TW201729145A - 將塗料施用於至少部分浸於水中之人造物之外表面的方法 - Google Patents

Abstract

本揭示內容係關於將塗料施用於至少部分浸於水中一段時期之人造物(例如船舶或近海鑽井平臺)之外表面之方法，其中在該浸沒物體與水之間存在相對運動。該所施用之塗料對於一組塗料而言具有最小阻力等級。該方法包含電腦實施之塗料選擇過程，其包含第一步驟：對於該塗料組中之每一塗料，基於與每一塗料相關聯之污底粗糙度值、宏觀粗糙度值及微觀粗糙度值獲得外表面之總粗糙度值。該塗料選擇過程包含在第二步驟中自該塗料組選擇塗料，其中該所選塗料針對該段時期具有與所獲得之總粗糙度值相關聯之最小阻力等級。該方法進一步包含將該所選塗料施用於該人造物之該外表面。

Description

將塗料施用於至少部分浸於水中之人造物之外表面的方法

本發明係關於將塗料施用於至少部分浸於水中之人造物之外表面的方法。更具體而言，本發明係關於施用塗料之方法，其中該塗料在一組塗料中具有最小的阻力等級且其中基於以下各項針對該塗料組中之每一塗料計算外表面之總粗糙度值：污底粗糙度值、宏觀粗糙度值及微觀粗糙度值。

至少部分浸於水中之人造物(例如船隻及船艇殼體及其他水上工具、浮標、鑽井平臺、石油生產鑽塔及諸如此類)傾向於因水生生物體(例如黏泥、綠藻及褐藻、藤壺、貽貝及諸如此類)而積垢。此等結構通常為金屬，但亦可包含其他結構材料，例如水泥或木材。此積垢對船艇殼體有害，此乃因其增加在水中移動期間之摩擦阻力，結果為速度降低且燃料成本增加。其對靜態結構(例如鑽井平臺及石油生產鑽塔之支腿)有害，首先是因為積垢之厚層可不可預測地將結構上之波浪及水流引起之流體動力增加至潛在危險之程度，且其次是因為積垢使得難以檢查結構之缺陷(例如應力開裂及腐蝕)。 以固定時間間隔維護此等浸沒人造物對最大化物體之壽命及操作效率係關鍵的。舉例而言，對於商業航運而言，水下船體之維護通常在船舶之進乾船塢期間操作，其中在下水與第一次進乾船塢之間或後續之進乾船塢之間之時期稱為乾船塢週期。此乾船塢週期通常為三至五年，但可更久或更短。另外，可對螺旋槳及推進系統進行更定期之維護。 就維護該等浸沒之人造物而言，已知將塗料施用於其外部表面。舉例而言，對於船隻及船艇而言，可在建造製程期間及在後續之進乾船塢時施用塗料以限制船舶之摩擦曳力或阻力。塗料通常提供船體上之光滑表面並防止由海洋生物體積垢，藉此降低船體之有效粗糙度，並降低船隻在水中移動時其之阻力。類似地，可將塗料施用於螺旋槳及其他外表面。成功降低阻力可為船舶運營商帶來實質性益處。維持較低之阻力可產生諸如以下益處之組合：較高之航行速度、較低之燃料成本及降低之環境有害物質(例如溫室氣體或多芳香烴微粒)之排放。為了說明，其船體及螺旋槳處於極差條件(即嚴重積垢)下之船隻在與處於良好條件(即相對乾淨且光滑)下之等效船隻以相同速度操作時可多燃燒40%之燃料並多排放40%之溫室氣體。 在至少部分浸於水中之固定人造物(例如近海鑽井平臺)之情形下，較低之阻力可使得移動水對物體所施加之力減小，此將使(例如)物體之較輕之設計成為可能。 可獲得大量塗料，每一者提供其自身之積垢控制特性。選擇適當塗料或塗料之組合對於(例如)船舶所有者以在延長時間段內、較佳至少在即將來臨之乾船塢週期之預期持續時間內達成期望之阻力降低係關鍵的。 如WO 2013/092681中所述，可基於與施用所選擇之塗料之後船舶預期行進之區域相關之積垢風險來選擇保護性塗料。雖然此方法可用，但申請人發現存在改良之空間。 EP 1484700 A涉及用於確定與在船舶之水下部分上施用及使用污底釋放或抗積垢塗料組合物相關聯之成本之方法。此文件中所闡述之方法需要確定或計算船舶之水下表面之積垢之程度，並將船舶之所預測之附加燃料成本與積垢之程度相關聯。此文件中所闡述之方法之缺點在於所預測之附加燃料成本之精確度及準確度不是很高。因此，此方法可靠地鑑別任何具體船舶之基材製備與積垢控制塗料選擇之最佳組合之能力較低。因此，業內需要改良之且更精確及準確之方法。

本發明之目標係揭示將塗料施用於至少部分浸於水中之人造物之外表面之新穎且改良之方法。 本揭示內容之一個態樣係關於將塗料施用於至少部分浸於水中一段時期之人造物(例如船舶或近海鑽井平臺)之外表面之方法，其中在物體之浸沒表面上有水流。所施用之塗料對於一組至少兩種塗料而言具有最小阻力等級。 該方法包含電腦實施之塗料選擇過程，該過程包含第一步驟：對於塗料組中之每一塗料，基於與每一塗料相關聯之污底粗糙度值、宏觀粗糙度值及微觀粗糙度值獲得外表面之總粗糙度值。 應瞭解，污底粗糙度值可涉及與海洋積垢生物體之棲息相關聯之粗糙度。遍及本發明之污底粗糙度值並非海洋積垢生物體粗糙度之實際物理量度，而係自流體動力學之觀點來看將對曳力及流動結構具有與污底一樣之影響之有效物理粗糙度之量度。 亦應瞭解，宏觀粗糙度值可主要涉及源自物體之外表面之要素之粗糙度要素(例如板波紋、板重疊、焊接縫、螺栓或其他突出物、鋼剖面、物體之腐蝕或對物體之損壞)，及源自基材製備及油漆施用製程之粗糙度要素(例如塗料粗糙度及塗料缺陷(例如流淌、下陷及噴餘))。 亦應瞭解，微觀粗糙度值涉及低於宏觀粗糙度值之粗糙度值。其可主要涉及源自塗層材料之表面之粗糙度要素。 塗料選擇過程包含在第二步驟中自塗料組選擇塗料，其中所選擇之塗料在一段時間內具有與所獲得之總粗糙度值相關聯之最小阻力等級。 方法進一步包含將所選擇之塗料施用於人造物之外表面。 方法可涉及對與污底粗糙度值、宏觀粗糙度值及/或微觀尺度粗糙度值相關之參數之量測或估算。可關於污底粗糙度值量測或估算之參數之實例係一段時期內塗料上之生物污底之類型、分佈、密度及生長速率。 可關於宏觀粗糙度值量測或估算之參數之實例涉及每一截止長度之幅值、空間及混合參數(幅值與空間參數之組合)。適當地，Rt₅₀ (即在50 mm截止長度下最大峰至谷高度)係宏觀粗糙度值之量度，如藉由觸針式探針輪廓儀、雷射輪廓儀或白/藍光干涉儀等所量測。量測可在入塢(新建及維護及修理)期間在水下船體區域上實施。對於塢內調查，在量測宏觀粗糙度值之前，使用高壓淡水洗滌適當地去除污底粗糙度。若存在明顯區域(例如廣泛機械損傷)，則可自調查排除。 可關於微觀粗糙度值量測或估算之參數之實例涉及每一截止長度之幅值、空間及混合參數(幅值與空間參數之組合)。適當地，Ra₅ (即輪廓高度與平均線之偏差之絕對值之算術平均值，在5 mm截止長度之評估長度內記錄)可用以量測微觀粗糙度值。或者，可在入塢(新建及維護及修理)期間在水下船體區域上產生表面印記並稍後在實驗室中進行評審。量測可使用觸針式探針輪廓儀、雷射輪廓法或白/藍光干涉儀完成。 然後，關於污底粗糙度值、宏觀粗糙度值及微觀粗糙度值所量測或估算之參數可全部依照通用參數表示，此使得能夠將三個參數簡單相加得出總粗糙度值。舉例而言，污底粗糙度值、宏觀粗糙度值及微觀粗糙度值可表示為等效砂粒粗糙度高度k_s 。對於特定粗糙度之等效砂粒粗糙度高度係均勻緊密堆積之砂之高度，其在充分研發之紊流流態中給出與特定粗糙度相同之粗糙度函數。 申請人已認識到在施用塗料時，應慮及複數個參數並應基於污底粗糙度值、宏觀粗糙度值及微觀粗糙度值計算人造物之外表面之總粗糙度值。此外，申請人已意識到每一特定塗料以特定方式影響污底粗糙度值、宏觀粗糙度值及微觀粗糙度值。舉例而言，其可係第一塗料對污底粗糙度值具有極正面之效應，但對宏觀粗糙度值及微觀粗糙度值具有極負面之效應，此可能導致對總粗糙度值之整體上負面之效應。而舉例而言第二塗料可對污底粗糙度值、宏觀粗糙度值及微觀粗糙度值具有中等正面效應，此可能導致對外表面之總粗糙度值之整體上正面之效應。在此實例中，第二塗料將係最佳選擇。在一個實施例中，選擇過程額外慮及塗層材料之成本及施用之成本。更具體而言，若在更長之維護間隔及/或燃料節約方面之預期益處將超過與該塗層材料或其施用相關之任何更高之成本，則將僅選擇具有最低總粗糙度值之塗料。至少部分浸於水中之人造物可係預期在水中移動至少一些時間之船舶(例如船隻、船艇或其他水上工具)或至少部分浸於水中之靜態結構(例如預期實質上靜止之近海鑽井平臺)。 應瞭解，術語「塗料(coating)」可係指塗覆物質，但該術語亦可係指用以施用塗料之技術或係指塗覆方案。舉例而言，塗料組可包含使用兩種不同技術施用之兩種相同塗覆物質。塗層亦可包含自不同塗料組合物製備之多層。 該時間段可係任何適宜該時間段，例如船舶之乾船塢週期，即船舶下水與其第一次乾船塢之間或後續乾船塢之間之時期。該時間段可係(例如)三年或五年或可更短或更久。 應瞭解，污底粗糙度值、宏觀粗糙度值及微觀粗糙度值之至少一者可具時間依賴性並在該時間段內變化。因此，所計算之外表面之總粗糙度值亦可具時間依賴性並在該時間段內變化。所計算之總粗糙度值以及污底粗糙度值、宏觀粗糙度值及微觀粗糙度值可包含複數個值，其中每一值與該時間段中之特定時間或時間跨度相關。作為實例，所計算之總粗糙度值可在圖表上繪製為曲線，垂直軸上為總粗糙度值且水平軸上為時間。 應進一步瞭解，基於對於塗料組中之每一塗料所獲得之每一總粗糙度值，可計算相關聯之阻力等級，從而產生一組阻力等級。所選擇之塗料之最小阻力等級可係阻力等級組中之最低阻力等級。 最小阻力等級可指示船舶在水中移動時之拖曳阻力。最小阻力等級亦可指示至少部分浸於水中之靜止物體所經歷之來自水在物體之浸沒表面上移動之摩擦力。 在本文中所揭示之實施例中，與每一塗料相關聯之污底粗糙度值之計算可包含以下步驟。第一步驟涉及存取粗糙度資料庫，該粗糙度資料庫將每一塗料及在時間段期間預期人造物位於之至少一個地理區域之組合與靜態污底粗糙度值相關聯。 由於恆定或週期性施加之剪切力(例如，大於約5節之水之流速)，在動態條件下沉降之生物污底產生較少之生物污底累積、更光滑之表面及較低之污底粗糙度值。出於此原因，引入粗糙度調整因子以計及靜態與動態生長之間之污底粗糙度值差異。調整因子係修正污底粗糙度值之簡單乘法因子。 靜態污底粗糙度值係當所塗覆之物體經受恆定或週期性剪切力(例如，小於約5節之水之流速)時產生之污底粗糙度值。相應地，動態污底粗糙度值當所塗覆之物體經受恆定或週期性施加剪切力(例如，大於約5節之水之流速)時產生之污底粗糙度值。在動態條件下沉降之污底產生較少之污底累積、更光滑之表面及較低之污底粗糙度值。出於此原因，引入污底粗糙度值調整因子以計及靜態與動態條件之間之污底粗糙度值差異。調整因子係修正污底粗糙度值之數學因子。第二步驟涉及自資料庫檢索靜態污底粗糙度值。第三步驟包含藉由計及在時間段期間人造物之預期活動來將靜態污底粗糙度值轉換為動態污底粗糙度值。第四步驟涉及基於動態污底粗糙度值計算污底粗糙度值。 應瞭解，粗糙度資料庫可包含複數種塗料及複數個地理區域，且粗糙度資料庫可包含如WO 2013/092681第8頁第22行至第9頁第29行所揭示之塗料與地理區域之每一獨特組合之個別靜態污底粗糙度值。粗糙度資料庫可進一步包含經驗資料。粗糙度資料庫可進一步包含計算資料。計算資料可係內插資料。 人造物在時間段期間預期行進、位於或接觸之一或多個地理區域可包含在時間段期間船舶預期航行之貿易路線。 計及人造物之預期活動可包含使用基於預期活動之活動因子。預期活動可包含船舶預期航行之時間持續時間與船舶預期靜止之時間持續時間之間之比率。活動因子可經選擇以反映靜止物體可通常較移動物體更大程度上積垢之風險，且因此靜止物體具有更高之污底粗糙度值。對於靜止物體(例如近海鑽井平臺)而言，動態污底粗糙度值可等於靜態污底粗糙度值。 靜態污底粗糙度值可係表示在一個特定時間之預期靜態污底粗糙度值之一個值，其中該特定時間可係在該時間段結束時。舉例而言，船舶可預期航行經過地理區域I，且塗料B係在塗料組中，且該時間段係五年之乾船塢週期。然後，與I與B之組合相關聯之靜態污底粗糙度值可表示在五年時期結束時之預期靜態污底粗糙度值。 動態污底粗糙度值亦可包含表示在一個特定時間之動態污底粗糙度值之一個值。基於動態污底粗糙度值計算污底粗糙度值可包含基於污底粗糙度隨時間之預期變化計算污底粗糙度之複數個值。端視浸沒時期而定，物體之浸沒表面可積垢至更大程度。通常而言，物體積垢之風險將隨更長之浸沒時期而增加，使得已浸沒較長時期之物體可具有較高之污底粗糙度值。舉例而言，污底粗糙度值隨時間之預測變化可係污底粗糙度值隨時間呈指數增長。或者，污底粗糙度值隨時間之預期變化可係污底粗糙度值隨時間呈線性、逐步或對數增長。 實施例使得能夠計及人造物在該時間段期間之預期活動。可預期約100%活動之人造物(例如大部分時間處於航行之船舶)較約0%活動之人造物(例如大部分時間處於靜止之船舶或靜止物體)積垢更少。此外，藉由應用污底粗糙度值隨時間之預測變化，可基於動態污底粗糙度值計算該時間段中之任何時間之污底粗糙度值，且因此使得能夠使用污底粗糙度值隨時間之複數個值之計算來選擇塗料，其中該複數個值之每一值表示在該時間段中之特定時間之污底粗糙度。 在另一所揭示之實施例中，已推導出與塗料組中之塗料與地理區域之組合相關聯之至少一個靜態污底粗糙度值。第一步驟涉及自污底資料庫檢索與去過該地理區域之至少部分浸於水中且向其施用塗料之複數個人造物之污底相關之參數。第二步驟涉及基於複數個人造物中之每一人造物之參數計算污底得分，從而得到污底得分。第三步驟涉及計算污底得分之代表值。第四步驟包含自將所計算之污底得分之代表值與靜態污底粗糙度值相關聯之表格獲得靜態污底粗糙度值。 與至少部分浸於水中之複數個人造物之污底相關之參數可在選定之時期(例如船舶之乾船塢週期)期間在人造物上量測。與污底有關之參數可包含數個子類別以計及可存在於浸沒表面上之不同類型之污底生長之程度及嚴重性。舉例而言，該等子類別可包括以下中之至少一者：外表面經輕質黏泥之覆蓋百分比、外表面經中等黏泥之覆蓋百分比、外表面經重質黏泥之覆蓋百分比、外表面經雜草之覆蓋百分比、外表面經輕質動物積垢之覆蓋百分比、外表面經重質動物積垢之覆蓋百分比。 應瞭解，計算污底得分之代表值可涉及計算污底得分之算術平均值。其亦涉及計算加權平均值或任何其他類型之平均值，例如中值、三次平均值或中列數或模態值。 對於塗料組中之每一塗料，實施例使得能夠使用與已浸於地理區域中之水中之人造物之污底相關之許多歷史性量測。在該等實際量測上建立靜態污底粗糙度值能夠獲得更好之結果。 在實施例中，複數個人造物劃分為至少兩個子群。至少兩個子群之每一者與污底得分之各別範圍相關聯。各別範圍不重疊且每一子群僅包含具有每一子群之各別範圍內之污底得分之人造物。對於每一子群計算個別代表值，且隨後計算個別靜態污底粗糙度值、個別動態污底粗糙度值、個別污底粗糙度值及個別總粗糙度值。 複數個人造物可劃分為三個子群。第一子群可包含(例如) 70%之複數個人造物，其中第一子群中之每一人造物較第二及第三子群中之每一人造物具有較低之污底得分。第二子群可包含(例如) 20%之複數個人造物，其中第二子群中之人造物各自較第一子群中之每一人造物具有較高之污底得分，且第二子群中之每一人造物較第三子群中之每一人造物具有較低之污底得分。第三子群可包含(例如) 10%之複數個人造物，其中第三子群中之每一人造物較第二子群中之每一人造物具有較高之污底得分。 實施例使得能夠藉由在三個不同子群之間進行區分改良靜態污底粗糙度值之推導。其防止所計算之污底得分之代表值向可由幾個具有極高污底得分之人造物所引起之較高值偏斜。實施例亦能夠計算每一塗料之三個阻力等級。 在一個實施例中，宏觀粗糙度值係藉由基於初始基材宏觀粗糙度得分、塗料宏觀粗糙度得分及時間依賴性宏觀粗糙度得分之至少一者計算宏觀粗糙度得分來推導。初始基材宏觀粗糙度得分可取決於施用塗料之前外表面之準備。對於鋼物體(例如船隻及船舶)之維護及修理，關於船體之外表面之常用實踐係在準備重新塗覆時實施諸如刮削、動力工具處理、低壓或高壓水洗滌、高壓水沖洗或噴砂清理等技術準備用於施用塗料。外表面之準備可包含「通噴砂」，其中浸沒之整個外表面之所有塗層皆藉由噴砂去除，且不覆蓋裸露之外表面。準備亦可係「局部噴砂」，其中僅去除外表面之選擇區域(例如其中現有塗料處於較差條件下之區域)之塗層，且其中僅在該等選擇區域中不覆蓋裸露之外表面。應瞭解，外表面之準備亦可係藉由噴砂處理之外表面之百分比。舉例而言，其中一種處理中之選擇區域佔總外表面之50%且其中另一處理中之選擇區域佔總外表面之70%之兩種局部噴砂處理可視為兩種不同的準備。準備亦可為外表面不藉由噴砂清理處理。對於新近建造之船舶而言，關於船體之外表面之常用實踐係完全噴砂以為塗覆做準備。塗料宏觀粗糙度得分及時間依賴性宏觀粗糙度得分可取決於欲施用至物體之塗料產品。對於不同之個別塗料產品可選擇不同之塗料宏觀粗糙度得分及時間依賴性宏觀粗糙度得分。或者，不同塗料產品可根據不同通用技術分類來分類。污底控制塗料可分類為(例如)以下之至少一者：污底釋放、殺生物污底釋放、自拋光共聚物(SPC)、線性拋光聚合物(LPP)、自拋光(SP)、可控消耗聚合物(CDP)、燒蝕、自拋光混合物(SPH)、水解、離子交換或另一塗覆技術。 實施例使得能夠區分對於宏觀粗糙度得分之不同促成因子，其中每一塗料之每一促成因子可不同。 在一個實施例中，微觀粗糙度值係藉由基於初始微觀粗糙度得分及時間依賴性微觀粗糙度得分計算微觀粗糙度得分及藉由基於微觀粗糙度得分計算微觀粗糙度值來推導。初始微觀粗糙度得分及時間依賴性微觀粗糙度得分可自實驗室中操作之量測推導。初始微觀粗糙度得分可藉由各種技術(例如觸針式探針輪廓儀、雷射輪廓儀或白/藍光干擾法)來量測，從而在2或3個尺寸上來表徵表面粗糙度。該等量測可建立關於表面特徵之性質之細節，例如幅值、波長等。時間依賴性微觀尺度得分可藉由(例如)使用水槽、盤式轉子、鼓桶式轉子或其他技術使塗層表面暴露於流動之海水並週期性量測塗層表面之微觀粗糙度之變化來量測。 實施例使得能夠使用實驗室量測用於計算船體之微觀粗糙度值。 在一個實施例中，外表面分段為至少兩個區段。且外表面之總粗糙度值係第一區段之總粗糙度值與第二區段之總粗糙度值之組合。 組合可係相加，其中每一區段之總粗糙度值以區段特定因子加權。區段特定因子之和可等於1。區段特定因子之值可反映每一區段之近似相對表面積並可根據至少部分浸於水中之人造物而不同。實施例使得能夠個別計算外表面之每一區段之總粗糙度值。 在另一實施例中，外部浸沒表面(例如船體的外部浸沒表面)分段為區域。區域之實例包括水線帶部分、垂直側部分及平底部分、船首部分、水線肩部部分、船尾部分、螺旋槳部分或船體之其他部分。在較佳實施例中，船體之外部浸沒表面分段為選自以下之區域：水線帶部分、垂直側部分及平底部分。 船體之總粗糙度值可係船體之每一區段之總粗糙度值之組合，例如水線帶部分之總粗糙度值、垂直側部分之總粗糙度值及平底部分之總粗糙度值之組合。組合可係相加，其中船體之每一區段之粗糙度經因子加權，例如水線帶部分經水線帶因子加權，垂直側部分之粗糙度經垂直側因子加權，且平底部分之粗糙度經平底因子加權。實施例使得能夠個別計算船體之每一部分之粗糙度。 在一個實施例中，最小阻力等級係基於總粗糙度值、人造物之形狀及大小及人造物之運行速度之至少一者藉由計算流體動力學模型計算。實施例使得能夠精細地推導與在時間段期間所獲得之粗糙度相關聯之阻力等級。物體之運行速度可隨時間變化。適當地，使用平均運行速度或更詳細之速度概況。 在一個實施例中，所選擇之塗料經組態以保護免於以下之一：積垢、腐蝕、固體及液體顆粒磨損、由UV吸收及冰所致之劣化。實施例使得能夠施用不同類型之塗料。 在另一實施例中，至少部分浸於水中之人造物之外表面包含船舶之船體。 當污底粗糙度值超過某一臨限值時，總體粗糙度值可由污底粗糙度值支配。在此等情形下，可忽略宏觀粗糙度值或微觀粗糙度值之改變。 本發明之方法亦非常適於預測塗覆有所選擇之塗料之船體之動力需求、燃料消耗及溫室氣體排放。此使得船舶運營商能夠準確預測由選擇特定塗料所產生之經濟優勢。因此，在較佳實施例中，對於塗覆有所選擇之塗料之船舶船體計算使船舶以期望速度移動之動力需求。總粗糙度值可與具有特定船體形狀及大小之特定船舶之拖曳阻力相關，其進而可與期望船舶速度下之動力需求相關。該等資料可(例如)自含有特定船舶之歷史性或經計算之動力需求及拖曳阻力資料之資料庫提取。在另一實施例中，動力需求轉化為預測之燃料消耗。在其中船舶係藉由化石燃料驅動之情形下，可使特定塗料之選擇與溫室氣體排放相關。 本揭示內容之其他態樣係關於此方法中所使用之電腦程式及非暫時性電腦可讀儲存媒體。 如熟習此項技術者將瞭解，本發明之態樣可體現為系統、方法或電腦程式產品。因此，本發明之態樣可採取以下形式：完全硬體實施例、完全軟體實施例(包括韌體、常駐軟體、微碼等)或結合軟體與硬體態樣之實施例，該等實施例在本文中可全部統稱為「電路」、「模組」或「系統」。本揭示內容中所闡述之功能可實現為藉由電腦之處理器/微處理器所執行之演算法。此外，本發明之態樣可採取體現於一或多個電腦可讀媒體中之電腦程式產品之形式，該(等)電腦可讀媒體具有在其上體現(例如，儲存)之電腦可讀程式代碼。 可利用一或多個電腦可讀媒體之任何組合。該電腦可讀媒體可係電腦可讀信號媒體或電腦可讀儲存媒體。電腦可讀儲存媒體可係(例如但不限於)電子、磁性、光學、電磁、紅外或半導體系統、裝置或器件，或前述之任何適宜組合。電腦可讀儲存媒體之更具體實例可包括(但不限於)以下：具有一或多個金屬線之電連接、可攜式電腦磁片、硬碟、隨機存取記憶體(RAM)、唯讀記憶體(ROM)、可擦除可程式化唯讀記憶體(EPROM或快閃記憶體)、光纖、可攜式壓縮磁碟唯讀記憶體(CD-ROM)、光學儲存器件、磁性儲存器件或前述之任何適宜組合。在本發明之上下文中，電腦可讀儲存媒體可係可含有或儲存供指令執行系統、裝置或器件使用或結合其使用之程式之任何有形媒體。 電腦可讀信號媒體可包括具有(例如)在基帶中或作為載波之一部分之其中體現有電腦可讀程式代碼之傳播資料信號。此一傳播信號可採取各種各樣形式中之任何者，包含(但不限於)電磁、光學或其任何適宜組合。電腦可讀信號媒體可係非電腦可讀儲存媒體並可傳送、傳播或傳輸供指令執行系統、裝置或器件使用或結合其使用之程式之任何電腦可讀媒體。 體現在電腦可讀媒體上之程式代碼可使用任何適當媒體傳輸，該媒體包括(但不限於)無線、有線、光纖、電纜、RF等，或前述之任何適宜組合。用於針對本發明之態樣執行運算之電腦程式代碼可以一或多種程式設計語言之任何組合寫入，程式設計語言包括物件導向之程式設計語言(例如Java (TM)、Smalltalk、C++或諸如此類)及習用程序性程式設計語言(例如「C」程式設計語言或類似程式設計語言)。程式代碼可完全在使用者之電腦上、部分在使用者之電腦上、作為獨立軟體包、部分在使用者之電腦上且部分在遠端電腦上或完全在該遠端電腦或伺服器上執行。在後一情形中，遠程電腦可藉助包括局域網路(LAN)或廣域網路(WAN)之任何類型之網路連接至使用者之電腦，或可連接至外部電腦(舉例而言，藉助使用網際網路服務提供者之網際網路)。 下文參考根據本發明之實施例之方法、裝置(系統)及電腦程式產品之流程圖圖解及/或方框圖來闡述本發明之態樣。將理解，該等流程圖圖解及/或方框圖中之每一方框及該等流程圖圖解及/或方框圖中之方框之組合均可藉由電腦程式指令來實施。可將該等電腦程式指令提供至通用電腦、專用電腦或其他可程式化資料處理裝置之處理器、具體而言微處理器或中央處理單元(CPU)以產生機器，使得經由電腦、其他可程式化資料處理裝置或其他器件之處理器執行之該等指令產生用於實施流程圖及/或方框圖之一或多個方框中所指定之功能/動作之構件。 該等電腦程式指令亦可儲存於電腦可讀媒體中，該電腦可讀媒體可引導電腦、其他可程式化資料處理裝置或其他器件以特定方式起作用，使得儲存於電腦可讀媒體中之指令產生包括實施流程圖及/或方框圖之一或多個方框中所指定之功能/動作之指令之製品。 亦可將電腦程式指令加載至電腦、其他可程式化資料處理裝置或其他器件上以引發將在電腦、其他可程式化裝置或其他器件上執行之一系列運算步驟以產生電腦實施之過程，使得在電腦或其他可程式化設備上執行之指令提供用於實施流程圖及/或方框圖之一或多個方框中所指定之功能/動作之過程。 圖式中之流程圖及方框圖圖解說明根據本發明之各個實施例之系統、方法及電腦程式產品之可能實施方案之架構、功能性及操作。就此方面而言，流程圖或方框圖中之每一方框可表示模組、分段或程式碼之部分，其包含用於實施所指定邏輯功能之一或多個可執行指令。亦應注意，在一些替代實施方案中，方框中所標註之功能可不按圖式中所標註之次序出現。舉例而言，事實上，取決於所涉及之功能性，可實質上同時執行連續顯示之兩個方框，或有時可按相反次序執行該等方框。亦應注意，方框圖及/或流程圖圖解中之每一方框及方框圖及/或流程圖圖解中之方框之組合可由執行指定功能或動作之基於專用硬體之系統或專用硬體與電腦指令之組合來實施。 將參考附圖進一步圖解說明本發明之實施例，該等附圖將示意性地示出根據本發明之實施例。將理解，本發明不以任何方式受限於該等特定實施例。 注意，本發明涉及申請專利範圍中所述特徵之所有可能組合。 圖式之詳細闡述

圖1顯示所揭示之方法之實施例之示意性流程圖。本文中塗料組包含三種不同塗料：塗料1、塗料2及塗料3。對於每一塗料而言，在步驟S1中獲得外表面之總粗糙度值。獲得此總粗糙度值涉及污底粗糙度值、宏觀粗糙度值及微觀粗糙度值。步驟S1針對每一塗料1-3產生總粗糙度值。阻力等級與每一總粗糙度值相關聯且在步驟S2中選擇具有最小阻力等級之塗料。在此實施例中，塗料3具有與最小阻力等級相關聯之總粗糙度值。隨後在步驟S3中，將所選擇之塗料(塗料3)施用於至少部分浸於水中之人造物之外表面。 圖2係繪示塗料之阻力等級之推導之一個實施例之流程圖。在此實施例中，至少部分浸於水中之人造物之外表面係船隻之船體。應瞭解，相同之推導步驟可用於其他至少部分浸於水中之人造物，例如近海鑽井平臺。觀察圖2之右手側，可見阻力等級係計算流體動力學(CFD)建模步驟S4之結果。用於此建模之輸入係船舶之形狀及大小、船舶之運行速度及外表面之總粗糙度值。步驟S4中之CFD建模提供與總粗糙度值相關聯之阻力等級。另外，且基於總粗糙度值，CFD建模可預測船舶在該時間段中之動力消耗(未示出)。隨後，可計算基於此動力消耗之其他參數，例如燃料消耗、燃料成本、所排放之溫室氣體之量等。 在圖2之實施例中，船舶之船體分段為三個區段：水線帶(BT)區段，其係當完全裝載時與當卸載時船舶之水線之間之船體之區域；垂直側(VS)區段，其係自艙底至水線帶區段之底部之垂直、彎曲或傾斜區域；及平底(FB)區段，其係自艙底至艙底之船體底部區域。通常，艙底係船體之圓形部分，其形成底部與垂直側之間之過渡。如圖2中所示，總粗糙度值可藉由將水線帶區段之總粗糙度值、垂直側區段之總粗糙度值及平底區段之總粗糙度值組合，並以特定加權因子將每一總粗糙度值加權來計算。 圖2顯示其中VS區段之總粗糙度值係基於污底粗糙度值(VS區段)、宏觀粗糙度值(VS區段)且基於微觀粗糙度值(VS區段)獲得之實施例。應理解，BT區段之總粗糙度值及FB區段之總粗糙度值亦可分別基於BT區段及FB區段之污底粗糙度值、宏觀粗糙度值及微觀粗糙度值獲得。應瞭解，污底粗糙度值、宏觀粗糙度值及微觀粗糙度值皆可以等效砂粒粗糙度高度k_s 表示，其使得能夠將三個參數簡單相加得到總粗糙度值。對於特定粗糙度值之等效砂粒粗糙度高度係在全激流流態下給出與特定粗糙度相同之粗糙度函數之均勻、緊密堆積之砂之高度。 圖3係繪示與塗料1 (繪示在圖3之左手側)相關聯之一個實施例中之污底粗糙度值之計算之流程圖。進一步注意，圖中之地理區域係在時間段期間至少部分浸於水中之人造物預期位於之地理區域。人造物可係具有三年乾船塢週期之集裝箱船。集裝箱船亦可在即將來臨之三年期間僅排定在美國波士頓港與荷蘭鹿特丹港之間航行。然後地理區域可係北大西洋。塗料1及地理區域係所繪示之污底粗糙度之計算之輸入。在步驟S5中，存取粗糙度資料庫並自該粗糙度資料庫檢索與塗料1與地理區域之組合相關聯之靜態污底粗糙度值。應瞭解，粗糙度資料庫在計算污底粗糙度值中係重要態樣，且因此在實施所揭示之方法中係重要態樣。下文就圖6提供粗糙度資料庫之生成之更詳細之說明。 在獲得靜態污底粗糙度值之後，將其在步驟S6中轉化為動態污底粗糙度值。此轉化係基於活動因子及預期活動。活動因子可反映在0%活動下之船舶將較在100%活動下之船舶積垢更嚴重之風險。預期活動可指示處於航行之船舶之時間與靜止停在水中之船舶之時間之間之比率。因此，在污底粗糙度之計算中計及船舶之活動。通常而言，大多數時間處於航行之船舶較大多數時間處於靜止之船舶污底沈積之風險更低。在獲得動態污底粗糙度值之後，在步驟S7中計算污底粗糙度值。在此最後步驟S7中慮及污底粗糙度值隨時間之預期變化。動態污底粗糙度值可係指示在該時間段(例如乾船塢週期)結束時之污底粗糙度之一個特定值之一個值。藉由將污底粗糙度值之計算S7基於隨時間之預期變化，可計算污底粗糙度值之複數個值，例如對於該時間段中每一特定時間之一個值。如上文所述，隨時間之預期變化可係污底粗糙度值隨時間之指數增長。 圖4係繪示在一個實施例中宏觀粗糙度值之推導之流程圖。用於此推導之輸入係初始基材宏觀粗糙度得分、塗料宏觀粗糙度得分及時間依賴性宏觀粗糙度得分。在計算步驟S8中基於該等參數計算宏觀粗糙度得分。在另一步驟S9中，宏觀粗糙度得分轉化為宏觀粗糙度值。初始宏觀粗糙度得分可主要由外表面之輪廓決定。因此，在施用塗料之前外表面之製備在估算初始宏觀粗糙度得分方面係重要參數。此外，研究已顯示塗料產品及/或塗覆技術分類對初始宏觀粗糙度得分有影響。因此，塗料粗糙度得分中亦慮及塗料產品或塗覆技術分類。乾船塢週期期間宏觀粗糙度得分之變化係藉由時間依賴性宏觀粗糙度得分確定且可假定係線性增加。 圖5係繪示微觀粗糙度值之推導之流程圖。推導係基於初始微觀粗糙度得分及時間依賴性微觀粗糙度得分。在步驟S10中計算微觀粗糙度得分，且隨後在步驟S11中推導出微觀粗糙度值。多個因子對初始微觀粗糙度值具有影響，例如施用方法/品質、塗料之批齡等。因此，期望自塗料表面之多個重複量測推導初始微觀粗糙度值。 圖6係粗糙度資料庫中條目之生成之流程圖。如參考圖3所描述，粗糙度資料庫包含塗料1與地理區域之組合之靜態污底粗糙度值。生成條目之起始點係污底資料庫。污底資料庫可包含關於在複數個船舶(例如超過20,000艘船舶)上實施之污底量測之資料。該等量測可在船舶之乾船塢期間實施。資料亦可包含哪一塗料施用於船舶及船舶航行經過之哪些地理區域以及船舶在乾船塢循環週期中之速度及活動資料。圖8顯示污底資料庫之可能摘錄，此將在下文更詳細地解釋。在圖6之實施例中，污底資料庫包含藉助對塗料1施用於之且航行經過地理區域之四艘不同船舶之各別污底量測獲得之污底參數(未示出)。船舶之污底參數可指示所發現之污底之類型及其程度(表示為外表面之百分比)。舉例而言，一艘船舶之污底參數可指示，船舶之外表面之10%覆蓋有輕質黏泥，20%覆蓋有重質黏泥，另一5%覆蓋有雜草且外表面之另一10%覆蓋有重質動物污底。基於污底參數，在步驟S12-S15中計算每一船舶之污底得分。在步驟S16中將該等污底得分合併以計算平均污底得分。在下一步驟S17中，藉由存取將靜態污底粗糙度值與所計算之平均污底得分關聯之表格來獲得靜態污底粗糙度值。一旦在步驟S17中獲得靜態污底粗糙度值，則將其與塗料1及地理區域一起添加至粗糙度資料庫。因此，粗糙度資料庫包含將靜態污底粗糙度值與塗料1與地理區域之組合相關聯之一個條目。 圖7繪示一個實施例中粗糙度資料庫之摘錄之實例。如可見，對於塗料與地理區域之每一組合，在粗糙度資料庫中存在相關聯之靜態粗糙度值。靜態污底粗糙度值對地理區域之依賴性可源於每一地理區域中之不同情況。該等情況可涉及(例如)水之組成、水之溫度或天氣情況。當然，每一塗料可對該等情況反應不同，此導致每一地理區域不同之塗料性質。舉例而言，可能在大西洋中塗料1較塗料2更有效地防止積垢，但在印度洋中發現之不同情況下塗料2較塗料1更有效地防止積垢。 圖8繪示一個實施例中污底資料庫之摘錄之實例。注意，在此摘錄中，僅存在塗料1與地理區域「大西洋」之組合。在此摘錄中有十艘船舶(船隻A - J)，其皆施用有塗料1且已航行經過大西洋。污底參數可在每一船隻之乾船塢週期期間量測。本文中僅示出兩個污底參數，即船體經輕質黏泥之覆蓋百分比及船體經重質黏泥之覆蓋百分比。對於每一船隻計算污底得分。此外，將船隻劃分為子群，即具有低污底得分之子群(低)、具有中等污底得分之子群(中等)、及具有高污底得分之子群(高)。此使得能夠計算每一子群之平均污底得分並防止向來源於一艘具有極高污底得分之船隻之較高污底得分偏斜。在此實施例中，污底得分為8.3之船隻C將導致向平均污底得分之較高值偏斜。 應注意，每一船隻A - J可具有其自身之乾船塢週期，因此塗料1之施用與污底參數之量測之間之時間可因船隻而異，此自然地影響所量測之污底參數。通常，具有較長乾船塢循環週期之船隻較具有較短乾船塢循環週期之船隻處於更高之積垢風險下。此外，可能船隻J較船隻B航行更多(即具有更高之活動性)，造成船隻J之污底得分較低。較佳地，儘可能多地慮及污底資料庫中之船舶之運行特性之間之此等差異，例如藉由調整因子。污底資料庫中之條目較佳慮及船舶之運行特性之此等差異(例如藉由應用調整因子)，以得到相關之平均污底得分。 圖9係表格之圖解實例，其中靜態污底粗糙度值與污底得分相關聯。表格可係基於科學研究的。 圖10係繪示塗料1、2及3之各別總粗糙度值之圖表。總粗糙度值係針對三年之時期計算。在此實施例中，在此三年時期結束時之總粗糙度值之值係塗料1、2及3之各別動態污底粗糙度值。在圖10中，塗料1之動態污底粗糙度值以虛線指示。如上文所解釋，基於每一動態污底粗糙度值，計算總粗糙度值曲線。在此實施例中，假定總粗糙度值隨時間之預期變化指數增加，因此為指數曲線。如可見，由於該等指數增加，尤其在第三年中三種塗料之總粗糙度值顯著不同。一般而言，較高之總粗糙度值與較高之阻力相關聯，且因此(例如)對於船舶擁有者而言燃料成本更高。 圖11係繪示與圖10中所示之總粗糙度值相關聯之各別阻力等級之圖表。阻力等級係CFD建模之結果，CFD建模尤其使用總粗糙度值作為輸入。正如預計，塗料3之阻力等級係此實施例中之最小阻力等級。基於總粗糙度值計算阻力等級可涉及在一段時間內之總粗糙度值之積分，在此情形下三年時間段內繪示於圖10中。應瞭解，(例如)船舶之阻力等級對於船舶擁有者可係對於即將來臨之乾船塢週期之燃料成本之指示。 圖12顯示塗料3之阻力等級之實例，其中污底資料庫中之船舶已劃分為三個子群且其中已獲得三個平均污底得分並隨後獲得三個靜態污底粗糙度值、三個動態污底粗糙度值、三個污底粗糙度值、三個總粗糙度值及最終三個阻力等級，每一子群一個。子群高可以最高之污底得分在污底資料庫中佔船舶之10%，子群中等以中等污底得分在污底資料庫中佔船舶之20%，且子群低以最低之污底得分在污底資料庫中佔船舶之70%。因此，圖12中之三條曲線可指示塗料3所發生之不同程度之總粗糙度值之可能性。然後，子群低之曲線係主要預測並表示很大可能或預期之總粗糙度值。然後，子群中等之曲線表示可能之總粗糙度值，但與子群低相關聯之總粗糙度值相比稍微較不可能。子群高之曲線表示不可能之總粗糙度值。 圖13繪示圖解說明可用於電腦實施之塗料選擇過程中之例示性資料處理系統之方塊圖。 如圖13中所示，資料處理系統100可包括至少一個藉助系統匯流排106耦合至記憶體元件104之處理器102。因此，資料處理系統可在記憶體元件104內儲存程式代碼。此外，處理器102可經由系統匯流排106執行自記憶體元件104存取之程式代碼。在一態樣中，資料處理系統可實現為適於儲存及/或執行程式代碼之電腦。然而，應瞭解，資料處理系統100可以能夠執行本說明書內所闡述之功能之包括處理器及記憶體之任何系統之形式來實施。 記憶體元件104可包括一或多個物理記憶體器件，例如局部記憶體108及一或多個大容量儲存器件110。局部記憶體可係指在實際執行程式代碼期間所通常使用之隨機存取記憶體或其他非持久性記憶體器件。大容量儲存器件可實現為硬驅動器或另一持續性資料儲存器件。處理系統100亦可包括一或多個提供至少一些程式代碼之臨時性儲存之快取記憶體(未示出)，以便減少在執行期間必須自大容量儲存器件110檢索程式代碼之次數。 繪示為輸入器件112及輸出器件114之輸入/輸出(I/O)器件視情況可耦合至資料處理系統。輸入器件之實例可包括(但不限於)鍵盤、指向器件(例如鼠標)或諸如此類。輸出器件之實例可包括(但不限於)監視器或顯示器、揚聲器或諸如此類。輸入及/或輸出器件可直接或藉助介入I/O控制器耦合至資料處理系統。 在實施例中，輸入及輸出器件可實現為合併之輸入/輸出器件(在圖13中以圍繞輸入器件112及輸出器件114之虛線圖解說明)。此一合併器件之實例係觸敏式顯示器，有時亦稱為「觸控螢幕顯示器」或簡稱為「觸控螢幕」。在此一實施例中，對器件之輸入可藉由在觸控螢幕顯示器上或附近移動物理物體(例如觸針或使用者之手指)來提供。 網路適配器116亦可耦合至資料處理系統以使得其能夠藉助介入私人或公共網路耦合至其他系統、電腦系統、遠程網路器件及/或遠程儲存器件。網路適配器可包含用於接收由該等系統、器件及/或網路傳輸至資料處理系統100之資料之資料接收器，及用於將資料自資料處理系統100傳輸至該等系統、器件及/或網路之資料傳輸器。數據機、纜線數據機及乙太網路(Ethernet)卡係可與資料處理系統100一起使用之不同類型之網路適配器之實例。 如圖13中所繪畫，記憶體元件104可儲存應用程式118。在各個實施例中，應用程式118可儲存於局部記憶體108、一或多個大容量儲存器件110中或遠離局部記憶體及大容量儲存器件。應瞭解，資料處理系統100可進一步執行可促進執行應用程式118之操作系統(圖13中未示出)。以可執行之程式代碼之形式實施之應用程式118可藉由資料處理系統100 (例如藉由處理器102)執行。響應執行應用程式，資料處理系統100可經組態實施本文中所闡述之一或多個操作或方法步驟。 在另一態樣中，資料處理系統100可表示客戶端資料處理系統。在彼情形下，應用程式118可表示當執行時組態資料處理系統100以實施本文中關於「客戶端」所闡述之各種功能之客戶端應用程式。客戶端之實例可包括(但不限於)個人電腦、可攜式電腦、行動電話或諸如此類。 在另一態樣中，資料處理系統100可表示伺服器。舉例而言，資料處理系統可表示(HTTP)伺服器，在此情形下當應用程式118執行時，可組態資料處理系統以實施(HTTP)伺服器操作。 本發明之各個實施例可實現為用於與電腦系統一起使用之程式產品，其中該程式產品之一或多個程式定義實施例之功能(包括本文中所闡述之方法)。在一個實施例中，該(等)程式可包含在各種非暫時性電腦可讀儲存媒體上，其中，如本文中所使用，表達「非暫時性電腦可讀儲存媒體」包含所有電腦可讀媒體，其中唯一例外係暫時之傳播信號。在另一實施例中，該(等)程式可包含在各種暫時性電腦可讀儲存媒體上。闡釋性電腦可讀儲存媒體包括(但不限於)：(i) 不可寫入之儲存媒體(例如，電腦內之唯讀記憶體器件，例如可藉由CD-ROM驅動器讀取之CD-ROM磁碟、ROM晶片或任何類型之固態非揮發性半導體記憶體)，其上資訊永久儲存；及(ii) 可寫入之儲存媒體(例如，快閃記憶體、磁片驅動器或硬磁碟驅動器內之軟磁碟或任何類型之固態隨機存取半導體記憶體)，其上儲存可改變之資訊。電腦程式可在本文中所闡述之處理器102上運行。 本文中所使用之術語僅用於描述特定實施例之目的而並非意欲限制本發明。除非上下文另外明確指示，否則如本文中所使用，單數形式「一(a、an)」及「該(the)」亦意欲包括複數形式。將進一步理解，當術語「包含(comprise及/或comprising)」在本說明書中使用時指定存在所陳述之特徵、整數、步驟、操作、元件及/或組件，但並不排除存在或添加一或多個其他特徵、整數、步驟、操作、元件、組件及/或其群組。 下文申請專利範圍中之所有構件或步驟加功能元件之相應結構、材料、動作及等效物意欲包括用於結合如具體所主張之其他所主張元件一起執行功能之任何結構、材料或動作。本發明之實施例之說明係出於闡釋性目的而呈現，而非意欲為窮盡性的或限於呈所揭示形式之實施方案。在不背離本發明之範圍及精神之情形下，許多修改及變化形式對於熟習此項技術者將係顯而易見的。選擇並闡述實施例以最佳地解釋本發明之原理及一些實際應用，並使得其他熟習此項技術者能夠以適合於所涵蓋之特定用途針對具有各種修改之各種實施例理解本發明。

100‧‧‧資料處理系統
102‧‧‧處理器
104‧‧‧記憶體元件
106‧‧‧系統匯流排
108‧‧‧局部記憶體
110‧‧‧大容量儲存器件
112‧‧‧輸入器件
114‧‧‧輸出器件
116‧‧‧網路適配器
118‧‧‧應用程式

將參考圖式中所示之例示性實施例更詳細地解釋本發明之態樣，其中： 圖1係繪示所揭示方法之步驟之流程圖。 圖2係繪示阻力等級之推導之流程圖。 圖3係繪示污底粗糙度之計算之流程圖。 圖4係繪示宏觀尺度粗糙度之推導之流程圖。 圖5係繪示微觀尺度粗糙度之推導之流程圖。 圖6係繪示資料輸入至粗糙度資料庫中之流程圖。 圖7繪示粗糙度資料庫之實例。 圖8繪示污底資料庫之實例。 圖9繪示表格之實例。 圖10係包含三個總粗糙度值之圖表。 圖11係顯示阻力等級之圖表。 圖12係顯示三個總粗糙度值之圖表。 圖13繪示根據本發明之一個實施例之計算系統。

Claims (15)

1. 一種將塗料施用於至少部分浸於水中一段時期之人造物(例如船舶或近海鑽井平臺)之外表面之方法，其中在該浸沒物體與水之間存在相對運動，其中該塗料對於一組塗料而言具有最小阻力等級，該方法包含： 電腦實施之塗料選擇過程，其包含以下步驟： 對於該塗料組中之每一塗料，基於與每一塗料相關聯之污底粗糙度值、宏觀粗糙度值及微觀粗糙度值獲得外表面之總粗糙度值， 自該塗料組選擇塗料，其中該所選塗料針對該段時期具有與所獲得之總粗糙度值相關聯之最小阻力等級； 其中該方法進一步包含將該所選塗料施用於該人造物之外表面。
2. 如請求項1之方法，其中與每一塗料相關聯之該污底粗糙度值之計算包含： 存取粗糙度資料庫，該粗糙度資料庫使每一塗料與預期該人造物在該時間段期間所處之地理區域之組合與各別靜態污底粗糙度值相關聯； 檢索該靜態污底粗糙度值； 藉由計及該人造物在該時間段期間之預期活動將該靜態污底粗糙度值轉換成動態污底粗糙度值； 基於該動態污底粗糙度值並基於該污底粗糙度值隨時間之預期變化計算該污底粗糙度值。
3. 如請求項1或2之方法，其中與該塗料組中之一塗料與該地理區域之組合相關聯之至少一個靜態污底粗糙度值係藉由以下方式推導： 自污底資料庫檢索與去過該地理區域且向其施用該塗料之至少部分浸於水中之複數個人造物之污底相關之參數； 基於該複數個人造物中之每一人造物之參數計算污底得分，從而得到污底得分； 計算該等污底得分之代表值； 自將該所計算之該等污底得分之代表值與該靜態污底粗糙度值相關聯之表格獲得該靜態污底粗糙度值。
4. 如請求項3之方法，其中將該複數個人造物劃分為至少兩個子群，其中該至少兩個子群之每一者與污底得分之一各別範圍相關聯，其中該等各別範圍不重疊且其中每一子群僅包含具有在每一子群之該各別範圍內之污底得分之人造物；且 其中針對每一子群計算個別平均值，且隨後計算個別靜態污底粗糙度值、個別動態污底粗糙度值、個別污底粗糙度值及個別總粗糙度值。
5. 如請求項1或2之方法，其中該宏觀粗糙度值係藉由以下方式推導： 基於初始基材宏觀粗糙度得分、塗料宏觀粗糙度得分及時間依賴性宏觀粗糙度得分之至少一者計算宏觀粗糙度得分； 基於該宏觀粗糙度得分計算該宏觀粗糙度值。
6. 如請求項1或2之方法，其中該微觀粗糙度值係藉由以下方式推導： 基於初始微觀粗糙度得分及時間依賴性微觀粗糙度得分計算微觀粗糙度得分； 基於該微觀粗糙度得分計算該微觀粗糙度值。
7. 如請求項1或2之方法，其中該最小阻力等級係基於該總粗糙度值、該人造物之形狀及大小及該人造物之運行速度之至少一者藉由計算流體動力學模型計算。
8. 如請求項1或2之方法，其中將該外表面分段為至少兩個區段，且其中該外表面之該總粗糙度值係第一區段之總粗糙度值與第二區段之總粗糙度值之組合。
9. 如請求項8之方法，其中將該外表面分段為水線帶部分、垂直側部分及平底部分。
10. 如請求項1或2之方法，其中該所選塗料係經組態以針對以下中之一者提供保護：積垢、腐蝕、固體及液體顆粒磨損、由UV吸收及冰所致之劣化。
11. 如請求項1或2之方法，其中該至少部分浸於水中之人造物之該外表面包含船舶之船體。
12. 如請求項11之方法，其中針對塗覆有該所選擇塗料之船舶船體計算使該船舶以期望速度移動之動力需求。
13. 如請求項12之方法，其中將該動力需求轉化為預測之燃料消耗或預測之溫室氣體排放。
14. 一種電腦程式或電腦程式套件，其包含至少一個軟體代碼部分或儲存至少一個軟體代碼部分之電腦程式產品，當該軟體代碼部分在電腦系統上運行時，其經組態用於執行如請求項1至13中任一項之該塗料選擇過程。
15. 一種儲存至少一個軟體代碼部分之非暫時性電腦可讀儲存媒體，當該軟體代碼部分由電腦執行或處理時，其經組態以實施包含如請求項1至13中任一項之該塗料選擇過程之步驟之可執行之操作。