Comparative analysis of clustering techniques and machine learning models for the assessment of ship’s hull and propeller fouling

Αναστασιάδης, Αλέξανδρος; Anastasiadis, Alexandros

dc.contributor.author	Αναστασιάδης, Αλέξανδρος	el
dc.contributor.author	Anastasiadis, Alexandros	en
dc.date.accessioned	2024-01-29T10:08:39Z
dc.date.available	2024-01-29T10:08:39Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/58712
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.26408
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Machine learning	en
dc.subject	Clustering techniques	en
dc.subject	Ρύπανση γάστρας	el
dc.subject	Ρύπανση έλικας	el
dc.subject	Reference model	en
dc.subject	Απόδοση πλοίου	el
dc.subject	Μεταβολή ισχύος	el
dc.subject	Μεταβολή ταχύτητας	el
dc.title	Comparative analysis of clustering techniques and machine learning models for the assessment of ship’s hull and propeller fouling	en
dc.title	Σύγκριση τεχνικών συσταδοποίησης και μοντέλων μηχανικής μάθησης για την αξιολόγηση της γάστρας και της έλικας του πλοίου	el
heal.type	bachelorThesis
heal.classification	Μοντέλα μηχανικής μάθησης	el
heal.classification	Ρύπανση γάστρας και έλικας	el
heal.classification	Αλγόριθμοι συσταδοποίησης	el
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2023-09-28
heal.abstract	Μια από τις πιο συχνές δοκιμασίες που αντιμετωπίζει η ναυτιλία σήμερα έχει να κάνει με την αξιολόγηση της απόδοσης του πλοίου λόγω της ρύπανσης της γάστρας και της έλικας. Καθώς τα πλοία διασχίζουν τους ωκεανούς όταν ταξιδεύουν, η γάστρα τους και η προπέλα τους αναπόφευκτα μαζεύει τους ρύπους του ωκεανού με αποτέλεσμα να μειώνεται σημαντικά η απόδοσή τους. Η αρνητική αυτή επίδραση στην απόδοση του πλοίου οδηγεί σε αύξηση της κατανάλωση καυσίμου και κατ’ επέκταση αύξηση των κόστων λειτουργίας και προφανώς μεγαλύτερης επίπτωσης στο περιβάλλον. Οι παραδοσιακές τεχνικές για την αξιολόγηση της μειωμένης απόδοσης πλοίων συχνά δεν είναι επαρκείς, καθώς βασίζονται σε μεθόδους που είναι είτε χρονοβόρες είτε δαπανηρές, και ενδέχεται να μην είναι άμεσα διαθέσιμες ή κατάλληλες για όλα τα πλοία. Υπογραμμίζεται λοιπόν ότι είναι ιδιαίτερα σημαντική η ανάπτυξη μιας πιο πρακτικής και προσιτής μεθόδου για την αξιολόγηση της επίδρασης της ρύπανσης στην απόδοση του πλοίου. Ως απάντηση σε αυτό, η έρευνά μας επικεντρώνεται σε μια διαφορετική προσέγγιση για τη δημιουργία ενός μοντέλου αναφοράς με βάση το οποίο μπορεί να αξιολογηθεί η τρέχουσα απόδοση του πλοίου. Παραδοσιακά, τέτοια μοντέλα προκύπτουν από καμπύλες ταχύτητας-ισχύος που δημιουργούνται κατά τη φάση σχεδιασμού του πλοίου μέσω δοκιμών σε πειράματα δεξαμενής ή από προηγμένες υπολογιστικές τεχνικές όπως η Υπολογιστική Δυναμική Ρευστών (CFD). Και οι δύο μέθοδοι όμως απαιτούν αξιόπιστους πόρους και σημαντικές προσπάθειες για να παράσχουν κατάλληλα δεδομένα για την προετοιμασία του μοντέλου αναφοράς. Στην παρούσα μελέτη, η μέθοδός μας εξετάζει τη διαδικασία δημιουργίας ενός μοντέλου αναφοράς χρησιμοποιώντας δεδομένα που συλλέγονται κατά τη λειτουργία του πλοίου. Διάφοροι αλγόριθμοι μηχανικής μάθησης χρησιμοποιούνται στο υπολογιστικό πλαίσιο που παρουσιάζεται. Το σύνολο των δεδομένων αξιολογείται ως προς τα ανώμαλα σημεία και προεπεξεργάζεται έτσι ώστε να είναι σε κατάλληλη μορφή για περαιτέρω ανάλυση. Αφού εντοπιστεί το μοντέλο αναφοράς, το επόμενο βήμα περιλαμβάνει την εφαρμογή μεθόδων συσταδοποίησης σε αυτό, με σκοπό τον εντοπισμό των πιο κοινών λειτουργικών μοτίβων-καταστάσεων. Στη συνέχεια, τα υπόλοιπα λειτουργικά δεδομένα ταξινομούνται σε αυτές τις συστάδες, οργανώνοντας έτσι τα δεδομένα σε παρόμοιες λειτουργικές καταστάσεις ανάλογα με το βάθος και το trim του πλοίου. Στην τελική φάση, υπολογίζονται δύο κρίσιμοι δείκτες απόδοσης (KPI) για την αξιολόγηση της ισχύος και της ταχύτητας της πρόωσης του πλοίου λόγω της ρύπανσης της γάστρας και της έλικας, χρησιμοποιώντας τα αποτελέσματα που προέκυψαν από τους αλγόριθμους συσταδοποίησης.	el
heal.advisorName	Θεμελής, Νικόλαος	el
heal.committeeMemberName	Προυσαλίδης, Ιωάννης	el
heal.committeeMemberName	Ζαραφωνίτης, Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ναυπηγών Μηχανολόγων Μηχανικών. Τομέας Μελέτης Πλοίου και Θαλάσσιων Μεταφορών	el
heal.academicPublisherID	ntua
heal.numberOfPages	83 σ.	el
heal.fullTextAvailability	false