Πρωτότυπος Τίτλος:
Μεγιστοποίηση της εξέργειας με χρήση τεχνητής νοημοσύνης και Διαδικτύου των Πραγμάτων προς την επίτευξη ενός “πράσινου” σχεδίου λειτουργίας πλοίων
Συγγραφέας:
Κακλής, Δημήτρης, Παναγιώτης
Επιβλέπων καθηγητής:
Βαρλάμης, Ηρακλής
Περίληψη:
Σε αυτήν τη διδακτορική εργασία παρουσιάζεται ένα ολιστικό πλαίσιο για τον ναυτιλιακό τομέα, το οποίο έχει ως στόχο να επιτρέψει στους ενδιαφερόμενους φορείς, ναυλομέτοχους και εξωτερικούς προμηθευτές που συνδέονται με το ναυτιλιακό τομέα, να αναπτύξουν ενεργά το φάσμα των προηγμένων τεχνολογιών και εξελίξεων στο πεδίο του Διαδικτύου των Πραγμάτων (IoT) και της Τεχνητής Νοημοσύνης (AI), προκειμένου να αναπτύξουν ένα πρωτοπόρο σχέδιο δράσης προς μία "έξυπνη" και περιβαλλοντικά βιώσιμη ναυτιλία τόσο για υπάρχοντα πλοία όσο και για νέες κατασκευές.
Αυτό το εργαλείο ανάλυσης και συγxώνευσης "μεγάλων δεδομένων" ("Big Data Tool") συλλέγει συνεχώς πληροφορία σε πραγματικο χρόνο σχετικά με τη λειτουργική κατάσταση του πλοίου μέσω ενός συνόλου προηγμένων πλαισίων ροής για κατανεμημένη επεξεργασία και μεθόδους υπολογισμού και πρόβλεψης, υποστηρίζοντας παράλληλα την Συνεχή Ενσωμάτωση/Διάθεση (CI/CD) των υπηρεσιών μέσω ενός προηγμένου Συστημάτων Υποστήριξης Λήψης Αποφάσης (Decision Support System) μεταξύ της Κεντρικής Διοίκησης (HQ) και του πλοίου (EDGE). Η υλοποίηση και η ενσωμάτωση ενός τέτοιου είδους υπηρεσίας είναι υψίστης σημασίας για τις λειτουργίες και τις διαδικασίες συντήρησης των πλοίων, καθώς ο ναυτιλιακός τομέας έχει καταστεί μαρτυρας εκθετικής αύξηση σε διαθεσιμότητα δεδομένων τα τελευταία χρόνια.
Μεταξύ άλλων τεχνολογικών εξελίξεων που σχετίζονται με τη βελτιστοποίηση της λειτουργίας των πλοίων, αυτή η εργασία παρουσιάζει και υλοποιεί τη ροή εργασίας και τα κύρια στοιχεία ενός προσαρμοστικού αγωγού για τη συλλογή, και ανάπτυξη μοντέλων μηχανικής μάθησης. Χρησιμοποιώντας δομημένες μεθόδους (Γράφους Γνώσης) για να υποστηρίξουν την σημασιολογική επισημείωση μεταξύ των αποκτηθέντων λειτουργικών χαρακτηριστικών και των δεδομένων, στοχεύουμε να απλοποιήσουμε και να τυποποιήσουμε σε μεγάλο βαθμό τις διαδικασίες που σχετίζονται με την αναγνώριση μοτίβων, προκειμένου να παρέχουμε στους ναυλομέτοχους ακριβείς πληροφορίες σχετικά με τη λειτουργική κατάσταση του πλοίου. Αυτή η βιβλιοθήκη αποτελεί τον βασικό γνωσιακό άξονα γύρω από τον οποίο κατασκευάζεται το ολιστικό σύσημα παρακολουθησης/μοντλεοποίησης πλοίου και περικλείει πληροφορίες, πηγές δεδομένων, σχετικές περιπτώσεις χρήσης και κατάλληλα μοντέλα προσομοίωσης με απώτερο σκοπό την πραγμάτωση ενός ψηφιακού διδυμου (Digital Twin) του πλοίου. Το προαναφερθέν πλαίσιο υποστηρίζεται από πληθώρα μοντέλων προσομοίωσης σχετικά με τον έλεγχο εκπομπών, την ασφάλεια και την απόδοση. Αυτά τα μοντέλα αντιστοιχούν κυρίως σε αναλυτικές προσεγγίσεις χρησιμοποιώντας κλαδικές εξισώσεις προσέγγισης επιφανειών (Spline approximation) και την τυπική θεωρία και γνώση ναυπηγικής, μοντέλα μηχανικής μάθησης για την προσέγγιση της κατανάλωσης καυσίμου πετρελαίου, καθώς και τεχνικές βελτιστοποίησης πορείας βασισμένες σε αρχές εύρεσης συντομότερης διαδρομής και δυναμικού προγραμματισμού για την επίτευξη αποδοτικότητας στην λειτουργία των πλοίων με σαφή οφέλη στη μείωση εκπομπών, τη συμμόρφωση με τους περιβαλλοντικούς κανονισμούς και την ασφάλεια του πληρώματος στο πλοίο.
Αυτό το εργαλείο ανάλυσης και συγxώνευσης "μεγάλων δεδομένων" ("Big Data Tool") συλλέγει συνεχώς πληροφορία σε πραγματικο χρόνο σχετικά με τη λειτουργική κατάσταση του πλοίου μέσω ενός συνόλου προηγμένων πλαισίων ροής για κατανεμημένη επεξεργασία και μεθόδους υπολογισμού και πρόβλεψης, υποστηρίζοντας παράλληλα την Συνεχή Ενσωμάτωση/Διάθεση (CI/CD) των υπηρεσιών μέσω ενός προηγμένου Συστημάτων Υποστήριξης Λήψης Αποφάσης (Decision Support System) μεταξύ της Κεντρικής Διοίκησης (HQ) και του πλοίου (EDGE). Η υλοποίηση και η ενσωμάτωση ενός τέτοιου είδους υπηρεσίας είναι υψίστης σημασίας για τις λειτουργίες και τις διαδικασίες συντήρησης των πλοίων, καθώς ο ναυτιλιακός τομέας έχει καταστεί μαρτυρας εκθετικής αύξηση σε διαθεσιμότητα δεδομένων τα τελευταία χρόνια.
Μεταξύ άλλων τεχνολογικών εξελίξεων που σχετίζονται με τη βελτιστοποίηση της λειτουργίας των πλοίων, αυτή η εργασία παρουσιάζει και υλοποιεί τη ροή εργασίας και τα κύρια στοιχεία ενός προσαρμοστικού αγωγού για τη συλλογή, και ανάπτυξη μοντέλων μηχανικής μάθησης. Χρησιμοποιώντας δομημένες μεθόδους (Γράφους Γνώσης) για να υποστηρίξουν την σημασιολογική επισημείωση μεταξύ των αποκτηθέντων λειτουργικών χαρακτηριστικών και των δεδομένων, στοχεύουμε να απλοποιήσουμε και να τυποποιήσουμε σε μεγάλο βαθμό τις διαδικασίες που σχετίζονται με την αναγνώριση μοτίβων, προκειμένου να παρέχουμε στους ναυλομέτοχους ακριβείς πληροφορίες σχετικά με τη λειτουργική κατάσταση του πλοίου. Αυτή η βιβλιοθήκη αποτελεί τον βασικό γνωσιακό άξονα γύρω από τον οποίο κατασκευάζεται το ολιστικό σύσημα παρακολουθησης/μοντλεοποίησης πλοίου και περικλείει πληροφορίες, πηγές δεδομένων, σχετικές περιπτώσεις χρήσης και κατάλληλα μοντέλα προσομοίωσης με απώτερο σκοπό την πραγμάτωση ενός ψηφιακού διδυμου (Digital Twin) του πλοίου. Το προαναφερθέν πλαίσιο υποστηρίζεται από πληθώρα μοντέλων προσομοίωσης σχετικά με τον έλεγχο εκπομπών, την ασφάλεια και την απόδοση. Αυτά τα μοντέλα αντιστοιχούν κυρίως σε αναλυτικές προσεγγίσεις χρησιμοποιώντας κλαδικές εξισώσεις προσέγγισης επιφανειών (Spline approximation) και την τυπική θεωρία και γνώση ναυπηγικής, μοντέλα μηχανικής μάθησης για την προσέγγιση της κατανάλωσης καυσίμου πετρελαίου, καθώς και τεχνικές βελτιστοποίησης πορείας βασισμένες σε αρχές εύρεσης συντομότερης διαδρομής και δυναμικού προγραμματισμού για την επίτευξη αποδοτικότητας στην λειτουργία των πλοίων με σαφή οφέλη στη μείωση εκπομπών, τη συμμόρφωση με τους περιβαλλοντικούς κανονισμούς και την ασφάλεια του πληρώματος στο πλοίο.
Ημερομηνία κατάθεσης:
2023-10-17
Γλώσσες Τεκμηρίου:
Αγγλικά
Θεματικές Κατηγορίες:
Ηλεκτρονικοί υπολογιστές. Επιστήμη των υπολογιστών
Λοιπά Θέματα:
Ναυτιλία-τεχνολογικές καινοτομίες
Λέξεις-κλειδιά:
Ομαδοποίηση Δεδομένων, Εκμάθηση Συνόλου Εκτιμητών, Εξόρυξη Τροχιάς, Πολυπαραγοντική Βελτιστοποίηση, Τεχνητή Νοημοσύνη
Περιγραφή:
155 σ.,εικ.,πίν.,διαγρ.,χάρτες,σχ.
Άδεια χρήσης:
Αναφορά Δημιουργού – Μη Εμπορική Χρήση – Όχι Παράγωγα Έργα 4.0
