 온보드(onboard) 시스템에 의해 제공되는 표시들에 기초하여 선박의 드래프트(draft) 및/또는 선박의 방향이 선택적으로 또한 결정된다. 선박의 드래프트는 일반적으로 하나 이상의 플로트(float) 및/또는 유체 정압 유형 센서들에 의해 선박의 온보드 시스템들에 제공된다. 선박의 방향은 일반적으로 하나 이상의 항법 나침반들에 의해 선박의 온보드 시스템들에 제공된다.
방법(400)은 단계(401)에서 결정된 데이터를 포함하는 입력 데이터 벡터를 생성하는 것으로 구성된 제2 단계(402)를 더 포함한다.
방법(400)은 단계(402) 및 데이터베이스(150)에서 생성된 입력 데이터 벡터에 기초하여 탱크의 슬로싱 응답을 추정하는 것으로 구성된 제3 단계(403)를 더 포함한다. 보다 구체적으로 말하면, 입력 데이터 벡터가 데이터베이스(150)에 존재하는 것으로 증명되면, 슬로싱 응답은 단순히 데이터베이스(150)를 읽어서 획득된다. 그럼에도 불구하고, 데이터베이스(150)는 일반적으로 입력 데이터 벡터를 포함하지 않고 오히려 입력 데이터 벡터에 포함된 것에 가까운 입력 데이터를 포함할 것이다. 이 경우, 슬로싱 응답은 데이터베이스(150)에 존재하는 둘 이상의 인접한 입력 데이터 벡터들과 연관된 슬로싱 응답으로부터 보간법(interpolation)에 의해 획득될 것이다.
단계(403) 후에, 획득된 슬로싱 응답은 경보 임계값과 비교될 수 있고, 슬로싱 응답이 경보 임계값을 초과하는 경우, 예를 들어 표시 수단(41) 상에서 경보가 사용자에게 표시될 수 있다. 이 경보의 표시는 슬로싱을 줄이기 위한 결정을 돕는 단계가 뒤따르는 것이 바람직하다. 이 결정 지원 단계는 방향 또는 선박의 항로의 제안된 변경, 고정식 부유 구조물들에 특히 적합한 방향의 변경, 선박 속력의 수정 또는 탱크 또는 탱크들(탱크들 사이 또는 탱크와 고정식 부유 구조물의 경우 선박 외부의 저장 시설 사이)의 충전 수준의 변경으로 구성될 수 있다. 더욱이, 경보는 즉시 또는 단기간에 수정되어야 하는 문제를 보고하는 것으로 구성될 수 있으며, 가능한 경우 경보는 수리 가능성을 고려하여 검사 및 유지 보수 작업이 필요한 탱크 또는 탱크들을 지정한다.
데이터베이스(150)의 도움으로 탱크의 슬로싱 응답을 추정하는 다른 방법(500)이 이제 도 7의 도움으로 설명될 것이다. 이 변형에서 데이터베이스(150)는 탱크의 충전 수준, 선박의 현재 움직임 상태 및 도 4를 참조하여 상술한 바와 같이 선택적으로 다음 중 적어도 하나: 선박의 드래프트, 선박의 속력 및 선박의 방향의 함수로서 슬로싱 응답을 추정하는 통계 모델을 획득할 수 있다. 방법(500)은 단 하나의 탱크 대신에 복수의 탱크들을 고려할 수 있다. 이 경우, 방법(500)을 실행하기 전에 선박에서 탱크들 각각의 위치를 정의하는 이전 단계가 있을 수 있다.
방법(500)은 탱크의 현재 충전 수준 및 선박의 현재 움직임 상태를 결정하는 것으로 구성된 제1 단계(501)를 포함한다. 탱크의 현재 충전 수준은 일반적으로 탱크 센서(121)의 충전 수준에 의해 제공되는 충전 표시에 기초하여 결정된다. 선박의 현재 움직임 상태는 선박 움직임 센서(122)들에 의해 제공되는 표시들에 기초하여 결정될 수 있다.
단계(501)에서 선택적으로 선박의 온보드 시스템들에 의해 제공되는 표시들에 기초하여 선박의 드래프트 및/또는 선박의 방향이 또한 결정된다. 선박의 드래프트는 일반적으로 하나 이상의 플로트(float) 및/또는 유체 정압 유형 센서들에 의해 선박의 온보드 시스템들에 제공된다. 선박의 방향은 일반적으로 하나 이상의 항법 나침반들에 의해 선박의 온보드 시스템들에 제공된다.
선박 움직임 센서(122)들은 일반적으로 탱크의 슬로싱의 발전의 전형적인 지속보다 훨씬 더 높은 획득 주파수를 가지며, 선박 움직임 센서(122)들에 의해 제공되는 표시들은 획득 기간에 걸쳐 평균화될 수 있고, 단계(501)에서 결정된 다른 데이터는 동일한 획득 기간에 걸쳐 평균화된다.
방법(500)은 단계(501)에서 결정된 데이터를 포함하는 입력 데이터 벡터를 생성하는 것으로 구성된 단계(402)와 유사한 제2 단계(502)를 더 포함한다.
방법(500)은 단계(502) 및 데이터베이스(150)에서 생성된 입력 데이터 벡터에 기초하여 탱크의 슬로싱 응답을 추정하는 것으로 구성된 제3 단계(503)를 더 포함한다. 단계(503)은 단계(403)와 유사하므로 다시 자세히 설명하지 않는다.
단계(503) 후에, 획득된 슬로싱 응답은 경보 임계값과 비교될 수 있고, 슬로싱 응답이 경보 임계값을 초과하는 경우, 예를 들어 표시 수단(41) 상에서 경보가 사용자에게 표시될 수 있다. 그 경보를 표시한 후, 슬로싱을 줄이기 위한 결정을 내리는 것을 돕는 단계가 바람직하게 따를 수 있다. 이 의사결정 지원 단계는 제안된 방향 또는 선박의 항로 변경, 고정식 부유 구조물들에 특히 적합한 방향 변경, 선박 속력의 수정 또는 선박의 탱크 또는 탱크들(탱크들 사이 또는 탱크와 고정식 부유 구조물의 경우 선박 외부의 저장 시설 사이)의 충전 수준의 변경으로 구성될 수 있다. 더욱이, 경보는 즉시 또는 단기간에 시정되어야 하는 문제를 보고하는 것으로 구성될 수 있으며, 가능한 경우 경보는 수리 가능성을 고려하여 검사 및 유지 보수 작업이 필요한 탱크 또는 탱크들을 지정한다.
데이터베이스(150)의 도움으로 탱크의 슬로싱 응답을 추정하는 다른 방법(600)이 이제 도 8의 도움으로 설명될 것이다. 이 변형에서 데이터베이스(150)는 탱크의 충전 수준, 현재 해상 상태 및 선택적으로 다음 중 적어도 하나: 선박의 드래프트, 선박의 속력 및 선박의 방향의 함수로서 탱크의 슬로싱 응답을 추정할 수 있는 통계 모델로부터 획득된다.
방법(600)은 탱크의 현재 충전 수준을 결정하고 미래의 해상 상태들을 추정하는 것으로 구성된 제1 단계(601)를 포함한다. 탱크의 현재 충전 수준은 일반적으로 탱크 충전 수준 센서(121)에 의해 제공되는 충전 표시에 기초하여 결정된다. 미래의 해상 상태들은 기상 정보와 선박의 항로를 기반으로 추정된다. 선박의 항로는 일반적으로 선박의 속도 및 선박의 방향과 같은 선박의 온보드 시스템들에 의해 제공되는 표시들에서 획득된다. 기상 정보는 해상 상태 센서(123)들에 의해 및/또는 기상 관측소들의 네트워크와의 지상파 또는 위성 라디오 통신에 의해 제공될 수 있다.
방법(600)은 탱크의 현재 충전 수준 및 추정된 미래 해상 상태를 각각 포함하는 복수의 입력 데이터 벡터들을 생성하는 것으로 구성된 제2 단계(602)를 더 포함한다.
단계(601)에서, 통상적으로 선박의 온보드 시스템들에 의해 제공되는 표시들로부터 선박의 드래프트, 선박의 방향 및 선박의 속력이 선택적으로 또한 결정된다. 선박의 드래프트는 일반적으로 하나 이상의 플로트(float) 및/또는 유체 정압 유형 센서들에 의해 선박의 온보드 시스템들에 제공된다. 선박의 방향은 일반적으로 하나 이상의 항법 나침반들에 의해 선박의 온보드 시스템들에 제공된다. 선박의 속력은 일반적으로 IMU 및/또는 GPS 유형 위성 항법 수신기에 의해 선박의 온보드 시스템들에 제공된다.
방법(600)은 단계(602) 및 데이터베이스(150)에서 생성된 각각의 입력 데이터 벡터들로부터 탱크의 미래 슬로싱 응답을 추정하는 것으로 구성된 제3 단계(603)를 더 포함한다. 단계(603)은 단계(403)와 유사하므로 다시 자세히 설명하지 않는다.
단계(603) 후에, 선박이 현재의 항로를 유지한다면 발생할 선박의 슬로싱 응답에 비해 탱크의 미래 슬로싱 응답의 감소를 가능하게 하는 선박의 항로가 결정될 수 있다. "선박의 항로"라는 표현은 그 선박의 방향, 선박의 속력 또는 지리적 영역의 단순한 회피를 의미한다. 고정식 부유 구조물들(선박들, 바지선들), 즉 고정된 위치에 있는 것들에 대해, 베어링의 변경은 기존의 방식으로 부유 구조물에 놀(swell) 및 파도들의 부정적인 결과들을 줄이기 위해 부유 구조물을 향하게 하거나 유도하는 방식으로 북쪽 방향과 구조물의 길이 방향 축 사이의 각도 변화이다. 추가적으로 또는 대안적으로, 탱크의 충전 수준의 수정은 탱크의 미래 슬로싱 응답의 감소를 가능하게 하도록 결정될 수 있다.
도 8의 방법(600)의 변형이 이하에서 설명된다. 그 변형에서 데이터베이스(150)는 탱크의 충전 수준, 선박의 현재 이동 상태 및 선택적으로 다음 중 적어도 하나: 선박의 드래프트, 선박의 속력 및 선박의 방향의 함수로서 슬로싱 응답을 추정할 수 있는 통계 모델을 획득할 수 있다.
이 변형에서 단계(601)는 탱크의 현재 충전 수준을 결정하고 선박의 미래 이동 상태들을 추정하는 것으로 구성된다. 탱크의 현재 충전 수준은 일반적으로 충전 센서(121)의 탱크 수준에 의해 제공되는 충전 표시로부터 결정된다. 선박의 미래 이동 상태들은 기상 정보와 선박의 항로로부터 추정된다. 선박의 항로는 일반적으로 선박의 속도 및 선박의 방향과 같은 선박의 온보드 시스템들에 의해 제공되는 표시들에서 획득된다. 기상 정보는 해상 상태 센서(123)들에 의해 및/또는 기상 관측소들의 네트워크와의 지상파 또는 위성 라디오 통신에 의해 제공될 수 있다. 일 예에 따르면, 선박의 미래 이동 상태들은 기상 정보 및 선박의 항로로부터 추정된 미래 해상 상태들을 초기에 추정하고, 그 다음 제2 단계에서 이런 식으로 추정되는 미래의 해상 상태들로부터 선박의 미래 이동 상태들을 추정함으로써 추정될 수 있다. 위에서 이미 언급한 바와 같이, 주어진 해상 상태를 기반으로 선박의 해당 움직임들을 평가하는 것은 선박의 내항성(seaworthiness) 평가에서 일상적인 작업이라는 것을 기억하라.
그 다음, 단계(602)는 탱크의 현재 충전 수준 및 선박의 추정된 미래 이동 상태를 각각 포함하는 복수의 입력 데이터 벡터들을 생성하는 것으로 구성된다.
단계(601)에서는 이미 위에서 언급한 바와 같이 선박의 드래프트, 선박의 방향 및 선박의 속력이 선택적으로 결정된다.
단계(603)는 단계(602)에서 생성된 입력 데이터 벡터들 및 데이터베이스(150)로부터 탱크의 미래 슬로싱 응답을 추정하는 것으로 구성된다. 단계(603)는 단계(403)와 유사하므로 다시 자세히 설명하지 않는다.
단계(603) 후에, 이미 위에서 언급한 바와 같이 선박이 현재의 항로를 유지한다면 발생할 탱크의 슬로싱 응답에 비해 탱크의 미래 슬로싱 응답의 감소를 가능하게 하는 선박의 항로가 결정될 수 있다.
본 발명이 복수의 특정 실시예들와 관련하여 설명되었지만, 복수의 특정 실시예들에 결코 제한되지 않으며 설명된 수단의 모든 기술적 균등물들과 이들의 조합들이 본 발명의 범위에 속하는 경우 이들의 조합들까지 포함한다는 것은 자명하다.
또한, 하나의 방법으로 설명된 특징 또는 특징들의 조합은 해당 시스템에 동일하게 적용되고 그 반대도 마찬가지임은 자명하다.
동사 "포함하다(include)", "포함하다(comprise)" 및 그 활용 형태의 사용은 청구항에 명시된 것 이외의 요소들 또는 단계들의 존재를 배제하지 않는다.
청구범위에서 괄호 사이의 참조 부호들은 청구범위의 제한으로 해석되어서는 안 된다.
1: 선박
2: 탱크
100: 시스템
110: 처리 수단
121: 충전 수준 센서
122: 움직임 상태 평가 장치
123: 해상 상태 평가 장치
150: 데이터베이스
300, 400, 500, 600: 방법
301, 302, 303, 401, 402, 403, 501, 502, 503, 601, 602, 603: 단계
1010: 테스트 탱크
1030: 시스템
1032, 1033: 처리 수단

Claims (23)

  1. 액화 가스 운송을 위한 적어도 하나의 밀봉되고 단열된 탱크의 슬로싱 응답을 추정할 수 있는 통계적 모델을 획득하는 방법에 있어서,
    - 테스트 데이터의 세트에 대해 지도 기계 학습 방법(supervised machine learning method)으로 통계 모델을 학습시키는 단계로서, 상기 통계 모델은 탱크의 충전 수준 및 현재 해상 상태 및 선택적으로 다음 중 적어도 하나: 선박의 드래프트, 선박의 속력 및 선박의 방향의 함수로서 탱크의 슬로싱 응답을 추정할 수 있으며, 상기 테스트 데이터의 세트는 주어진 충전 수준을 갖는 테스트 탱크(1010)를 움직이고 테스트 탱크(1010)의 벽(1010a)의 적어도 한 지점에서의 압력 및/또는 테스트 탱크(1010)의 적어도 하나의 벽의 다수의 충격들을 측정하는 것으로 각각 구성되는 복수의 테스트들의 결과로부터 획득되는, 학습시키는 단계(302)를 포함하는 방법.
  2. 액화 가스 운송을 위한 적어도 하나의 밀봉되고 단열된 탱크의 슬로싱 응답을 추정할 수 있는 통계적 모델을 획득하는 방법에 있어서,
    - 테스트 데이터의 세트에 대해 지도 기계 학습 방법으로 통계 모델을 학습시키는 단계로서, 상기 통계 모델은 탱크의 충전 수준 및 현재 선박의 현재 움직임 상태 및 선택적으로 다음 중 적어도 하나: 선박의 드래프트, 선박의 속력 및 선박의 방향의 함수로서 탱크의 슬로싱 응답을 추정할 수 있으며, 상기 테스트 데이터의 세트는 주어진 충전 수준을 갖는 테스트 탱크(1010)를 움직이고 테스트 탱크(1010)의 벽(1010a)의 적어도 한 지점에서의 압력 및/또는 테스트 탱크(1010)의 적어도 하나의 벽의 다수의 충격들을 측정하는 것으로 각각 구성되는 복수의 테스트들의 결과로부터 획득되는, 학습시키는 단계(302)를 포함하는 방법.
  3. 제1항 또는 제2항에 있어서, 슬로싱 응답은 탱크 벽들에 대한 유체의 다수의 충격들, 탱크 벽들에 대한 최대 압력 및 탱크에 대한 손상 가능성 중 적어도 하나를 포함하는 방법.
  4. 제1항 내지 제3항 중 어느 한 항에 있어서, 지도 기계 학습 방법이 가우시안 프로세스 회귀 방법인 방법.
  5. 제1항 내지 제4항 중 어느 한 항에 있어서, 지도 기계 학습 방법에 의한 학습 동안 통계 모델에 적어도 하나의 제약이 부과되는 방법.
  6. 제1항 내지 제5항 중 어느 한 항에 있어서, 통계 모델을 학습시키는 단계(302) 이전에 임계값 미만의 슬로싱 응답을 특징으로 하는 테스트 결과들을 테스트 데이터의 세트로부터 제외하는 단계(301)를 더 포함하는 방법.
  7. 제1항 내지 제6항 중 어느 한 항에 있어서, 통계 모델은 복수의 탱크들을 고려하고, 통계 모델은 선박에서의 위치의 함수로서 각 탱크의 슬로싱 응답을 추정할 수 있는 방법.
  8. 액화 가스 운송을 위한 적어도 하나의 밀봉되고 단열된 탱크의 슬로싱 응답을 추정할 수 있는 통계 모델을 얻기 위한 시스템(1030)에 있어서, 상기 시스템(1030)은 테스트 데이터의 세트에 대해 지도 기계 학습 방법으로 통계 모델을 학습시키도록 구성된 처리 수단(1032, 1033)을 포함하고, 통계 모델은 탱크의 충전 수준 및 현재 해상 상태 및 선택적으로 다음 중 적어도 하나: 선박의 드래프트, 선박의 속력 및 선박의 방향의 함수로서 탱크의 슬로싱 응답을 추정할 수 있으며, 테스트 데이터의 세트는 주어진 충전 수준을 갖는 테스트 탱크(1010)를 움직이고 테스트 탱크(1010)의 벽(1010a)의 적어도 한 지점에서의 압력 및/또는 테스트 탱크(1010)의 적어도 하나의 벽의 다수의 충격들을 측정하는 것으로 각각 구성된 복수의 테스트들의 결과들로부터 획득된 시스템.
  9. 액화 가스 운송을 위한 적어도 하나의 밀봉되고 단열된 탱크의 슬로싱 응답을 추정할 수 있는 통계 모델을 얻기 위한 시스템(1030)에 있어서, 상기 시스템(1030)은 테스트 데이터의 세트에 대해 지도 기계 학습 방법으로 통계 모델을 학습시키도록 구성된 처리 수단(1032, 1033)을 포함하고, 통계 모델은 탱크의 충전 수준 및 선박의 현재 움직임 상태 및 선택적으로 다음 중 적어도 하나: 선박의 드래프트, 선박의 속력 및 선박의 방향의 함수로서 탱크의 슬로싱 응답을 추정할 수 있으며, 테스트 데이터의 세트는 주어진 충전 수준을 갖는 테스트 탱크(1010)를 움직이고 테스트 탱크(1010)의 벽(1010a)의 적어도 한 지점에서의 압력 및/또는 테스트 탱크(1010)의 적어도 하나의 벽의 다수의 충격들을 측정하는 것으로 각각 구성된 복수의 테스트들의 결과들로부터 획득된 시스템.
  10. 액화 가스 수송을 위한 적어도 하나의 밀봉된 단열 탱크의 슬로싱 응답을 추정하는 데 사용할 수 있는 데이터베이스(150)를 얻는 방법(300)에 있어서, 상기 방법은,
    - 탱크의 충전 수준 및 현재 해상 상태를 각각 포함하는 복수의 입력 데이터 벡터들을 생성하는 단계(303); 및
    - 이러한 방식으로 생성된 각각의 입력 데이터 벡터에 대해: 제1항 또는 제1항에 종속된 제3항 내지 제7항 중 어느 한 항에 따른 방법에 의해 획득된 통계 모델의 도움으로 탱크의 추정된 슬로싱 응답을 획득하는 단계(303); 및 입력 데이터 벡터와 관련하여 탱크의 추정된 슬로싱 응답을 데이터베이스에 저장하는 단계(303);를 포함하는 방법.
  11. 액화 가스 수송을 위한 적어도 하나의 밀봉된 단열 탱크의 슬로싱 응답을 추정하는 데 사용할 수 있는 데이터베이스(150)를 얻는 방법(300)에 있어서, 상기 방법은,
    - 탱크의 충전 수준 및 선박의 현재 이동 상태를 각각 포함하는 복수의 입력 데이터 벡터들을 생성하는 단계(302); 및
    - 이러한 방식으로 생성된 각각의 입력 데이터 벡터에 대해: 제2항 또는 제2항에 종속되는 제3항 내지 제7항 중 어느 한 항에 따른 방법에 의해 획득된 통계 모델의 도움으로 탱크의 추정된 슬로싱 응답을 획득하는 단계(303); 및 입력 데이터 벡터와 관련하여 탱크의 추정된 슬로싱 응답을 데이터베이스에 저장하는 단계(303);를 포함하는 방법.
  12. 선박에 탑재된 액화 가스의 운송을 위한 적어도 하나의 밀봉되고 단열된 탱크의 슬로싱 응답을 추정하기 위한 방법(400)에 있어서, 상기 방법은,
    - 탱크의 현재 충전 수준을 결정하는 단계(401);
    - 현재 해상 상태를 결정하는 단계(401);
    - 탱크의 현재 충전 수준 및 이러한 방식으로 결정된 현재 해상 상태를 포함하는 입력 데이터 벡터를 생성하는 단계(402); 및
    - 이러한 방식으로 생성된 입력 데이터 벡터 및 제10항에 따른 방법에 의해 획득된 데이터베이스(150)로부터 탱크의 슬로싱 응답을 추정하는 단계(403);를 포함하는 방법.
  13. 선박에 탑재된 액화 가스의 운송을 위한 적어도 하나의 밀봉되고 단열된 탱크의 슬로싱 응답을 추정하기 위한 방법(500)에 있어서, 상기 방법은,
    - 탱크의 현재 충전 수준을 결정하는 단계(501);
    - 선박의 현재 이동 상태를 결정하는 단계(501);
    - 탱크의 현재 충전 수준 및 이러한 방식으로 결정된 선박의 현재 움직임 상태를 포함하는 입력 데이터 벡터를 생성하는 단계(502); 및
    - 이러한 방식으로 생성된 입력 데이터 벡터 및 제11항에 따른 방법에 의해 획득된 데이터베이스(150)로부터 탱크의 슬로싱 응답을 추정하는 단계(503);를 포함하는 방법.
  14. 제12항 또는 제13항에 있어서, 복수의 탱크들이 고려되고, 상기 방법은 선박의 각 탱크들의 위치를 정의하는 이전 단계를 포함하는 방법.
  15. 제12항 내지 제14항 중 어느 한 항에 있어서, 탱크의 추정된 슬로싱 응답이 경보 임계값을 초과하는 경우 사용자에게 경보를 제공하는 단계, 및 바람직하게는 슬로싱을 줄이기 위한 결정을 지원하는 단계를 더 포함하는 방법(400, 500).
  16. 액화 가스를 운송하기 위한 적어도 하나의 밀봉되고 단열된 탱크(2)를 포함하는 선박(1)을 위한 관리 시스템(100)에 있어서, 상기 시스템은:
    - 탱크(2)의 현재 충전 상태를 측정하기 위한 적어도 하나의 충전 수준 센서(121);
    - 현재 해상 상태를 평가할 수 있는 해상 상태 평가 장치(123); 및
    - 탱크의 현재 충전 수준 및 해상 상태 평가 장치(123)에 의해 평가된 현재 해상 상태를 포함하는 입력 데이터 벡터를 생성하고 이러한 방식으로 생성된 입력 데이터 벡터 및 제10항에 따른 방법(300)에 의해 획득된 데이터베이스(150)로부터 탱크(20)의 슬로싱 응답을 추정하도록 구성된 처리 수단(110);을 포함하는 시스템.
  17. 액화 가스를 운송하기 위한 적어도 하나의 밀봉되고 단열된 탱크(2)를 포함하는 선박(1)을 위한 관리 시스템(100)에 있어서, 상기 시스템은:
    - 탱크(2)의 현재 충전 상태를 측정하기 위한 적어도 하나의 충전 수준 센서(121);
    - 선박의 현재 움직임 상태를 평가할 수 있는 선박의 현재 움직임 상태를 평가하기 위한 장치(122); 및
    - 탱크의 현재 충전 수준 및 선박의 현재 움직임 상태를 포함하는 입력 데이터 벡터를 생성하고 이러한 방식으로 생성된 입력 데이터 벡터 및 제11항에 따른 방법에 의해 획득된 데이터베이스(150)로부터 탱크(20)의 슬로싱 응답을 추정하도록 구성된 처리 수단(110);을 포함하는 시스템.
  18. 선박(1)에 탑재된 액화 가스의 운송을 위한 밀폐되고 단열된 탱크(2)의 슬로싱 응답을 추정하는 방법(600)에 있어서, 상기 방법은,
    - 탱크의 현재 충전 수준을 결정하는 단계(601);
    - 기상 정보 및 선박의 항로로부터 미래 해상 상태들을 추정하는 단계(601);
    - 탱크의 현재 충전 수준 및 추정된 미래 해상 상태를 각각 포함하는 복수의 입력 데이터 벡터들을 생성하는 단계(602); 및
    - 이러한 방식으로 생성된 입력 데이터 벡터들 및 제10항에 따른 방법에 의해 획득된 데이터베이스(150)로부터 탱크의 미래 슬로싱 응답을 추정하는 단계(603);를 포함하는 방법.
  19. 선박(1)에 탑재된 액화 가스의 운송을 위한 밀폐되고 단열된 탱크(2)의 슬로싱 응답을 추정하는 방법(600)에 있어서, 상기 방법은,
    - 탱크의 현재 충전 수준을 결정하는 단계(601);
    - 기상 정보 및 선박의 항로로부터 선박의 미래 움직임 상태들을 추정하는 단계(601);
    - 탱크의 현재 충전 수준 및 선박의 추정된 미래 움직임 상태를 각각 포함하는 복수의 입력 데이터 벡터들을 생성하는 단계(602); 및
    - 이러한 방식으로 생성된 입력 데이터 벡터들 및 제11항에 따른 방법에 의해 획득된 데이터베이스(150)로부터 탱크의 미래 슬로싱 응답을 추정하는 단계(603);를 포함하는 방법.
  20. 제18항 또는 제19항에 있어서, 선박의 항로 및/또는 탱크의 미래 슬로싱 응답을 감소시킬 수 있는 탱크 충전 수준의 수정을 결정하는 단계를 더 포함하는 방법.
  21. 액화 가스를 운송하기 위한 적어도 하나의 밀봉되고 단열된 탱크(2)를 포함하는 선박(1)을 위한 관리 시스템(100)에 있어서, 상기 시스템은:
    - 탱크(2)의 현재 충전 수준을 측정하기 위한 적어도 하나의 충전 수준 센서(121);
    - 기상 정보 및 선박(1)의 항로로부터 미래의 해상 상태를 추정할 수 있는 해상 상태 추정 장치(123); 및
    - 탱크의 현재 충전 수준 및 해상 상태 추정 장치(123)에 의해 추정된 미래 해상 상태를 각각 포함하는 복수의 입력 데이터 벡터들을 생성하고, 이러한 방식으로 생성된 입력 데이터 벡터들 및 제10항의 방법으로 획득된 데이터베이스(150)로부터 탱크의 미래 슬로싱 응답을 추정하도록 구성된 처리 수단(110);을 포함하는 시스템.
  22. 액화 가스를 운송하기 위한 적어도 하나의 밀봉되고 단열된 탱크(2)를 포함하는 선박(1)을 위한 관리 시스템(100)에 있어서, 상기 시스템은:
    - 탱크(2)의 현재 충전 수준을 측정하기 위한 적어도 하나의 충전 수준 센서(121);
    - 기상 정보 및 선박(1)의 항로로부터 미래의 해상 상태를 추정할 수 있는 이동 상태 추정 장치; 및
    - 탱크의 현재 충전 수준 및 선박의 이동 상태 추정 장치에 의해 추정된 선박의 미래 이동 상태 상태를 각각 포함하는 복수의 입력 데이터 벡터들을 생성하고, 이러한 방식으로 생성된 입력 데이터 벡터들 및 제11항의 방법으로 획득된 데이터베이스(150)로부터 탱크의 미래 슬로싱 응답을 추정하도록 구성된 처리 수단(110);을 포함하는 시스템.
  23. 제21항 또는 제22항에 있어서, 처리 수단(110)은 탱크의 미래 슬로싱 응답의 감소를 가능하게 하는 선박의 항로를 결정하도록 추가로 구성되는 시스템.
KR1020217033276A 2020-05-20 2021-05-11 기계 학습으로 학습된 통계 모델에 의한 탱크의 슬로싱 응답 추정 KR102565923B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
FR2005227A FR3110691B1 (fr) 2020-05-20 2020-05-20 Estimation d’une réponse en ballottement d’une cuve par un modèle statistique entraîné par apprentissage automatique
FR2005227 2020-05-20
PCT/EP2021/062532 WO2021233742A1 (fr) 2020-05-20 2021-05-11 Estimation d'une reponse en ballottement d'une cuve par un modele statistique entraine par apprentissage automatique

Publications (2)

Publication Number Publication Date
KR20210144766A true KR20210144766A (ko) 2021-11-30
KR102565923B1 KR102565923B1 (ko) 2023-08-10

Family

ID=73013496

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020217033276A KR102565923B1 (ko) 2020-05-20 2021-05-11 기계 학습으로 학습된 통계 모델에 의한 탱크의 슬로싱 응답 추정

Country Status (9)

Country Link
US (1) US20230186157A1 (ko)
EP (1) EP4153474A1 (ko)
JP (1) JP2023525901A (ko)
KR (1) KR102565923B1 (ko)
CN (1) CN115551775A (ko)
AU (1) AU2021276051A1 (ko)
CA (1) CA3176945A1 (ko)
FR (1) FR3110691B1 (ko)
WO (1) WO2021233742A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117516659B (zh) * 2023-10-18 2024-05-17 广州市航易信息科技有限公司 一种大型船舶用稳定性好的液位测量修正装置及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8643509B1 (en) * 2011-01-31 2014-02-04 The Boeing Company Methods and systems for providing sloshing alerts and advisories
US20170183062A1 (en) * 2012-05-30 2017-06-29 Cytroniq Co., Ltd. System and method for fuel savings and safe operation of marine structure

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7680617B2 (en) * 2006-10-10 2010-03-16 Halliburton Energy Services, Inc. Process control architecture with hydrodynamic correction
CA2741779C (en) * 2008-11-21 2015-09-15 Exxonmobil Upstream Research Company Liquid impact pressure control methods and systems
FR2945511B1 (fr) * 2009-05-14 2011-07-22 Saipem Sa Navire ou support flottant equipe d'un dispositif de detection des mouvements de carenes liquides
EP3607495A4 (en) * 2017-04-07 2020-11-25 Intel Corporation METHODS AND SYSTEMS USING IMPROVED TRAINING AND LEARNING FOR DEEP NEURAL NETWORKS

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8643509B1 (en) * 2011-01-31 2014-02-04 The Boeing Company Methods and systems for providing sloshing alerts and advisories
US20170183062A1 (en) * 2012-05-30 2017-06-29 Cytroniq Co., Ltd. System and method for fuel savings and safe operation of marine structure

Also Published As

Publication number Publication date
KR102565923B1 (ko) 2023-08-10
JP2023525901A (ja) 2023-06-19
FR3110691A1 (fr) 2021-11-26
CN115551775A (zh) 2022-12-30
AU2021276051A1 (en) 2022-11-17
US20230186157A1 (en) 2023-06-15
FR3110691B1 (fr) 2022-05-20
EP4153474A1 (fr) 2023-03-29
CA3176945A1 (en) 2021-11-25
WO2021233742A1 (fr) 2021-11-25

Similar Documents

Publication Publication Date Title
JP7333344B2 (ja) タンクの充填レベルを管理するための方法
KR101529378B1 (ko) 실시간 해양 구조물에 대한 유체역학적 환경 내외력, 선체 응력, 6자유도 운동 및 운용 위치를 예측 모니터링 및 제어함을 통한 연료절감, 안전운용 및 유지보수정보 제공 방법
US8643509B1 (en) Methods and systems for providing sloshing alerts and advisories
KR101736577B1 (ko) 선박 모니터링 방법 및 장치
Gervaise et al. Reliability-based methodology for sloshing assessment of membrane LNG vessels
KR102565923B1 (ko) 기계 학습으로 학습된 통계 모델에 의한 탱크의 슬로싱 응답 추정
JP7472126B2 (ja) 船舶のメンテナンス管理方法
WO2021235053A1 (ja) 船舶の航行方法、航行システムおよび船舶
US20240232481A9 (en) Monitoring and predicting the operation of a pump arranged in a tank for transporting a liquid product on board a vessel
US20240135073A1 (en) Monitoring and predicting the operation of a pump arranged in a tank for transporting a liquid product on board a vessel
RU2796234C2 (ru) Способ управления техническим обслуживанием судна
KR20240022547A (ko) 2개의 부유 구조물들 간에 액체 화물을 운송하는 작업 동안 액체 화물의 슬로싱으로 인한 손상 확률을 추정하는 방법 및 장치
US11987327B2 (en) Method and device for determining sloshing
RU2791213C2 (ru) Способ управления уровнями заполнения резервуаров
JP2024524088A (ja) ２つの浮体構造物間で液体負荷の移送作業中に液体負荷のスロッシングによって引き起こされる損傷の確率を推定するための方法および装置
KR102583480B1 (ko) Lng 저장 탱크용 모니터링 시스템 및 이를 포함하는 선박
Enshaei Prevention of extreme roll motion through measurements of ship's motion responses
Krata Dynamic Component of Ship's Heeling Moment due to Sloshing vs. IMO IS-Code Recommendations
Quéméré et al. LNG as a fuel on Container Vessels with GTT Membrane Systems
Gourdet et al. New Classification Rules for Offshore Floating Gas Terminals
Kim et al. A Development of a Docking Aid and Tightening System for FSRUs and LNGCs

Legal Events

Date Code Title Description
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant