Sei sulla pagina 1di 74

UNIVERSITÀ DEGLI STUDI DI GENOVA

SCUOLA POLITECNICA

FACOLTÀ DI INGEGNERIA
CORSO DI LAUREA MAGISTRALE IN INGEGNERIA NAVALE

DIPARTIMENTO DI INGEGNERIA NAVALE, ELETTRICA, ELETTRONICA E


DELLE TELECOMUNICAZIONI

TESI

ALGORITMI PER L’IMPLEMENTAZIONE DI


DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

CANDIDATO: RELATORE:
MATTEO BARSOTTI PROF. ING. MASSIMO FIGARI
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Sommario
OBIETTIVI ........................................................................................................................................................... 4
1. EFFICIENZA ENERGETICA DELLA NAVE ......................................................................................................... 5
1.1 Introduzione alle Emissioni .................................................................................................................... 5
1.2 Emissioni e Navi ...................................................................................................................................... 8
1.3 Indici di efficienza energetica ................................................................................................................. 9
1.4 Il consumo della nave ........................................................................................................................... 11
1.5 Decision Support Systems .................................................................................................................... 13
2. I CONSUMI: MISURA E CALCOLO ................................................................................................................ 17
2.1 Introduzione al codice esistente .......................................................................................................... 17
2.2 Calcoli Idrostatici................................................................................................................................... 20
2.3 Resistenza.............................................................................................................................................. 22
2.4 Elica ....................................................................................................................................................... 24
2.5 Potenza.................................................................................................................................................. 27
2.6 Consumo ............................................................................................................................................... 28
3. INFLUENZA STATO DI MARE ....................................................................................................................... 30
3.1 La Resistenza Aggiunta ......................................................................................................................... 30
3.1.1 Resistenza Aggiunta dovuta al vento.............................................................................................. 30
3.1.2 Resistenza Aggiunta per riflessione d’onda RAWr ............................................................................ 31
3.1.3 Resistenza Aggiunta per moti della nave RAWm............................................................................... 32
3.1.4 Resistenza Aggiunta per mare irregolare RAWi ................................................................................ 33
3.2 Perdita di velocità ................................................................................................................................. 34
3.3 Propeller Ventilation ............................................................................................................................ 38
3.4 Codice di Matching ............................................................................................................................... 40
3.4.1 Combinata ...................................................................................................................................... 40
3.4.2 Kwon ............................................................................................................................................... 42
3.4.3 Load Sharing ................................................................................................................................... 43
3.5 Fonti di incertezza ................................................................................................................................. 45
4. CONSUMI REAL TIME .................................................................................................................................. 48
4.1 Algoritmo e relativo codice .................................................................................................................. 48
4.2 Descrizione del codice .......................................................................................................................... 50
4.2.1 Elica ................................................................................................................................................. 50
4.2.2 Potenza ........................................................................................................................................... 51
4.2.3 Consumo ......................................................................................................................................... 52
4.3 Fonti di Incertezza ................................................................................................................................. 52
4.4 Case Study ............................................................................................................................................. 53

2
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

4.5 Sensitivity Analysis ............................................................................................................................... 57


5. PREVISIONE DEI CONSUMI ......................................................................................................................... 60
5.1 Algoritmo Previsionale ......................................................................................................................... 60
5.2 Codice Previsionale ............................................................................................................................... 61
5.3 Descrizione del codice .......................................................................................................................... 64
5.3.1 Resistenza ....................................................................................................................................... 64
5.3.2 Elica ................................................................................................................................................. 64
5.3.3 Potenza e Consumo ........................................................................................................................ 66
5.4 Case Study ............................................................................................................................................. 66
5.5 Fonti di incertezza ................................................................................................................................. 68
6. CONCLUSIONI .............................................................................................................................................. 69
INDICE DELLE FIGURE ...................................................................................................................................... 71
INDICE DELLE TABELLE .................................................................................................................................... 72
BIBLIOGRAFIA.................................................................................................................................................. 73
RINGRAZIAMENTI ........................................................................................................................................... 74

3
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

OBIETTIVI
Questa tesi si inserisce nel progetto di ricerca dell’Università di Genova condotto dal DITEN
Dipartimento di Ingegneria Navale, Elettrica, Elettronica e delle Telecomunicazioni e riguarda
l’analisi dell’efficienza energetica della nave.

In particolare la mia tesi riguarda lo studio e l’analisi di algoritmi utili alla stima o alla verifica del
consumo del sistema propulsivo della nave con una logica che si inserisce in un’ottica di supporto
alla decisione che sta alla base dei Decision Support Systems DSS ovvero quei sistemi in grado di
aiutare una scelta sia di tipo progettuale che di tipo operativo. Alcuni di questi algoritmi sono stati
implementati all’interno di codici di calcolo sviluppati in un linguaggio Matlab, con l’obiettivo di
renderli semplici, affidabili e alla portata di tutti. Il lavoro è stato sviluppato a partire da dati di
progetto e da dati misurati proseguendo il lavoro di altre tesi, realizzate all’interno dello stesso
progetto di ricerca. Per quanto riguarda gli algoritmi e i codici di calcolo realizzati, essi si
differenziano a seconda dei dati disponibili oppure a seconda dell’utilizzo che se ne vuole fare:
 Algoritmo e codice di Matching: questa versione è in grado di calcolare il consumo della
propulsione conoscendo i dati principali della nave, la sua combinata e lo stato di mare.
 Algoritmo e codice Online: in questo modello, a partire dai dati misurati è possibile calcolare
il consumo di combustibile in maniera real time.
 Algoritmo e codice Previsionale: in questa parte invece si è sviluppato un codice in grado di
prevedere il consumo di combustibile inserendosi in una logica di weather routing.
Per ogni tipo di modello è fornita quindi una spiegazione delle metodologie utilizzate, i loro possibili
utilizzi e alcune applicazioni a casi reali.

4
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

1. EFFICIENZA ENERGETICA DELLA NAVE


1.1 Introduzione alle Emissioni
A causa dell’aumento demografico e dello sviluppo tecnologico è sempre più centrale la questione
dell’energia, della sua produzione e degli impatti che questo ha sull’ambiente. Nel corso degli ultimi
anni si è spesso parlato di risparmio di energia ed energie rinnovabili poiché questi concetti sono
collegati all’inquinamento atmosferico che è notevolmente peggiorato; la maggior parte
dell’energia prodotta e utilizzata globalmente è legata ai combustibili fossili, i maggiori responsabili
dell’inquinamento ambientale e del così detto riscaldamento globale o effetto serra. Con effetto
serra si intende quel fenomeno naturale di tipo atmosferico-climatico che consente di trattenere
energia solare all’interno dell’atmosfera; la presenza di alcune sostanze, denominate gas serra,
aumenta la quantità di energia solare trattenuta provocando un riscaldamento globale dannoso per
la vita sulla terra.

Un primo tentativo di arginare il dilagante aumentare dell’inquinamento è il Protocollo di Kyoto,


nato nel 1997 a seguito della Convenzione sui cambiamenti climatici delle Nazioni Unite (ONU), nel
quale circa 180 paesi rappresentanti il 60.6 % della produzione di gas serra si impegnarono per
attuare delle misure capaci di ridurre sensibilmente le emissioni inquinanti. Il Protocollo concerne
le emissioni di sei gas ad effetto serra:
 biossido di carbonio (CO2);
 metano (CH4);
 protossido di azoto (N2O);
 idrofluorocarburi (HFC);
 perfluorocarburi (PFC);
 esafluoro di zolfo (SF6).
Tali sostanze sono dannose, oltre che per l’ambiente, anche per la salute umana, poiché possono
provocare irritazioni, infezioni, problemi respiratori e persino anche la morte, se assunte in grandi
quantità. Occorre anche dire che l’effetto serra non è l’unico effetto sull’ambiente delle emissioni
inquinanti poichè esse sono responsabili della degradazione della vegetazione e anche di costruzioni
artificiali.

5
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Il Protocollo rappresentò un importante passo avanti poichè contiene obiettivi vincolanti e


quantificati di limitazione e riduzione dei gas ad effetto serra. Gli Stati che ratificarono il Protocollo,
si impegnarono, collettivamente, a ridurre le loro emissioni per una riduzione totale di almeno il 5 %
rispetto ai livelli del 1990. L’Unione europea ha ratificato il Protocollo il 31 maggio 2002 ma è entrò
in vigore solo nel febbraio del 2005, dopo la ratifica della Russia. Vari paesi industrializzati però non
hanno voluto ratificare il Protocollo, tra cui gli Stati Uniti e l’Australia benché responsabili di notevoli
emissioni. Tra il 2008 e il 2012 denominato primo periodo, gli Stati contraenti dovettero ridurre
collettivamente le loro emissioni di gas ad effetto serra dell’8 %; mentre per il periodo antecedente
al 2008, gli Stati si impegnano ad ottenere, entro il 2005, concreti progressi nell’adempimento degli
impegni assunti e a fornirne le prove. Per raggiungere questi obiettivi il Protocollo propose una serie
di mezzi di azione:
 rafforzare o istituire politiche nazionali di riduzione delle emissioni (miglioramento
dell’efficienza energetica, promozione di forme di agricoltura sostenibili, sviluppo di fonti di
energia rinnovabili, ecc.);
 cooperare con le altre parti contraenti (scambi di esperienze o di informazioni,
coordinamento delle politiche nazionali attraverso i diritti di emissione, l’attuazione
congiunta e il meccanismo di sviluppo pulito).

L’8 Dicembre 2012, alla fine della ‘Conferenza sui cambiamenti climatici delle Nazioni Unite’, in
occasione della fine del primo periodo 2008-2012, si decise di estendere il Protocollo fino al 2020 e
si prese l’impegno di un incontro da svolgersi nel 2015 per gli sviluppi successivi al 2020. Questo
secondo periodo 2008-2020 prevede di ridurre del 15% l’emissione globale di gas serra.

In Figura 1 vi è l’andamento delle emissioni totali per anno e pro-capite per anno per i principali stati
industrializzati, compresi quelli che ancora non hanno ratificato il Protocollo. Uno dei principali gas
serra è l’anidride carbonica (CO2) prodotta anche dalla respirazione umana ma soprattutto dalla
combustione dei combustibili fossili e da altri processi industriali o naturali. In Figura 2 si può
visualizzare la produzione di CO2 equivalente (ovvero comprensiva di tutti i gas ad effetto serra)
riferita al 2010, suddivisa per settore economico separando in Emissioni Dirette, cioè quelle
derivanti da industria, trasporti, costruzioni e sfruttamento del suolo (AFOLU), ed Emissioni Indirette
cioè quelle derivanti dalla produzione di calore ed energia elettrica. Nel marzo del 2013 la

6
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

concentrazione misurata di diossido di carbonio nell'atmosfera terrestre è stata di circa 399 parti
per milione.

Figura 1 EMISSIONI TOTALI PRINCIPALI PAESI (da sito web www.climalteranti.it)

Figura 2 EMISSIONI PER SETTORE (da sito web www.nimbus.com)

7
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

1.2 Emissioni e Navi


Nel campo dello Shipping l’ente che si occupa di normative a livello globale è un’agenzia delle
Nazioni Unite l’IMO International Maritime Organization, la quale è suddivisa in commissioni
ognuna delle quali ha una specifica funzione. Per la protezione dell’ambiente marino c’è la MEPC
Marine Environment Protection Commitee che si occupa di decidere in merito a normative
riguardanti tutto quello che riguarda l’inquinamento, da parte delle navi, sia marino che atmosferico
attraverso semestrali incontri o sessioni. Nell’ultima sessione avvenuta nell’ottobre 2014 è stato
reso noto, dallo studio sui gas serra (GHG Greenhouse Gases Study 2014), che le emissioni di CO2
provenienti globalmente dal traffico delle navi, per l’anno 2012, sono state di 796 milioni di
tonnellate pari al 2,2% del totale di emissioni prodotte globalmente contro gli 896 milioni di
tonnellate pari al 2.8% delle emissioni globali all’anno 2007. È stato inoltre confermato che potrebbe
esserci un aumento delle emissioni da oggi al 2050 tra il 50% e il 250% poiché è un valore legato
all’andamento del mercato e agli eventuali sviluppi dell’ingegneria sulle energie rinnovabili e dei
miglioramenti sui sistemi di produzione di energia già esistenti.

Contemporaneamente agli incontri che portarono alla redazione del Protocollo di Kyoto, nel 1997
l’IMO redasse il capitolo sesto (Annex VI) della già esistente normativa MARPOL sull’inquinamento
del 1973; tale capitolo tratta proprio dell’inquinamento dell’aria da parte delle navi e tra i numerosi
provvedimenti impone dei limiti sulle emissioni di CO2, ma anche di ossidi di Zolfo (SOx) e ossidi di
Azoto (NOx) oltre a vietare l’emissione di sostanze che esauriscono l’ozono. La prima versione della
normativa è entrata in vigore nel 2005 e ha subito e subisce numerose correzioni tramite
emendamenti emessi proprio dalla MEPC durante le sue sessioni semestrali. Nel 2008, durante la
53a sessione si è deciso di inasprire le norme che già prevedevano la riduzione delle emissioni nel
tempo e si introdussero le ECAs Emission Control Areas ovvero delle zone di mare nelle quali per
entrare bisogna ridurre ulteriormente, rispetto alle normative globali vigenti, le emissioni inquinanti
di SOx e NOx.
Tabella 1 ECAs Emission Control Areas

8
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

1.3 Indici di efficienza energetica


Il compito della MEPC non è solo quello di fornire dei limiti sulle emissioni ma anche di procurare
degli strumenti in grado di monitorare le emissioni nel rispetto delle norme. Nel 2011 durante la 62a
sessione della MEPC si è deciso di introdurre un indice energetico obbligatorio per le nuove
costruzioni a partire dal 1/1/2013. Questo Energy Efficiency Design Index EEDI permette da un lato,
di calcolare piuttosto facilmente l’efficienza energetica della nuova nave in rapporto alla sua
capacità, ma dall’altro ha anche l’obiettivo di far utilizzare tecniche e strumenti per la riduzione delle
emissioni e per l’ottimizzazione energetica ovvero quindi la riduzione del consumo. Questo indice è
misurato in grammi di CO2 su tonnellate per miglio [g CO2/t*nm] e più è piccolo e maggiore sarà
l’efficienza energetica della nave; questa è la sua espressione data dalla normativa:

(MEPC1/circ796)

Dove:
 f 𝑖 è fattore adimensionale legato ad eventuali limitazioni tecniche sulla capacità,
 f j è fattore adimensionale che tiene conto di eventuali caratteristiche tecniche di progetto,
 f w è fattore adimensionale che corregge la velocità a causa delle condizioni meteo,
 f eff è fattore adimensionale di disponibilità di ogni tecnologia alternativa,
 f c è fattore adimensionale cubico di correzione della capacita,
 f l è fattore adimensionale legato alla presenza di gru, rampe e portelloni di carico,
 PMEi [kW] è la potenza all’MCR dell’i-esimo Main Engine,
 PAE [kW] la potenza dei motori ausiliari,
 PPTI [kW] è il 75% delle Power Take In (PTI) diviso per un rendimento medio tra tutte le PTI,
 Peff [kW] e PAEeff [kW]sono le potenze risparmiate rispettivamente da i motori principali e dai
motori ausiliari che usano sistemi innovativi di risparmio energetico,
 SFCME e SFCAE [g/kW h] sono i consumi specifici rispettivamente per i motori principali e per
i motori ausiliari,
 CFME e CFAE sono coefficienti adimensionali che forniscono la massa di CO2 prodotta a parità
di quantità di combustibile, (vedi Tabella 2 VALORI COEFFICIENTE ADIMENSIONALE CF)
 Capacity è un valore che esprime il tipo di nave e il suo DWT,
 Vref [Kn] è la velocità della nave al 75% dell’MCR. (Da MEPC 245(66) del 4Apr2014)

9
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Tabella 2 VALORI COEFFICIENTE ADIMENSIONALE CF

Una volta calcolato il valore EEDI esso deve essere confrontato con un valore limite detto reference
line che è una curva, diversa per tipo di nave, che rappresenta un indice medio ottenuto da una serie
di EEDI stimati calcolati su diverse navi dello stesso tipo. Questo valore stimato (Extimated Value)
può essere calcolato secondo la normativa MEPC 231(65) del 17/05/2013 ed è valutato per
condizioni di tipo standard e in funzione di alcune caratteristiche del sistema propulsivo della nave
come la potenza dei motori di propulsione, dei motori ausiliari e della potenza delle PTO. È presente
nella formulazione della reference line un fattore che si riduce, a partire dal 2013, data dell’entrata
in vigore dell’obbligatorietà dell’EEDI, e per i successivi 12 anni secondo questa suddivisione in fasi:
 Fase 0 dal 1/1/2013 al 31/12/2015,
 Fase 1 dal 1/1/2015 al 31/12/2019,
 Fase 2 dal 1/1/2020 al 31/12/2024,
 Fase 3 dal 1/1/2025.
Nella Fase 0 la riduzione era del 10% e via via si riduce nelle successive fasi quinquennali fino ad
arrivare alla Fase 3 nella quale la riduzione sarà del 30%.

Per quanto riguarda le navi già esistenti è stato ideato uno strumento il SEEMP Ship Energy Efficiency
Management Plan che suggerisce una serie di meccanismi per migliorare l’efficienza energetica
della nave attraverso metodi cost-effective; fornisce inoltre alcuni strumenti operativi come l’indice
EEOI Energy Efficiency Operational Index che consente di misurare la produzione di CO2 della nave:

10
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Dove:
 i è il viaggio che sto considerando,
 j è il tipo di combustibile,
 FCij [t] è la massa di combustibile consumata dal combustibile j nel viaggio i,
 CFj è il coefficiente adimensionale che fornisce la quantità di CO2 prodotta dal combustibile
j (vedi Tabella 2),
 mcargo è il carico trasportato [t] o il numero di TEU o di passeggeri o ancora la Stazza Lorda [t]
a seconda del tipo di nave,
 D [nm] è la distanza in miglia nautiche corrispondente a mcargo.
(Da MEPC 1/circ684 del 17Aug2009)

L’uso dell’indice EEOI è assolutamente volontario e serve per tenere sotto controllo la produzione
di CO2 da parte della nave misurandone quindi l’efficienza ma può essere usato anche come indice
di performance nel tempo.

1.4 Il consumo della nave


Emerge quindi molto chiaramente che uno dei parametri fondamentali che occorre calcolare o
anche stimare è il consumo di combustibile. Ai fini di questa tesi si è considerato il consumo di
combustibile proveniente dalla sola propulsione anche se per il calcolo degli indici energetici occorre
tenere conto di tutti i componenti che consumano il combustibile quali motori per la generazione
elettrica o caldaie per la produzione di vapore; sicuramente però la propulsione resta la voce di
maggior peso. Per le nuove costruzioni il consumo è un parametro assai importante che viene
stimato sin dalle prime fasi della progettazione poiché inficia molto sulle caratteristiche progettuali
come per esempio il piano delle capacità e successivamente la scelta del motore. Inoltre, soprattutto
nel campo mercantile, attraverso il consumo è possibile stimare una parte significativa del guadagno
proveniente dalla nave in costruzione poiché prendendo il costo del combustibile per unità di peso
e moltiplicandolo per la massa di combustibile necessaria ottengo una voce di costo di combustibile
per quella nave, avendo ovviamente ipotizzato un profilo di missione ovvero una durata di viaggio
ed una distanza da percorrere.

11
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

D’altra parte risulta anche molto importante conoscere il consumo di una nave esistente se per
esempio vogliamo prendere a nolo quella determinata nave poiché ci può indicare se sia
vantaggioso o meno tale nolo; o ancora, sempre per una nave esistente, il controllo del consumo
può avere molteplici utilizzi nella gestione operativa della nave. Per esempio può coadiuvare nella
manutenzione, cioè se il consumo è troppo elevato può essere indice di un failure su uno o più
componenti, oppure individuare punti di lavoro e funzionamento ottimi ottenuti variando altri
parametri o infine ancora può essere usato in logiche DSS (Decision Support Systems). La
formulazione del consumo di combustibile è legata al tipo di schema propulsivo utilizzato ovvero al
tipo di motore primo installato. In questa tesi consideriamo uno schema propulsivo di questo tipo:

Figura 3 SCHEMA IMPIANTO PROPULSIVO

-Main Engine(s) è il motore (o i motori) di propulsione principali,


-G Gearbox è il riduttore
-AA è l’Alternatore Asse (Shaft Generator)
-CPP è il propulsore a pale orientabili (Controlled Pitch Propeller)
Il modello presentato resta valido, ma necessita di piccole modifiche se le linee d’assi sono due, se
ci sono più motori per asse e se l’elica è a pale fisse (FP Fixed Propeller). Supponiamo che il motore
di propulsione sia un motore a combustione interna quindi il consumo di combustibile è identificato
tramite la portata di combustibile o consumo orario mf espressa solitamente in [kg/h] oppure
tramite il consumo specifico di combustibile SFOC Specific Fuel Oil Consumption o anche qs che è,
per definizione, LA MASSA DI COMBUSTIBILE CHE PRODUCE LA QUANTITÀ DI CALORE NECESSARIA A COMPIERE UN

LAVORO DI 1 J ; si misura in [g/kWh] ovvero esprime la quantità di combustibile consumata in un’ora


con un kilowatt di potenza.

12
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Dalla definizione di rendimento globale ηgl:


L L
ηgl= Q = mf∗Hi
ma L=1 e quindi qs = mf
1
allora ηgl= qs∗Hi

Pb
mf = è il consumo di combustibile usualmente espresso in [kg/h]
Hi∗ηg
1 mf
SFOC = qs = = è il consumo specifico di combustibile [g/kWh]
Hi∗ηg Pb

Poiché vale:
 Q= mf*Hi

 PB=mf*Hi* ηg
Dove:
 L è il lavoro svolto unitario per definizione [J],
 Q è il calore necessario [J],
 mf è la portata massica di combustibile misurata in grammi per ora [g/h],
 Hi è il potere calorifico inferiore [J/g],
 PB è la potenza al freno misurata in kilowatt [kW].
In pratica il consumo di combustibile mf è una misura quantitativa del consumo ed è molto utile
soprattutto per la questione dei costi e dello stoccaggio del combustibile, mentre lo SFOC è più una
misura del rendimento del motore e quindi è utile per valutare le condizioni di lavoro migliore o il
motore migliore.

1.5 Decision Support Systems


Per consentire il rispetto delle normative sugli indici energetici occorrono sempre nuove strategie
che consentano di operare scelte nell’ottica del minor consumo anche per contrastare il naturale
decadimento della nave e quindi il peggioramento dei consumi; per questo motivo si introducono i
Decision Support Systems. Con DSS si intende un sistema software di supporto alle decisioni che,
elaborando anche elevate quantità di dati, in poco tempo e in modo versatile estrae le informazioni
utili ai processi decisionali. Le applicazione dei DSS sono molteplici e svariate, si usano per problemi
di tipo finanziario come analisi dei rischi, del commercio per inventari o analisi di vendite, del campo
manifatturiero per l’analisi dei costi di produzione e persino nel campo medico nell’aiutare il medico

13
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

a valutare dati monitorati. Le caratteristiche principali di un DSS devono essere: facilità d’uso alla
portata di tutti gli utenti, interattività, supporto alla decisione ed efficacia nell’analisi dei dati; esso
non solo è un software informatico ma contiene anche strumenti di supporto decisionale in modo
che sia un software così detto intelligente ovvero che non si sostituisca all’utilizzatore, il quale
prenderà la decisione ultima, ma che fornisca tutte le informazioni necessarie in modo più
dettagliato possibile. Un buon DSS avrà la possibilità di poter ispezionare i dati da tutti i punti di
vista, valutare le conseguenze delle scelte compiute e adattarsi anche a problemi la cui soluzione
non è di tipo algoritmica.

Nel campo navale l’utilizzo dei DSS è molteplice poiché viene applicato per esigenze e situazioni
diverse:
 per la valutazione della performance; sono sistemi nel quale si monitora la situazione di un
particolare impianto o più impianti per valutare il buon funzionamento dei componenti e
tenere sotto controllo alcune caratteristiche.
 per assistenza nelle situazioni di pericolo; tali sistemi forniscono supporto sia a bordo sia a
terra in caso di problemi alla propulsione, problemi allo scafo o anche in condizioni di mare
avverso (weather routing).
 per ottimizzare; tali sistemi sono in grado di confrontare stato attuale e stato di riferimento
e indicare in quali elementi di un determinato impianto è possibile ottimizzare. I dati di
riferimento sono valutati attraverso l’analisi di dati provenienti da più navi.
 per analisi di tipo economiche; tali sistemi sono pensati anche per fornire informazioni utili
in fase di progettazione, dove l’analisi di costo delle varie soluzione alternative è assai
importante.
Un esempio di valutazione delle performance e di ottimizzazione è il sistema EMMA Energy
Management system for Marine Application, sviluppato da ABB, che consente di minimizzare i costi
energetici per una singola nave o per un’intera flotta comparando dati storici e dati attuali riuscendo
anche ad individuare le aree che possono essere migliorate. Si serve di strumenti di monitoraggio e
di ottimizzazione energetica sia a bordo sia a terra con un linguaggio facile da capire, alla portata di
tutti. In Figura 4 si può vedere un esempio di monitoraggio e controllo su ottimizzazione per Motori
Principali, Alternatore Asse, Diesel Generatori e Sistemi di Recupero del calore; per ogni macchinario
è mostrato il valore di potenza misurato e il valore ottimo ed è misurato anche il livello di
ottimizzazione globale con la conseguente perdita di combustibile espressa in [kg/h]. In Figura 5

14
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

invece è mostrato un esempio di suddivisione della potenza per uno specifico viaggio distinguendo
tra: propulsione, vento, stato del mare, timone, effetti fondale, trim e sbandamento.

Figura 4 EMMA Power Plant Optimizer (da sito web www.abb.com)

Figura 5 EMMA Power Propulsion Breakdown Voyage View (vedi nota 3)

15
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Un esempio invece di assistenza in condizioni critiche ma in un approccio di tipo previsionale è il


weather routing ovvero quei software in grado di fornire, per uno specifico viaggio, l’insieme di
informazioni e condizioni migliori dal punto di vista ambientale, climatico ed economico, tali da
individuare una rotta ottima al variare delle condizioni meteomarine. La Figura 6 riporta un esempio
di weather routing infatti vengono presentati i confronti tra una rotta attuale (in nero) e una rotta
ottima (in arancione); le variabili di confronto sono: il tempo di percorrenza, la distanza, il consumo
di combustibile specificando anche se si attraversano zone ECAs e informazioni su vento e mare.

Figura 6 WEATHER ROUTING (da sito web www.wriwx.com)

In questa tesi, ovviamente, non si creerà un vero e proprio DSS ma si cercherà di fornire strumenti
che possano essere inseriti in una logica di decision support con metodi atti a determinare soluzioni
valide per questioni di tipo operativo oppure gestionale.

16
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

2. I CONSUMI: MISURA E CALCOLO


2.1 Introduzione al codice esistente
Come già detto la tesi si inserisce in un più vasto progetto di ricerca sviluppato dal DITEN
Dipartimento di Ingegneria Navale, Elettrica, Elettronica e delle Telecomunicazioni che riguarda
l’analisi dell’efficienza energetica al variare di una serie di parametri costruttivi e parametri
operativi. Per studiare l’efficienza energetica si studia il consumo della nave attraverso l’utilizzo di
codici di calcolo sviluppati in linguaggio Matlab cercando di costruire uno strumento affidabile e
preciso ma anche facilmente utilizzabile.

Il lavoro della mia tesi parte dallo sviluppo di codici precedentemente creati, in particolare dalla tesi
di F. Muzzi Different Approaches to Predict Fuel Oil Consumption under Realistic Operational
Conditions nella quale ha anche sviluppato un codice in grado di prevedere il consumo di
combustibile al variare di Immersione e quindi Dislocamento e Velocità. La nave usata per
l’implementazione del codice è una nave tanker chimichiera di tipo tramp ossia non ha una rotta
fissa ma si muove secondo le richieste del mercato. Di questa nave era disponibile un dataset di dati
che, per un periodo di circa tre anni, ha raccolto circa una quarantina di caratteristiche misurate
ogni secondo e mediate su 15 minuti; questo database di dati è servito come input per il codice di
calcolo per conoscere le caratteristiche non fornite della nave ma anche come output per il
confronto tra i dati letti e quelli calcolati dal codice. Data l’elevata mole di dati da processare, per
prima cosa, ho impostato il codice in modo che si potesse decidere o la quantità di dati da analizzare
oppure il numero della settimana nei tre anni; se si vuole analizzare un giorno sono 96 dati, mentre
una settimana sono 672 dati.

Tabella 3 DATI ELICA E MOTORE

Tipo CHEMICAL AND OIL PRODUCTS TANKER


N°Eliche 1 Controlled Pitch Propeller
Motori 2xDIESEL 8M32C
Potenza (2x3830kW) 7680kW

17
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Tabella 4 DATI NAVE

SHIP DATA Tabella 5 DATI ELICA


LPP 176,00 [m]
SCREW DATA
LWL 178,20 [m]
TIPO CPP
B 32,20 [m]
Z 4
T 10,98 [m]
D 6,00 [m]
D 17,20 [m]
P 4,848 [m]
Δ 50872 [t]
P/Ddes 0,808
CB 0,7953
AE/AO 0,443
CX 0,9924
CP 0,8014
CWP 0,8877

In Tabella 6 invece si possono vedere i dati raccolti dal database e i sensori utilizzati per la loro
misurazione assieme alla loro posizione relativa a bordo.

Tabella 6 SENSORI E CARATTERISTICHE (da tesi di F. Muzzi ‘Different Approach to Predict Fuel Oil Consumption under Realistic
Operational Conditions’)

18
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Per quanto riguarda il dato misurato di velocità nave avevamo due tipi di segnale, quello misurato
dal GPS e quello misurato dal Logspeed tramite effetto Doppler; analizzando nel tempo i due segnali
si nota come essi siano diversi e in controtendenza, questo può essere legato alla forte dipendenza
della Logspeed da limpidezza dell’acqua, correnti, trim e condizioni meteomarine. Però dal
confronto con la potenza all’asse misurata Shaft Power (Figura 7) si può notare che la velocità
Logspeed, qualitativamente, segue meglio la potenza e per questo motivo si è scelto di usare
quest’ultima per il lavoro di questa tesi.

Confronto V Logspeed e V GPS


16
V Logspeed
V GPS
14
Shaft Power

12
Ship Speed [Knots]

10

0
04.07.12 09:00 05.07.12 09:15 06.07.12 09:15 07.07.12 09:30 08.07.12 09:30 09.07.12 09:30 10.07.12 09:30
Time

Figura 7 CONFRONTO SU VELOCITA’

Invece per il dato del P/D misurato avevamo due segnali CPP Setpoint e CPP Feedback espressi in
percentuale rispetto al P/D massimo; analizzando anche questi dati nel tempo si nota una forte
differenza tra i due anche se dovrebbero essere l’uno la ripetizione dell’altro (Figura 8). La differenza
tra i due non è sistematica, cosa che ci avrebbe portato a pensare ad un errore legato al sensore di
misura, ma è anche qui spesso in controtendenza; questo fatto lo possiamo spiegare parzialmente
per esempio con l’incontro di stati di mare avversi e quindi condizioni di carico del motore tali da
giustificare una modifica del passo indipendente dal setpoint scelto. Per questi motivi si è scelto di
usare il CPP Feedback ai fini del lavoro della tesi poiché più rappresentativo del comportamento del
passo.

19
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Confronto CPP SetPoint e Feedback


100
CPPSet
CPPfeed
80

60
P/D [%]

40

20

-20
28.12.12 00:45 29.12.12 00:45 30.12.12 00:45 31.12.12 00:45 01.01.13 00:45 02.01.13 01:00 03.01.13 01:00
Time

Figura 8 CONFRONTO SU CPP

Dopo aver visto la misura sul campo del consumo e delle altre caratteristiche, vediamo un possibile
metodo di calcolo del consumo di combustibile; vediamo una rappresentazione concettuale del
codice esistente; esso prevede di conoscere alcune caratteristiche della nave, che descriveremo in
seguito, e tramite la procedura classica di matching di determinare le caratteristiche utili alla stima
del consumo.

CALCOLI IDROSTATICI RESISTENZA ELICA

Caratteristiche Caratteristiche Caratteristiche


Idrostatiche Idrostatiche Idrostatiche
CONSUMO POTENZA

Figura 9 ORGANIZZAZIONE ALGORITMO CODICE Caratteristiche Caratteristiche


Idrostatiche Idrostatiche

Questo codice parzialmente usa i dati misurati e parzialmente usa i dati di progetto della nave, infatti
questa è la principale fonte di incertezza del codice. Vediamo nel dettaglio ogni singolo blocco come
viene realizzato.

2.2 Calcoli Idrostatici


I Calcoli Idrostatici sono una serie di caratteristiche legate allo scafo della nave espresse in funzione
dell’immersione; essi sono un dato fondamentale per la realizzazione di un progetto poiché sono
legati a numerose scelte progettuali infatti vengono realizzati subito dopo il disegno del piano di
costruzione. Si possono determinare attraverso software di calcolo piuttosto semplificati ma con
elevata precisione a partire proprio dal piano di costruzione. Il primo utilizzo che ne viene fatto è
20
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

quello di determinare le grandezze utili al calcolo della resistenza al moto ma successivamente nel
progetto si usano per la compartimentazione e per la stabilità.
Per la nave in oggetto sono forniti già i risultati dei calcoli idrostatici in funzione dell’immersione T
[m] e in particolare avremo:
 LWL = lunghezza al galleggiamento [m],
 BWL = larghezza al galleggiamento [m],
 ∇ = volume di carena al galleggiamento [m3],
 WS = superficie bagnata di carena al galleggiamento [m2],
 AMS = area della sezione maestra al galleggiamento [m2],
 CB = coefficiente di finezza totale al galleggiamento.
Nel codice si determinano tali caratteristiche per ogni singolo punto di lavoro attraverso una
semplice interpolazione lineare poiché i dati sono forniti tramite vettori. Il codice è strutturato in
modo che si possano inserire i valori delle caratteristiche idrostatiche sia manualmente sia tramite
l’utilizzo di un file .mat ovvero un file che contenga già le caratteristiche desiderate.
Tabella 7 ESTRATTO CARENE DIRITTE

T Vol Lwl Ws LCB Bwl Ams


[m] [m3] [m] [m2] [m] [m] [m2]
10,00 44462,58 179,19 7592,53 92,74 32,20 319,54
10,05 44708,34 179,19 7613,85 92,71 32,20 321,15
10,10 44954,35 179,19 7635,17 92,68 32,20 322,76
10,15 45200,61 179,19 7656,49 92,66 32,20 324,37
10,20 45447,11 179,99 7678,02 92,63 32,20 325,98
10,25 45693,88 179,99 7699,65 92,60 32,20 327,59
10,30 45940,90 179,99 7721,30 92,58 32,20 329,20
10,35 46188,19 179,99 7742,96 92,55 32,20 330,81
10,40 46435,73 179,99 7764,62 92,52 32,20 332,42
10,45 46683,53 180,79 7786,42 92,49 32,20 334,03
10,50 46931,60 180,79 7808,58 92,46 32,20 335,64
10,55 47179,95 180,79 7830,67 92,44 32,20 337,25
10,60 47428,57 180,79 7852,72 92,41 32,20 338,86
10,65 47677,45 180,79 7874,71 92,38 32,20 340,47
10,70 47926,59 180,79 7896,68 92,35 32,20 342,08
10,75 48175,99 181,59 7919,09 92,32 32,20 343,69
10,80 48425,67 181,59 7941,48 92,29 32,20 345,30
10,85 48675,63 181,59 7963,83 92,26 32,20 346,91
10,90 48925,86 181,59 7986,17 92,23 32,20 348,52
10,95 49176,35 181,59 8008,70 92,20 32,20 350,13
11,00 49427,08 182,39 8031,17 92,17 32,20 351,74

21
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

2.3 Resistenza
La resistenza al moto in acqua tranquilla è un parametro importante da cui dipende sia la taglia del
motore che quella dell’elica e per determinarla occorrono, come già detto, i risultati dei calcoli
idrostatici. Spesso per le navi esistenti sono fornite curve di resistenza al vero in funzione della
velocità ottenute da prove modello in vasca ma per questa specifica nave non viene fornita nessuna
informazione sulla resistenza al moto in acqua tranquilla quindi occorre effettuarne una stima per
ottenere una curva il cui andamento tipico è:
RT

V
La resistenza totale in acqua tranquilla in generale può essere espressa secondo la formula:
1
RT = ρ WS V2 CT [N]
2
Dove:

 ρ = densità dell’acqua di mare [Kg/ m3]


 WS = superficie bagnata [m2]
 V = velocità nave [m/s]
 CT = coefficiente di resistenza totale adimensionale.
Scomponiamo il CT secondo una delle possibili suddivisioni:

CT = CFO + CR + CAA
Dove:
 CAA è il coefficiente di resistenza dell’aria e usualmente si assume pari a 0.07.
 CF0 è il coefficiente di resistenza d’attrito di lastra piana associata e lo stimiamo attraverso la
formulazione dell’ITTC (International Towing Tank Conference) del 1957 ovvero:
0.075
CF0 = (log10Re−2)2

Con Re = numero adimensionale di Reynolds.

22
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

 CR invece è il coefficiente di resistenza residua e in questo codice è stato implementato il


calcolo attraverso il metodo sviluppato da Guldhammer e Harvald. Il coefficiente CR è
dapprima calcolato dai grafici forniti dal metodo in funzione di parametri che sono legati alle
caratteristiche principali della nave:
Lwl
 M = 1/3


 Φ=
Lwl Ams

 CB che è il coefficiente di finezza totale

Figura 10 CORREZIONE PER LCB

Figura 11 GRAFICO PER IL CALCOLO DI CR

Il valore di CR letto dal grafico però non è quello finale poiché in generale la carena differisce da
quelle standard e quindi avremo una serie di correzioni:
 correzione per B/T,
 correzione per LCB Longitudinal Centre of Buoyancy (Figura 10),
 correzione per forme di scafo,

23
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

 correzione per bulbo,


 correzione per appendici.
A questo punto conoscendo CR è possibile calcolare CT e di conseguenza RT. Per poter proseguire nel
calcolo occorre stimare sia t coefficiente di deduzione di spinta che w coefficiente di frazione di scia;
utilizziamo le formulazioni proposte da Hans Otto Kristensen poiché utilizzano i coefficienti già
calcolati per il metodo di G&H. Il codice effettua il calcolo del CR attraverso l’utilizzo dei grafici che
sono stati precedentemente digitalizzati e poi attraverso delle function che calcolano le varie
correzioni.

2.4 Elica
Per poter procedere nel calcolo dobbiamo conoscere le caratteristiche dell’elica isolata. L’elica di
questa nave è un elica a pale orientabili quindi ricaviamo le caratteristiche dell’elica isolata:

𝑇
KT = coefficiente adimensionale di spinta
𝜌𝑛2 𝐷4
𝑄𝑜
KQ = coefficiente adimensionale di coppia
𝜌𝑛2 𝐷5
𝐽 𝐾𝑡
ηo = rendimento elica isolata
2𝜋 𝐾𝑞

Dove:
 ρ è la densità dell’acqua di mare [Kg/ m3]
 T è la spinta fornita dall’elica [N],
 Qo è la coppia fornita dall’elica isolata,
𝑉𝑎
 J= è il coefficiente di avanzo,
𝑛𝐷

 Va= V(1-w) velocità d’avanzo,


 n è il numero di giri elica [RPS],
 D è il diametro elica [m].

24
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

All’interno del codice sono state usate le serie sistematiche di Wageningen per calcolare tali
caratteristiche; per poter usare le serie sistematiche abbiamo bisogno di quattro caratteristiche
dell’elica:
 J è il coefficiente di avanzo,
 P/D è l’apertura del passo rispetto al diametro D,
 Ae/Ao è il rapporto tra Area Espansa e Area Disco,
 Z è il numero di pale.
Si possono stimare il KT e il KQ tramite dei coefficienti di regressione che sono forniti in tabelle
(Tabella 8) mentre ηo è ricavato dai grafici del tipo:

Figura 12 GRAFICI RENDIMENTO ELICA


25
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Tabella 8 VALORI DI REGRESSIONE

𝑃 𝐴𝑒 u(i)
KT = KT(i-1) + ckt(i)*(J)s(i)*( )t(i)*( ) *(Z)w(i)
𝐷 𝐴𝑜

𝑃 𝐴𝑒 u1(i)
KQ= KQ(i-1) + ckq(i)*(J)s1(i)*( )t1(i)*( ) *(Z)w1(i)
𝐷 𝐴𝑜

Dove:
 i è l’indice di riga della Tabella 8, quindi varia da 1 a 39 per KT e da 1 a 47 per KQ e occorre
sommare su tutta la colonna per ottenere i valori finali,
 ckt è il valore della seconda colonna per la spinta T,
 ckq è il valore delle seconda colonna per la coppia Q,
 s, t, u, w sono i coefficienti delle colonne da 3 a 6 della spinta T,
 s1, t1, u1, w1 sono i coefficienti delle colonne da 3 a 6 della coppia Q.

26
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

A questo punto occorre effettuare la procedura di matching e determinare i giri elica all’equilibrio,
nonché le caratteristiche elica in tale configurazione per determinare la coppia Qo offerta dall’elica.
Per fare questo dovremo avvalerci di una variabile ausiliaria:
𝐾𝑡 𝑅𝑡
α = 𝐽2 = (1−𝑡)𝜌𝐷2 𝑉𝑎2

αJ2
KT

Jeq

Ora costruendo la curva αJ2 e intersecandola con la curva di KT calcolata con Wageningen otteniamo
il coefficiente di avanzo di equilibrio Jeq con il quale calcoliamo KQ, sempre dalle curve dell’elica
isolata, per il calcolo della coppia Qo:
𝑉𝑎
n= [RPS]
𝐽𝑒𝑞𝐷

Qo=KQ*ρ*n2*D4 [Nm]

2.5 Potenza
A questo punto è possibile sfruttare la catena propulsiva per risalire alla P B ovvero la potenza al
freno, caratteristica del motore, infatti:
CPP
G ENGINE(S)
PD PS PB

PAA

2𝜋𝑛𝑄𝑜
PD= è la Potenza Delivered [W] ovvero la potenza resa disponibile dall’elica,
𝜂𝑟
𝑃𝑑
PS= è la Potenza all’asse [W].
𝜂𝑠𝜂𝑔
Se è presente, come per questa nave un Alternatore Asse (AA), occorre aggiungere:
𝑃𝑒𝑙.𝑎
PAA = è la Potenza dell’AA [W]
𝜂𝑎𝑎
27
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Quindi:

PB=PS+PAA è la Potenza al freno [W].


Dove:
 ηr efficienza relativa rotativa,

 ηs rendimento dell’asse,

 ηg rendimento del riduttore,

 ηAA rendimento meccanico dell’AA,


 Pel.a Potenza elettrica erogata dall’Alternatore Asse [W].

2.6 Consumo
Conoscendo la Potenza al freno PB e il numero di giri del motore Neng, ottenuto dai giri elica
moltiplicando per il rapporto di riduzione del riduttore, possiamo determinare il consumo; se
abbiamo disponibile la mappa dei consumi relativa al motore fornita dal costruttore essa fornirà un
risultato abbastanza affidabile. Per i motori di propulsione di questa nave la mappa dei consumi del
costruttore non era disponibile quindi si è utilizzata una mappa dei consumi costruita in linguaggio
Matlab dal DITEN; questa mappa è sostanzialmente una superficie i cui punti sono i consumi,
espressi in [kg/h], nella quale si entra con il numero di giri del motore e la potenza al freno P B per
singolo motore.

Figura 13 MAPPA DEL MOTORE (DITEN)

28
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Siccome non conosciamo il profilo di utilizzo dei motori ovvero non sappiamo quando siano in
funzione uno o due motori si è costruito un vettore che contiene il numero di motori in funzione,
istante per istante, valutando se la potenza sia inferiore o superiore all’85% della potenza all’MCR
(Maximum Continuous Rating) del singolo motore, ipotizzando quindi che se un motore raggiunge
quella potenza entri in funzione il secondo. Quindi interpolando sulla superficie con i giri del motore
e con la potenza ricavo il consumo mf espresso in [kg/h]. È possibile esprimere il consumo anche
come SFOC [g/kWh] suddividendo mf per la potenza al freno del singolo motore. A questo punto è
possibile effettuare dei confronti tra grandezze calcolate dal codice e grandezze misurate contenute
nel database per poter effettuare una stima dell’errore.

29
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

3. INFLUENZA STATO DI MARE


3.1 La Resistenza Aggiunta
Il lavoro della mia tesi, come già detto, parte dall’elaborazione del codice descritto nel capitolo 2
ma introduce anche alcuni parametri legati alla valutazione del consumo di combustibile. Uno di
questi è lo stato di mare; ovvero si vuole tenere conto dell’effetto che si ha sul consumo di
combustibile al variare, oltre che della velocità nave e del dislocamento, delle condizioni del mare.
Un mare in condizioni avverse provoca un aumento della resistenza al moto offerta dalla nave
rispetto alle condizioni in acqua tranquilla. Il problema sta proprio nel determinare una resistenza
che si definisce aggiunta dovuta alle condizioni del vento e del mare poiché non esistono come per
la resistenza in acqua tranquilla formulazioni analitiche facili da applicare.

Per determinare la resistenza effettiva totale occorre separare i contributi di resistenza ovvero:

RTOT = RT + RWAVE + RWIND


Dove:
 RT è la resistenza totale al moto in acqua tranquilla qui calcolata con G & H,
 RWAVE è la resistenza aggiunta dovuta alle onde,
 RWIND è la resistenza aggiunta dovuta al vento.
Spesso RWAVE e RWIND sono considerate insieme come una sola componente.
Vediamo ora lo stato dell’arte sulla stima della resistenza aggiunta per via analitica.

3.1.1 Resistenza Aggiunta dovuta al vento


Per quanto riguarda la resistenza aggiunta dovuta al vento si fa riferimento alle formulazioni di R.M.
Isherwood, il quale nel 1973, attraverso la regressione di molteplici dati, provenienti da esperimenti
condotti in differenti laboratori con differenti modelli, fornì le due componenti orizzontali della forza
del vento e del momento indotto dalla deriva per scafi di navi di tipo mercantile e per vento da ogni
direzione possibile. Successivamente nel 1982 R.W.F. Gould presentò una procedura numerica per
stimare gli effetti di forza e momento agenti sulla sovrastruttura ipotizzando un profilo logaritmico
per la velocità del vento e studiando le variazioni di area esposta al vento collegandola alla modifica
del profilo ondoso. Nel 1994 l’OCIMF Oil Companies International Marine Forum presentò dei
coefficienti e delle procedure per stimare i carichi del vento su VLCCs Very Large Crude Carriers

30
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

utilizzando dati provenienti da esperimenti condotti nel tunnel del vento dell’Università del
Michigan negli anni sessanta. Infine nel 1996 W. Blendermann condusse nuove investigazioni e
costruì una nuova formulazione che comprende anche nuove forme di scafo; tale formulazione è
dipendente da un coefficiente di resistenza, dall’angolo di attacco, dalle aree esposte al vento e da
un parametro di tipo statistico derivato da dati sperimentali. Inoltre, attraverso l’uso di dati
sperimentali, riuscì a prevedere gli effetti di vento non uniforme collegandoli alla pressione effettiva
dinamica. In Figura 14 viene presentato un confronto tra i vari metodi sul calcolo del CX ovvero il
coefficiente di resistenza della forza del vento in direzione longitudinale.

Figura 14 CONFRONTO Cx

3.1.2 Resistenza Aggiunta per riflessione d’onda RAWr


La resistenza aggiunta dovuta alle onde RWAVE invece la consideriamo composta da tre principali
componenti:

RWAVE = RAWr + RAWm + RAWi


Dove:
 RAWr è la componente di resistenza aggiunta causata dalla riflessione d’onda in mare
regolare,
 RAWm è invece la componente di resistenza aggiunta indotta di movimenti della nave sempre
in mare regolare,
 RAWi è infine la componente di resistenza ondosa in mare irregolare.

31
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Per stimare la componente RAWr vediamo tre diverse formulazioni che sono basate su altrettante
teorie. La formulazione studiata da Duan e Li (2013) è basata sulla legge di riflessione totale; essi
raggiusero una soluzione per mare proveniente da prua che è legata all’ampiezza ζ a dell’onda ed a
k numero d’onda, al numero di Froude Fr, alla densità dell’acqua ρ, alla lunghezza nave L,
all’immersione T e alle funzioni di Bessel I1 e K1 modificate di primo e secondo ordine.

La formulazione di Faltisen et al. (1980) è invece basata sulla teoria asintotica per campo ondoso di
onde corte; egli derivò da un modello fisico semplificato questa formula con ovvio significato dei
simboli:

Infine la terza formulazione presentata è quella proposta da Kuroda et al (2008) e Tsujimoto et al


(2009) di tipo semi-empirico, funzione anche della larghezza nave B:

3.1.3 Resistenza Aggiunta per moti della nave RAWm


Per calcolare questa componente di resistenza aggiunta dovuta ai moti nave occorre prima di tutto
calcolare i moti della nave; per fare questo si può ricorrere ai così detti metodi STF Salvesen-Tuck-
Faltisen che si basano sull’ipotesi che i moti oscillatori della nave sono lineari e armonici e che quindi
risolvono l’equazione di moto linearizzata. Una volta ottenuti i moti della nave vediamo due dei
metodi possibili. I metodi REM Radiated Energy Method sviluppati da Gerritsma e Beukelman (1972)
sono basati sul principio di conservazione dell’energia e conducono ad un’espressione funzione,

32
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

oltre che dell’ampiezza dei moti, della frequenza di incontro ωe, di un coefficiente legato allo
smorzamento e all’ampiezza della velocità relativa verticale.

Una seconda formula per RAWm è quella fornita da Maruo (1963) basata sul teorema di
conservazione dell’energia e del momento. Si ottiene una formulazione legata a caratteristiche
dell’onda, alle caratteristiche della nave e ad altri parametri funzione dei moti nave.

3.1.4 Resistenza Aggiunta per mare irregolare RAWi


La componente di resistenza aggiunta dovuta ad un mare irregolare può essere vista come la
sovrapposizione lineare della resistenza per mare regolare e lo spettro del mare; quest’ultimo
fornisce un’indicazione dell’energia posseduta dal mare conservando le caratteristiche di
aleatorietà. Esistono varie formulazioni per lo spettro del mare a seconda delle variabili considerate
e del tipo di mare si vuole simulare; una delle più comuni è quella data dall’ITTC (International
Towing Tank Conference).

Dove:

 Hs è l’altezza significativa dell’onda,


 T1 è il periodo caratteristico dell’onda.

Quindi la resistenza aggiunta in mare irregolare è calcolata come:

Dove:

 ζa è l’ampiezza dell’onda,
 ω è la frequenza dell’onda.
33
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Tutte queste formulazioni seppur analitiche risultano di difficile applicazione in campo pratico
poiché richiedono una conoscenza della nave e, in particolare, dello scafo elevata da cui si
ricaverebbero informazioni sui moti nave ma soprattutto richiedono conoscenze elevatissime sulle
onde come frequenza e altezza d’onda. Se risulta piuttosto frequente trovare nei database di
raccolta di dati misurati sulle navi informazioni riguardo ai moti principali della nave, è invece
piuttosto arduo trovare misurazioni di dati così specifici sulle condizioni del mare. Quindi per tutti
questi motivi non sono state implementate nel codice di calcolo anche perché andavano contro il
carattere semplice che si vuole dare al codice. In Figura 15 è mostrato il blocco resistenza aggiunta
dovuta al vento e alle onde che può essere inserita in un algoritmo di calcolo come è stato fatto per
un modello di tipo previsionale in Figura 46. I dati di input principali per i singoli blocchi sono:

 V wind è la velocità del vento espressa in [m/s] o [Knots],


 AT è l’area trasversale esposta della nave [m2],
 V actual è la velocità istantanea [Knots],
 Moti Nave sono le accelerazioni, le velocità e gli spostamenti della nave indotti dalle onde.
 Sea indica lo stato di mare e quindi comprende le caratteristiche delle onde.

V wind
WIND ADDED RWIND
AT RESISTANCE

V actual

Moti nave WAVE ADDED


RWAVE
RESISTANCE
Sea

Figura 15 ADDED RESISTANCE

3.2 Perdita di velocità


Quando una nave incontra uno stato di mare avverso si ha una riduzione di velocità parte dovuta ad
una riduzione volontaria dettata dal comandante poiché c’è mare agitato e parte dovuta ad una
riduzione involontaria per queste condizioni avverse. Di qui l’idea di stimare l’influenza delle
condizioni meteomarine sul comportamento della nave attraverso una perdita di velocità,
chiaramente solo per la parte involontaria; il professor Y. J. Kwon ha studiato una formula che
esprime una perdita di velocità ΔV in tempo avverso per containership e tanker semplicemente
34
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

conoscendo il valore della scala di Beaufort, la direzione prevalente del mare e poche caratteristiche
della nave.
La scala di Beaufort è una misura empirica del vento basata sullo stato di mare e sulle caratteristiche
dell’onda. La scala varia da 0-mare calmo a 12-uragano e per ogni livello è fornito un range di velocità
del vento e di altezza d’onda; la velocità del vento è una velocità misurata a 10 metri di altezza e
mediata su almeno 10 minuti di osservazione. Da notare che nel codice è stato usato un valore della
scala di Beaufort ricavato da informazioni solo sul vento, questo potrebbe portare ad errori di
sovrastima o sottostima.

Figura 16 SCALA BEAUFORT (da tesi di G. Marci L. Giacometti ‘Studio sull’indice di efficienza energetica delle navi Ro-Ro/Pax attraverso
l’analisi statistica delle variabili operative’)

Vediamo ora la formulazione proposta da Kwon:


𝛥𝑉
αμ 100% è la percentuale di perdita di velocità,
𝑉

35
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Dove:
 ΔV è la perdita di velocità per tempo avverso per mare proveniente da prua e CB standard
 V è la velocità della nave in acqua tranquilla
 μ è un coefficiente di riduzione per mare non proveniente da prua funzione dell’angolo di
incontro tra direzione della nave e direzione prevalente del mare (Figura 17)
 α è un coefficiente correttivo funzione del coefficiente di finezza totale C B, del numero di
Froude Fn (Figura 18)

Figura 17 CORREZIONE PER LA DIREZIONE

Figura 18 CORREZIONE Cb e Fn

L’angolo di incontro rappresenta quindi la direzione con cui la nave vede il mare ovvero l’angolo 0°
rappresenta un mare proveniente da prua mentre l’angolo 180° è un mare proveniente da poppa e
quindi gli angoli 90° e 270° si riferiscono a mare al traverso.

Le condizioni normal, laden o ballast si riferiscono alla condizione di carico e per ognuna di esse è
fornita una differente formulazione per la perdita percentuale di velocità:
 laden ovvero a pieno carico per tutte le navi,
tranne containership, con CB=0.75, 0.80 e 0.85.
 ballast ovvero in zavorra per tutte le navi, tranne
containership, con CB=0.75,0.80,0.85.
 normal è riferito alle sole containership,
con CB=0.55, 0.60, 0.65 e 0.70
Dove:
 BN è il numero della scala di Beaufort
 ∇ è il volume dello scafo [m3].
36
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Nella pubblicazione sono presentati dei confronti, sia in scala modello che in scala nave, con metodi
più accurati e dettagliati che validano la formula come si può vedere in Figura 19.

Figura 19 CONFRONTI

37
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

3.3 Propeller Ventilation


Quando una nave si trova in mare avverso non solo sarà soggetta ad una resistenza aggiunta oppure
subirà una perdita di velocità ma, dal punto di vista dell’elica, ci sarà una variazione significativa nel
flusso che investe l’elica stessa. Questo fenomeno, che prende il nome di Propeller Ventilation, non
si presenta solo in caso di mare avverso ma anche in caso di carico troppo leggero o trim molto
negativo. Il continuo emergere e il successivo immergersi dell’elica porta a notevoli riduzioni della
spinta e della coppia fornite; questo perché il crearsi di vortici contenenti particelle d’aria va ad
influire sulla portanza e sulla resistenza di ogni singola pala dell’elica. Tali perdite, che possono
raggiungere anche il 70-80% in condizioni di ventilazione totale, sono state stimate tramite dei
coefficienti che sono funzione dell’immersione relativa al raggio dell’elica o della velocità di
rotazione relativa oppure ancora dell’ampiezza relativa del moto.

Nel 2006 Smogeli affronto il problema delle perdite per ventilazione suddividendo il regime del
flusso dell’elica in:
 Regime non ventilato: l’elica è completamente immersa ad una immersione tale da non
risentire di variazioni,
 Regime Parzialmente Ventilato: l’elica è parzialmente, ma non stazionariamente, emersa; se
il coefficiente d’avanzo è basso è una condizione fortemente instabile ed esiste come
transizione tra i due regimi
 Regime Totalmente Ventilato: l’elica è investita da un flusso misto di aria ed acqua e la
pressione sull’interno della pala è circa pari a quella atmosferica.
Egli studiò un coefficiente βV di riduzione della spinta dipendente in generale da giri elica, velocità
di avanzo e sovra emergenza; tale coefficiente lo si calcola tramite il grafico in Figura 20 conoscendo:
 n/nbp è il rapporto tra i giri elica n e i giri elica in bollard pull condition ovvero in condizioni
di mare calmo, immersione diritta, completa immersione e tale che sia in regime non
ventilato;
 Ar/R è il rapporto tra l’ampiezza del moto relativo verticale e il raggio dell’elica;
 Ho è l’immersione dell’elica in condizioni normali.

38
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Figura 20 Bv FATTORE DI CORREZIONE PER VENTILAZIONE

Nel 2008 anche l’ITTC affrontò il problema della ventilazione ed individuò un coefficiente di
riduzione della spinta e della coppia da moltiplicare per i coefficienti adimensionali di spinta e
coppia in acqua tranquilla:

Dove:

 β è il fattore di correzione per ventilazione,


 KTC è il coefficiente adimensionale di spinta in acqua tranquilla,
 KQC è il coefficiente adimensionale di coppia in acqua tranquilla,
 h/R è l’immersione istantanea dell’elica relativa al raggio R dell’elica,
 ho/R è l’immersione dell’elica in acqua tranquilla,
 ηra è l’ampiezza del moto relativo
 ωe è la frequenza di incontro.

39
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Questi due metodi per valutare la propeller ventilation sono di facile applicazione se si hanno
informazioni sul moto relativo che infatti risulta essere la parte più complicata dell’applicazione del
metodo. Per la mancanza di tali informazioni non si è potuto implementare nel codice una
correzione di questo tipo; se però fossimo in grado di fornire tali caratteristiche basterebbero poche
righe di codice per implementarlo. Vediamo, come per la resistenza aggiunta la schematizzazione
del blocco della ventilazione da inserire in un eventuale algoritmo come è stato fatto in Figura 46.

h/R

Moto rel. PROPELLER


VENTILATION β

ωe

Figura 21 PROPELLER VENTILATION

3.4 Codice di Matching


A partire dal codice esistente illustrato nel capitolo 2, ho sviluppato un algoritmo di calcolo, che
corrisponde anche alla versione di codice creato, il codice di Matching. Vediamo a questo punto
quali sono stati gli inserimenti rispetto al codice esistente; il più evidente e significativo inserimento
è stato la correzione di Kwon.

COMBINATA ELICA POTENZA

CALCOLI IDROSTATICI RESISTENZA KWON CONSUMO

Figura 22 INSERIMENTI NEL CODICE (in rosso)

3.4.1 Combinata

Per poter inserire all’interno del codice la correzione proposta da Kwon è necessario, per prima
cosa, modificare il dato di input; il codice precedentemente effettuava i calcoli con la velocità letta
Logspeed, quindi confondendo velocità attuale e velocità in acqua tranquilla. Per poter correggere
il valore di velocità da acqua tranquilla a velocità in mare agitato occorre che il dato di input sia la
posizione della leva del telegrafo; questo corrisponde maggiormente ad un caso reale infatti, di
solito, viene scelta la posizione della tacca del telegrafo e non impostata la velocità. Il telegrafo è
collegato alla combinata della nave ovvero ad ogni posizione della tacca del telegrafo deve
corrispondere un determinato passo e una determinata velocità di rotazione dell’elica. Quindi per
questo codice la combinata è usata solo per associare alla posizione della leva, il dato di input del

40
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

codice, ad una velocità in acqua tranquilla con la quale faremo i calcoli e che correggeremo in seguito
per stato di mare agitato tramite formulazione di Kwon. Della nave su cui il codice è stato costruito
non si conosce la combinata, per cui occorre ipotizzarla. Per fare questo analizziamo i dati di input;
consideriamo velocità Logspeed positiva e selezioniamo quelle velocità per il cui il numero di
Beaufort è minore di 1, per cui posso assumere mare calmo e quindi legare la variazione di passo
alla sola variazione volontaria di velocità. Ad ogni velocità associamo istante per istante il dato sul
passo CPP Feedback, ovvero la percentuale di apertura del passo letta dal sensore di feedback.
Quello che otteniamo plottando il risultato è mostrato in Figura 23: la retta blu è la retta di
regressione lineare di tutti i punti poiché ho ipotizzato un andamento lineare tra passo e velocità.
In Figura 24 si può vedere la combinata vera e propria ottenuta associando alla tacca 0 la velocità
nulla e alla tacca 10 la velocità massima ovvero 14 nodi ed in rosso la relazione tra posizione del
telegrafo e giri dell’asse di rotazione, che per questa nave si è scelto di mantenerlo costante poiché
l’alternatore asse è a giri costanti.
In realtà all’interno del database erano presenti dati di velocità misurata che raggiungevano anche
18 nodi ma siccome la velocità di progetto della nave è di 12.5 nodi si è pensato di limitare il campo
di velocità per l’analisi della combinata. È da notare che la combinata, in generale è associata ad uno
specifico dislocamento ovvero ad una specifica immersione, di solito quella di progetto; nella
selezione delle velocità non abbiamo considerato l’immersione ma comunque l’obiettivo non era
quello di ricavare una relazione numerica ma solamente una relazione qualitativa tra passo e
velocità per poi ipotizzare un andamento.

Figura 23 ANALISI DATI PER COMBINATA


41
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Figura 24 COMBINATA

3.4.2 Kwon
A questo punto la correzione di Kwon, scritta come una function di Matlab, può essere inserita
immediatamente a valle del calcolo della resistenza, che deve essere calcolata con la velocità in
acqua tranquilla, e a monte del calcolo delle caratteristiche dell’elica dato che è bene calcolarle con
l‘effettiva velocità che caratterizza il flusso che investe l’elica. In Figura 25 si nota la variazione di
velocità (in blu) derivante dalla formulazione di Kwon per uno stato di mare rappresentato dal
numero di Beaufort (in nero) in uno specifico giorno.

Confronto velocità in acqua tranquilla e in mare agitato


14
V still water
V rough sea
13 Beaufort Number

12
Ship Speed [Knots] o Beaufort Number

11

10

4
12.09.13 21:00 12.09.13 22:15 12.09.13 23:15 13.09.13 00:30 13.09.13 01:45 13.09.13 03:00 13.09.13 04:00
Time

Figura 25 CORREZIONE VELOCITA' PER KWON

42
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

3.4.3 Load Sharing


Ho inserito anche una ulteriore variabile nel blocco del calcolo del consumo del motore ovvero il
parametro di load sharing che permette di decidere in che percentuale usare i motori per ottenere
la potenza al freno voluta poiché prima se erano presenti due motori entrambi lavoravano
contribuendo al 50% della potenza totale; in definitiva avremo come output due potenze e due
valori di consumo specifico riferite ai singoli motori.

Engine Brake Power


3200
Engine1
Engine2
3000

2800
Engine Brake Power [kW]

2600

2400

2200

2000

1800

1600
12.09.13 21:00 12.09.13 22:15 12.09.13 23:15 13.09.13 00:30 13.09.13 01:45 13.09.13 03:00 13.09.13 04:00
Time

Figura 26 POTENZE AL FRENO CON LOAD SHARING AL 60%

Engine Fuel Consumpion with LS at 60%


600
Engine1
Engine2

550
Engine Fuel Consumption [kg/h]

500

450

400

350

300
12.09.13 21:00 12.09.13 22:15 12.09.13 23:15 13.09.13 00:30 13.09.13 01:45 13.09.13 03:00 13.09.13 04:00
Time

Figura 27 CONSUMI ORARI CON LOAD SHARING AL 60%

43
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Vediamo l’andamento della resistenza totale calcolata dal codice (Figura 28), e notiamo che rispetta
l’andamento tipico della resistenza in funzione della velocità nave così come la potenza al freno in
funzione dei giri motore (Figura 29) dove ogni punto rappresenta una specifica condizione operativa
della nave.

Figura 28 RESISTENZA

Figura 29 POTENZA AL FRENO

44
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Alla fine della costruzione del codice sono riuscito ad individuare tutte le variabili di input e ho deciso
di separare tra quelle proprie della nave, che possiamo considerare fissate, poiché non vengono
variate finché non cambia la nave, e quelle caratteristiche che possono essere variate in una logica
di ottimizzazione:
 le variabili fissate sono i dati sulla carena(lunghezza tra le perpendicolari e Tavola Carene

Diritte), i dati elica (diametro, Ae/Ao, Z, P/Ddes, ηr), i dati combinata (relazione tra passo,
velocità, giri elica e posizione del telegrafo), i dati condizioni del mare (valore scala Beaufort
e direzione del vento), i dati sul motore (mappa dei consumi, rapporto di riduzione e PB MCR
per un singolo motore), i dati su alternatore asse( potenza elettrica richiesta e rendimento),
i dati sui rendimenti(ηS, ηG) e infine i dati sulla condizione di carico Anche le condizioni del
mare sono considerate fisse perché si considera che si voglia calcolare il consumo a parità di
mare incontrato variando altre caratteristiche.
 le variabili di ottimizzazione invece sono la posizione della leva alla quale desidero fare il
calcolo, l’immersione T e quindi il dislocamento e il coefficiente di load sharing.

3.5 Fonti di incertezza


Infine indentifichiamo quali sono le fonti di incertezza in questo codice separandole tra le incertezze
dovute ai metodi utilizzati o alle caratteristiche del codice e le incertezze dovute alle ipotesi fatte.
Incertezze sui metodi:
 Calcolo della resistenza con metodo di G & H: il codice calcola la resistenza in acqua tranquilla
con il metodo delle serie sistematiche di G & H che, nonostante presenti correzioni per
associare carene nuove e carene della serie, è sicuramente soggetto ad incertezza; tale
incertezza sarebbe inferiore se la resistenza della nave fosse proveniente da prove in vasca.
 Calcolo di w e t con metodologia proposta da Kristensen: i valori di t ovvero fattore di
deduzione di spinta e w fattore di frazione di scia sono sostanzialmente delle efficienze dello
scafo, non sono valori fissi e precisi e di fatto non costituiscono un incertezza ma possono
essere variati per ridurre altre incertezze.
 Calcolo dello stato di mare con formulazione di Kwon: valutare l’influenza dello stato di mare
attraverso il numero di Beaufort e la sola direzione del mare è già di per sé una
approssimazione alla quale si aggiunge una incertezza legata al metodo proposto da Kwon.
 Calcolo caratteristiche dell’elica con le serie di Wageningen: avendo valutato le
caratteristiche di elica isolata con le serie sistematiche di Wageningen si deve tener conto
45
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

dell’errore di approssimazione che si compie associando ogni curva, a P/D fissato, ad uno
specifico passo dell’elica a passo variabile della nostra nave. L’errore che si commette è
l’errore tipico associato al metodo proposto.
 Calcolo dei consumi con mappa del motore ricreata dal DITEN: utilizzando una mappa dei
consumi creata artificialmente che è sicuramente soggetta ad errore di valutazione del
consumo si compie un errore maggiore rispetto ad utilizzare una mappa fornita dal
costruttore poiché quest’ultima sicuramente non fornirà un valore esatto, ma molto
probabilmente inferiore al valore al vero, però con un errore sicuramente inferiore.
Da notare comunque che i metodi usati sono, per la maggior parte, metodi internazionalmente
riconosciuti e quindi forniscono un risultato sufficientemente affidabile.
Incertezze sulle ipotesi:
 Scala di Beaufort riferita alla sola velocità del vento: come già detto il valore della scala di
Beaufort è stato ricavato attraverso la sola analisi della velocità del vento senza nessuna
informazione sull’altezza d’onda; questa approssimazione potrebbe portare ad errori anche
grossolani nell’influenza dello stato di mare sulla perdita di velocità.
 Combinata non originale: la combinata usata per il calcolo sicuramente si avvicina a quella
della nave ma non essendo la stessa si avranno errori proporzionali all’errore di valutazione
della combinata.
Vediamo alcune figure di confronto tra potenza letta e calcolata e tra consumo letto e calcolato:

Confronto coppia fornita letta e calcolata


700
Q read
Q code

600

500
Shaft Torque [kNm]

400

300

200

100

0
04.07.12 09:00 05.07.12 09:15 06.07.12 09:15 07.07.12 09:30 08.07.12 09:30 09.07.12 09:30 10.07.12 09:30
Time

Figura 30 COPPIA FORNITA

46
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Confronto potenza all'asse letta e calcolata


10000
PSread
PScode
9000

8000

7000

6000
Shaft Power [kW]

5000

4000

3000

2000

1000

0
04.07.12 09:00 05.07.12 09:15 06.07.12 09:15 07.07.12 09:30 08.07.12 09:30 09.07.12 09:30 10.07.12 09:30
Time

Figura 31 POTENZA ALL'ASSE

Confronto consumo calcolato e letto


1500
mf read
mf code

1000
Fuel Consumption [kg/h]

500

0
04.07.12 09:00 05.07.12 09:15 06.07.12 09:15 07.07.12 09:30 08.07.12 09:30 09.07.12 09:30 10.07.12 09:30
Time

Figura 32 CONSUMO

Come si può notare dalle figure di confronto, il codice non è molto preciso questo per le numerose
incertezze elencate, oltre alle incertezze non trascurabili degli strumenti di misura e alla numerosa
quantità di dati.

47
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

4. CONSUMI REAL TIME


4.1 Algoritmo e relativo codice
Il codice di Matching risulta molto influenzato dai dati di input che avevamo per la nave utilizzata e
quindi per poter rispondere alle esigenze o di controllo o di previsione che ci eravamo proposti di
ottenere, occorre studiare nuovi tipi di approccio. Nell’ottica di un controllo sul consumo di
combustibile si è pensato allora, usando il lavoro sin qui fatto, di generare un nuovo algoritmo, che
identificheremo con la denominazione Online e che utilizzeremo per il calcolo dei consumi real time
ovvero istante per istante. Tale modello analizza i dati di input letti direttamente dai sensori a bordo
della nave restituendo il consumo di combustibile istantaneamente. Un modello di questo tipo
potrebbe essere utile per tenere sotto controllo il consumo di combustibile sia per eventuali failure
degli organi responsabili della misurazione del consumo di combustibile sia, più in generale, di
failure del sistema di propulsione; può essere anche usato per un’analisi di costo se si analizzano
dati provenienti da diverse navi per un’ottica orientata al decision support. Il modello per il sistema
di propulsione (Figura 33) è quello usato per il codice precedente ovvero una sola elica a passo
variabile, un solo asse con riduttore e due motori identici oltre alla presenza di un Alternatore Asse
per la produzione di energia elettrica.

Figura 33 SCHEMA PROPULSIONE

Per capire meglio il funzionamento dell’algoritmo vediamo un diagramma concettuale:

Pel.a
N

P/D ELICA POTENZA CONSUMO Fuel Consumption

V
Q PS

Figura 34 ALGORITMO CONSUMO ONLINE


48
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Nel modello non compaiono il blocco di resistenza o il blocco sull’influenza dello stato di mare
poiché sia la resistenza al moto sia la resistenza aggiunta oppure la perdita di velocità, si considerano
già comprese nelle caratteristiche dell’elica ricavate dalle condizioni misurate; in altre parole la
velocità letta, con cui calcolo poi la coppia fornita Qo, è la velocità vista dal flusso dell’elica stessa e
quindi racchiude la resistenza al moto e l’influenza dello stato di mare.

Anche per questo algoritmo, come nel caso del codice di Matching, è stato possibile realizzare il
codice di calcolo che ha questa struttura:

𝐕
N Jeq = KQ Qo=KQeq*ρ*𝒏𝟐 *𝑫𝟓
𝒏𝑫

V 𝟐𝝅𝒏𝑸𝒐
PD =
𝜼𝒓
KQeq
P/D
Jeq J

𝑷𝒅 𝑷𝒆𝒍.𝒂
PB = +
𝜼𝒔𝜼𝒈 𝜼𝒂𝒂

PB CONSUMO
Pel.a

FUEL
CONSUMPTION
NENG

Figura 35 CODICE ONLINE

Il Codice Online sfrutta, con qualche modifica, le righe del codice precedentemente sviluppato ma
necessita solamente del blocco elica per le caratteristiche di elica isolata e del blocco contenente la
mappa dei consumi; da notare inoltre che, rispetto al codice di Matching, bisogna ipotizzare un

49
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

valore del fattore di frazione di scia w poichè non può essere calcolato attraverso il metodo di
Kristensen dato che esso si basa sui coefficienti del metodo di G & H anch’esso non utilizzato.
Il codice Online ha come dati di input (in rosso):
 N è il numero di giri elica misurato [RPM],
 CPP è il valore misurato di P/D che spesso è fornito in percentuale rispetto al P/D des,
 V è la velocità attuale misurata [Knots]
 Pel.a è la potenza elettrica richiesta dall’Alternatore Asse [W].

Oltre alle caratteristiche misurate sono necessarie le caratteristiche proprie della nave quali:
 dati elica (diametro, Ae/Ao, Z, P/Ddes, ηr, w),
 dati sul motore (mappa dei consumi, rapporto di riduzione e PB MCR per un singolo motore),
 dati sui rendimenti (ηS, ηG, ηAA).

4.2 Descrizione del codice


Il primo passo del codice è quello di convertire i dati in ingresso, sia quelli misurati e sia quelli fissati
relativi alla nave, in unità di misura coerenti con le formule che utilizzeremo. I dati misurati possono
essere caricati nel programma tramite un file .mat che contenga i dati necessari oppure
manualmente inserendo i vettori o gli scalari.

4.2.1 Elica
In questo blocco di codice si calcolano le caratteristiche dell’elica isolata sempre attraverso l’utilizzo
delle serie sistematiche di Wageningen; però questa volta non occorre nessuna procedura di
matching poiché conosco già sia i giri elica che la velocità, quindi per prima cosa calcoliamo il
coefficiente di avanzo:
𝑉𝑎
J=
𝑛𝐷
Dove:
 Va=V*(1-w) è la velocità d’avanzo [m/s],
 n = N/60 è il numero di giri espresso in [RPS]
 D è il diametro dell’elica [m].

50
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Attraverso le serie sistematiche calcoliamo KQ, e, trovando poi il coefficiente di coppia


adimensionale KQo, riferito al nostro J, tramite interpolazione, calcoliamo quindi la coppia fornita
dall’elica isolata:

Qo=KQo*ρ*𝑛2 *𝐷 5 [N*m]
Con ρ = densità dell’acqua di mare [kg/m3].
Servendoci ora dell’efficienza relativa rotativa ηr possiamo calcolare la spinta effettiva:
Qo
Q= [N*m]
ηr
4.2.2 Potenza
Conoscendo la coppia che deve essere fornita calcoliamo, sfruttando la catena propulsiva, la
potenza al freno PB:

PD = 2πnQ è la potenza Delivered ovvero consegnata dall’elica [W],


Pd
PS = è la potenza all’asse ovvero la potenza al netto dei rendimenti meccanici [W].
ηs ηg
Dove:
 ηS rendimento meccanico dell’asse di rotazione,
 ηG rendimento meccanico del riduttore.
Per la presenza dell’alternatore asse, che è una PTO Power Take Off ovvero toglie potenza all’asse,
occorre aumentare la potenza richiesta dalla propulsione della quota parte utilizzata per la
generazione di energia elettrica; quindi conoscendo la potenza elettrica Pel.a [W] dell’A.A. letta posso
calcolare:
𝑃𝑒𝑙.𝑎
PAA = [W]
𝜂𝐴𝐴
Con ηAA rendimento meccanico dell’alternatore.

Quindi:

PB = PS + PAA [W]
PB è la Potenza al Freno utile al dimensionamento del motore e al calcolo del consumo di
combustibile.

51
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

4.2.3 Consumo
Questa parte di codice è esattamente la stessa di quella usata nel modello di Matching infatti
entrando nella mappa del motore con PB e con Neng (numero di giri del motore) ricavo il consumo di
combustibile mf espresso in [kg/h]; anche qui posso calcolare il consumo specifico di combustibile
SFOC [g/kWh] poiché, come già detto, forniscono differenti informazioni sebbene rappresentino
entrambi il consumo di combustibile.

4.3 Fonti di Incertezza


Il codice Online è molto semplice e facilmente utilizzabile e le fonti di incertezza presenti sono le
stesse di quelle presenti nel relativo algoritmo ovvero quelle legate ai metodi usati per la stima delle
caratteristiche dell’elica ovvero le serie di Wageningen e quelle legate al Consumo ovvero nella
mappa dei consumi creata dal DITEN. Per le altre parti del codice, è stata fatta una prova numerica
ossia da dati da me imposti di N, V, P/D, Pel.a sono state calcolate coppia Q, potenza all’asse PS e
consumo mf sia in Excel, sia utilizzando il codice per dimostrare la correttezza nel calcolo del codice
stesso.
Tabella 9 VALIDAZIONE CODICE IN EXCEL

N CPP V Pel.a n v P/D Kq Q Pd Ps Pa Pb mf


[RPM] [%] [Knots] [kW] [RPS] [m/s] [kNm] [kW] [kW] [kW] [kW] [kg/h]
Excel 100 75 11 0 1,666667 5,65884 0,606 0,0123 275,0727 2880,555 2947,975 0 2947,975 556,6974
Matlab 274,471 2874,248 2941,5 0 2941,5 556,5885
errore 0,219 0,219 0,220 0,000 0,220 0,020
Excel 105 80 12 300 1,75 6,17328 0,6464 0,0139 342,7171 3768,372 3856,572 337,0787 4193,65 822,236
Matlab 341,5446 3755,5 3843,4 337,0787 4180,5 819,72
errore 0,343 0,343 0,343 0,000 0,315 0,307
Excel 85 55 9 400 1,416667 4,62996 0,4444 0,0059 95,33059 848,5547 868,4153 449,4382 1317,854 247,5516
Matlab 94,5973 842,0278 861,7357 449,4382 1311,2 246,5717
errore 0,775 0,775 0,775 0,000 0,507 0,397
Excel 95 95 12,5 350 1,583333 6,4305 0,7676 0,0186 375,4072 3734,692 3822,104 393,2584 4215,362 797
Matlab 375,0562 3731,2 3818,5 393,2584 4211,8 796,72
errore 0,094 0,094 0,094 0,000 0,085 0,067
Excel 120 85 11,5 250 2 5,91606 0,6868 0,0189 608,6487 7648,505 7827,521 280,8989 8108,42 1571,9
Matlab 607,2246 7630,6 7809,2 280,8989 8090,1 1568,7
errore 0,235 0,235 0,235 0,000 0,226 0,204

Come si può notare l’errore tra il valore calcolato con il codice in Matlab e il valore calcolato in Excel
è veramente minimo ed è legato alla stima del coefficiente KQ tramite Wageningen e del consumo
nella mappa dei consumi. Il codice potrebbe essere migliorato, infatti se fosse presente un
torsiometro, ovvero un sensore in grado di misurare la coppia, oppure la misura della potenza
all’asse PS o infine una misura del consumo stesso sarebbe possibile effettuare un confronto tra dato
misurato e dato calcolato consentendo di poter effettuare una taratura (in Figura 34 ho indicato,
cerchiate in verde, le grandezze con cui si può effettuare la taratura).

52
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

4.4 Case Study


Il codice Online è stato quindi applicato ad un caso reale infatti sono stati presi i dati provenienti dal
database utilizzato dal codice di Matching. Quindi ho estratto le caratteristiche utili al codice di
calcolo: numero di giri [RPM], velocità nave [Knots], CPP [%] e potenza elettrica A.A.[kW]; inoltre ho
preso le misurazioni relative a:
 Beaufort Number BN valore della scala di Beaufort,
 Immersione [m],
 Coppia misurata all’asse Q [kN*m],
 Potenza all’asse PS [kW],
 Consumo di combustibile mf [kg/h].

Data l’elevato numero di dati, dato che il database raccoglie dati di circa tre anni, ho selezionato i
dati da analizzare in modo che rispettino determinati criteri per far sì che i dati siano omogenei e
diano risultati attendibili:
 Velocità compresa tra 6 e 14 [Knots]; in questo modo si ha un campo di velocità variabile con
delle velocità di andatura e non di manovra.
 CPP maggiore del 2 [%]; si escludono passi per marcia indietro avendo fissato il CPP di spinta
nulla nella combinata al 2 [%].
 Stato di mare calmo ovvero Beaufort Number pari a 0; in questo modo escludo le influenze
dello stato di mare su elica e carena.
 Potenza all’asse superiore a 100 [kW], poiché potenze più basse sono riferite a transitori.
 Numero di giri superiore a 80[RPM], poiché giri troppo bassi sono riferiti a transitori.
 Immersione superiore a 10 [m]; questo perché vogliamo escludere eventuali viaggi in zavorra
siccome l’immersione di progetto è di circa 11 [m].

Si crea quindi un database di dati ridotto contenente tutte le variabili che interessano per il loro
utilizzo nel codice Online; nel caso in cui si volessero indagare campi più ristretti oppure più ampi di
dati basterà imporre dei criteri diversi nella selezione dei dati di input. Sono stati poi creati due file
.mat l’uno contenente i dati di input (N, V, CPP, Pel.a) che viene caricato all’inizio del programma
mentre l’altro con i dati di output (Q, PS, mf) viene caricato alla fine del codice quando si costruiranno
le figure di confronto tra dati misurati e dati calcolati dal codice.

53
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Figura 36 COPPIA

Figura 37 POTENZA ALL'ASSE

54
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Figura 38 CONSUMO ORARIO

Nelle figure precedenti (Figura 36, Figura 37, Figura 38) possiamo vedere il confronto tra grandezze
misurate (in blu) e grandezze calcolate con il codice (in rosso); ho effettuato il confronto per Coppia
Q [kNm], Potenza all’asse PS [kW] e consumo orario mf [kg/h]. Inizialmente quello che si nota è che
non traspare nessuna corrispondenza tra i dati poiché la nuvola di punti calcolati sembra non
ripetere la nuvola di punti misurati per nessuna delle tre grandezze. Proviamo allora a restringere il
campo di velocità, visto che i punti si addensano tra 11.5 e 14 [Knots] e aumentiamo anche la
potenza minima, selezioniamo quindi potenze superiori all’MCR del singolo motore così da essere
in una zona in cui sono sicuramente in moto due motori e aumentiamo anche il P/D oltre il 50%.
Quello che otteniamo è mostrato nelle figure seguenti (Figura 39, Figura 40) dove si possono
visualizzare delle zone di corrispondenza qualitativa; in tali zone sembra esserci un errore di tipo
sistematico variabile e quindi imputabile agli strumenti di misura. Tale ipotesi è supportata dal fatto
che non si riesce a spiegare come la Coppia e il Consumo non varino all’aumentare della velocità; di
fatto quindi si è pensato che la non corrispondenza di dati misurati e calcolati sia imputabile alla
deriva degli strumenti di misura ricordando anche che sono dati raccolti in un periodo di circa tre
anni, oltre all’incertezza sui metodi usati per stimare il comportamento dell’elica e del motore. È
chiaro quindi che per un corretto utilizzo del codice occorre avere una buona manutenzione degli
strumenti di misura; avendo a disposizione dati misurati affidabili sarebbe anche possibile effettuare

55
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

una taratura del codice stesso per compensare quegli errori legati alle approssimazione dei metodi
di calcolo utilizzati.

Figura 39 COPPIA

Figura 40 CONSUMO ORARIO

56
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

4.5 Sensitivity Analysis


La sensitivity analysis è un analisi che permette di evidenziare l’influenza dell’errore di un dato input
sul dato di output; la applico quindi al codice Online in modo da visualizzare l’influenza su coppia e
consumo orario dell’errore sui dati di input. Per prima cosa prendiamo come dati di input i dati della
combinata nave e osserviamo l’output:

Figura 41 COPPIA COMBINATA

Figura 42 CONSUMO ORARIO COMBINATA

57
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

In blu ho inserito i dati misurati per confrontare con il dato della combinata che rispetta l’andamento
crescente di tipo parabolico che ci si aspetta da una relazione tra Coppia e Velocità e l’andamento
crescente tra consumo orario e velocità. Anche i dati misurati, anche se molto dispersi sembrano
rispettare tali andamenti. Vediamo però ora i risultati dell’analisi di sensibilità; ho imposto un errore
del 10%, sia in positivo che in negativo, per ogni grandezza di input e ho fatto svolgere i calcoli al
programma e infine ho plottato i risultati in un unico grafico dove: zero indica il caso di riferimento
ovvero il caso della combinata mentre con la denominazione N+ ho identificato il caso in cui ho
aumentato del 10% il numero di giri N mentre con N- il caso in cui ho ridotto del 10% il numero di
giri e analogamente per P/D e per V. Si nota che lo scostamento maggiore è quello generato dal
numero di giri, infatti un errore del 10% sui giri porta ad un errore di circa il 30% sulla coppia a
velocità massima e un errore di oltre il 40% sul consumo orario sempre a velocità massima. Da
notare invece che un errore del 10% sulla velocità produce un errore poco inferiore a quello
provocato dai giri ma con segno diverso quindi velocità inferiori generano coppie superiori poiché
riducono il coefficiente di spinta adimensionale KQ usato per calcolare Q. Quest’analisi quindi è di
supporto all’idea della deriva degli strumenti di misura evidenziata nel paragrafo precedente.

Figura 43 SENSITIVITY ANALYSIS SU COPPIA

58
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Figura 44 SENSITIVITY ANALYSI SU POTENZA ALL'ASSE

Figura 45 SENSITIVITY ANALYSIS SU CONSUMO ORARIO

59
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

5. PREVISIONE DEI CONSUMI


5.1 Algoritmo Previsionale
Gli algoritmi di Matching e Online, e i loro relativi codici, rispondono ad esigenze di verifica o di
controllo del consumo di combustibile e di alcune altre variabili intermedie. Per questa ragione
occorre studiare un nuovo tipo di algoritmo di tipo previsionale del consumo che si inserisca nella
logica di supporto alle decisioni e possa essere eventualmente implementato nei Decision Support
Systems; in altre parole si vuole creare uno strumento in grado, con pochi parametri, di prevedere
il consumo di combustibile fissando un certo numero di condizioni ed eventualmente studiarne
l’ottimizzazione cioè tale modello si inserisce nelle logiche di weather routing. Di solito la variabile
richiesta è la velocità media e quindi l’orario di arrivo; tale velocità richiesta sarà un dato molto
importante poiché l’algoritmo dovrà agire in modo iterativo per poter ottenere la velocità finale
desiderata tenendo conto delle variabili operative. Di seguito (Figura 46) un diagramma concettuale
dell’algoritmo previsionale nel quale ho inserito sia la Resistenza Aggiunta per vento e per onde sia
la correzione per la propeller ventilation. Le variabili di input principali sono l’immersione TREQ con
la quale calcolo la resistenza in acqua tranquilla e la velocità richiesta V REQ che stabilisce P/D e giri
elica attraverso il telegrafo; si entra quindi nel blocco elica con la resistenza totale, comprensiva
quindi dell’eventuale resistenza aggiunta per stato di mare avverso ed eventualmente si corregge
con fattore β, associato alla propeller ventilation, il diagramma dell’elica per poi ottenere una
velocità di equilibrio VEQ. Tale velocità andrà confrontata con VREQ e se non sono uguali si agisce
iterativamente modificando la posizione del telegrafo, la velocità attuale e il comportamento
dell’elica agendo quindi su tutto il sistema fino a che non si raggiunge la condizione voluta; solo a
questo punto si effettua il calcolo del consumo. In questo caso l’algoritmo, così pensato, non è stato
implementato in un codice di calcolo perché, come già detto in precedenza, non si riesce, per i dati
disponibili che abbiamo, a costruire in Matlab né il blocco della resistenza aggiunta, né il blocco della
ventilazione dell’elica.

60
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

h/R Moto rel ωe

Telegrafo PROPELLER
VREQ VENTILATION

CALCOLI RESISTENZA STILL ELICA


TREQ RTOT
IDROSTATICI WATER

V wind
WIND ADDED
RWIND
AT RESISTANCE

VEQ=VREQ
NO
V actual
WAVE ADDED SI
RWAVE
Moti RESISTANCE
nave POTENZA

Sea
CONSUMO

Figura 46 ALGORITMO PREVISIONALE

5.2 Codice Previsionale


A partire dall’algoritmo previsionale, visto nel paragrafo precedente, ho sviluppato un codice di
calcolo, denominato Codice Previsionale in grado di fornire una previsione del consumo di
combustibile dalla conoscenza di poche variabili operative della nave. In Figura 47 è mostrato il
diagramma concettuale del codice; le differenze con l’algoritmo stanno nella valutazione dello stato
di mare, attraverso la formulazione di Kwon e la mancanza dell’influenza della propeller ventilation.
Per capire meglio il funzionamento del codice vediamo le variabili di input del codice suddividendo
tra:

 input richiesti (cerchiati in arancione):


 Velocità finale della nave [Knots],
 Immersione della nave [m].
 input operativi (cerchiati in viola)
61
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

 Beaufort Number,
 Angolo di incontro tra direzione prevalente mare e direzione nave [°].
 input tentativo (cerchiati in verde):
 Posizione della leva del telegrafo.
 input fissi:
 dati sulla combinata (relazione tra passo, giri, velocità e posizione della leva del
telegrafo),
 dati carena (lunghezza tra le perpendicolari) e sulla condizione di carico,
 dati elica (diametro, Ae/Ao, Z, P/Ddes, ηr),
 dati sui rendimenti (ηS, ηG) e su Alternatore Asse (potenza elettrica richiesta e
rendimento),
 dati sul motore (mappa dei consumi, rapporto di riduzione e PB MCR per un singolo
motore).

Le variabili di tentativo sono quelle grandezze che vengono fatte variare nel codice per poter
ottenere la velocità richiesta: la posizione della leva del telegrafo di primo tentativo è quella definita
dalla velocità richiesta e successivamente, nelle iterazioni successive, viene modificata; per quanto
riguarda l’angolo di incontro tra la direzione prevalente del mare e direzione della nave, si è
impostato il codice in modo che venga fatta l’iterazione per ogni angolo di incontro scelto, ovvero è
possibile eseguire il calcolo per uno specifico angolo di incontro oppure per più angoli selezionando
poi quello che permetterà di ottenere minor consumo. L’angolo di incontro è misurato alla stessa
maniera del metodo di Kwon ovvero si assume angolo 0° per mare proveniente da prua, angolo 180°
per mare proveniente da prua e angoli 90° e 270° per mare al traverso; spesso il campo di variazione
degli angoli è assunto tra 0° e 180° per mare lato dritta e tra -180° e 0° per mare lato sinistra. In
definiva quindi nel codice si calcola il consumo di combustibile per una certa immersione fissata,
volendo ottenere una specifica velocità e quindi impostando una certa posizione del telegrafo, in un
certo stato di mare caratterizzato dal Beaufort Number e da una direzione prevalente, ottenendo
anche una ottimizzazione sul consumo orario al variare dell’angolo di incontro.

62
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

MATCHING
𝑹𝑻
Telegrafo N KTREQ = (𝟏−𝒕)𝝆𝑫𝟒
𝒏𝟐
VREQ
P/D
KTREQ KT

CALCOLI RESISTENZA STILL Jeq


Treq
IDROSTATICI WATER
VEQ
BN KWON
ΔV
WAVES

VF = VEQ-ΔV

VF=VREQ
NO
SI
ELICA
𝐕𝐅
2𝜋𝑛𝑄𝑜 Jf = 𝒏𝑫
PD=
𝜂𝑟
KQ Qo=KQρn2D5

𝑃𝑑 𝑃𝑎𝑎
PB= +
𝜂𝑠𝜂𝑔 𝜂𝑎𝑎 Jf

CONSUMO
PB

FUEL
CONSUMPTION

NENG

Figura 47 CODICE PREVISIONALE


63
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

5.3 Descrizione del codice


Il modello per lo schema propulsivo è sempre lo stesso: una sola elica a pale orientabili, un solo asse
con riduttore, due motori di propulsione identici montati sullo stesso asse e un Alternatore Asse a
giri costanti

Figura 48 SCHEMA IMPIANTO PROPULSIVO

Analizziamo in dettaglio le varie parti del codice; per chiarezza indicheremo con velocità finale la
velocità che ad ogni ciclo comprende sia la velocità di equilibrio sia la correzione di Kwon per mare
agitato, e che alla fine dovrà essere uguale alla velocità richiesta.

5.3.1 Resistenza
Il codice parte dal ricavare le grandezze provenienti dal telegrafo o meglio dai dati sulla combinata
si ricava, attraverso una semplice interpolazione lineare usando la posizione del telegrafo di primo
tentativo ovvero quella definita dalla velocità richiesta, il numero di giri N, che è costante, e il P/D
ad essa corrispondenti. Si ricavano ora le caratteristiche idrostatiche della carena ed entreremo
nelle tabelle dei calcoli idrostatici con l’immersione richiesta; tali calcoli servono per effettuare i
calcoli di resistenza al moto in acqua tranquilla che otterremo ricorrendo al metodo di G & H, quindi
ricaveremo una curva di resistenza al variare della velocità. Analogamente al codice di Matching
ricaviamo, tramite la metodologia proposta da H.O. Kristensen i valori di t fattore deduzione di
spinta e di w fattore di frazione di scia.
5.3.2 Elica
A questo punto occorre effettuare una procedura di matching poichè bisogna trovare il punto in cui
si equilibrano resistenza richiesta dalla carena e spinta offerta dell’elica. Attraverso il P/D possiamo
costruire la curva di spinta adimensionale relativa all’elica in condizioni isolate ovvero il KT ricavato
dalle serie sistematiche di Wageningen; poi attraverso il coefficiente adimensionale di spinta
richiesto KTreq, riferito alla velocità con cui entro nella combinata, otterremo il coefficiente d’avanzo
di equilibrio JEQ.

64
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

KT
KTreq KT elica
Jeq J
𝑅𝑡𝑟𝑒𝑞
KTreq = (1−𝑡)𝜌𝐷4 𝑛2
Dove:
 RTreq è la resistenza in acqua tranquilla richiesta ovvero riferita alla VREQ,
 t è il fattore di deduzione di spinta,
 𝜌 è la densità dell’acqua di mare [kg/m3],
 D è il diametro dell’elica [m],
 n è il numero di giri [RPS].

Attraverso il Jeq ricaviamo la velocità all’equilibrio:

Veq= Jeq * n * D [m/s]


La velocità, a questo punto, deve essere corretta se è presente una condizione di mare agitato,
utilizzando la formulazione di Kwon che necessita dell’angolo di incontro, del numero di Froude, del
coefficiente di finezza totale e del numero di Beaufort. Dopo questo calcolo si deve verificare che la
velocità attuale VF sia uguale alla velocità richiesta; in realtà il codice verifica che la differenza tra le
due velocità, in valore assoluto, sia inferiore a un centesimo. Se sì il codice procede regolarmente,
altrimenti si compiono delle iterazioni agendo sulla leva del telegrafo; gli incrementi o i decrementi
sono scelti in base alla velocità di equilibrio e alla velocità finale: se la velocità di equilibrio è inferiore
a quella richiesta aumento la leva di un centesimo altrimenti la riduco. Si calcola ora la coppia fornita
dall’elica, usando le informazioni fin qui acquisite; cioè si calcola il coefficiente d’avanzo JF con la
velocità finale VF, espressa in [m/s] e si ricava il coefficiente dimensionale di coppia KQ e quindi la
coppia Qo.
Vf
JF =
𝑛𝐷

Qo=KQρn2D5 [N*m]
Servendoci ora dell’efficienza relativa rotativa ηr possiamo calcolare la spinta effettiva:

65
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Qo
Q= [N*m]
ηr
Da notare che i giri e il P/D usati per il calcolo di Q e prima ancora di K Q si riferiscono alla posizione
finale di della leva del telegrafo, cioè quella definita dalla Vf.

5.3.3 Potenza e Consumo


Nella parte finale il codice procede analogamente agli altri codici quindi si calcola la potenza al freno
PB sfruttando la catena propulsiva:

PD = 2πnQ [W] è la potenza Delivered ovvero consegnata dall’elica,


Pd
PS = [W]è la potenza all’asse ovvero la potenza al netto dei rendimenti meccanici,
ηs ηg
𝑃𝑒𝑙.𝑎
PAA = [W] è la potenza richiesta dall’Alternatore Asse e infine
𝜂𝐴𝐴

PB = PS + PAA [W] è la potenza al freno.


In ultimo si entra nella mappa dei consumi del motore calcolando il consumo di combustibile m f e il
consumo specifico di combustibile SFOC per singolo motore. Nel caso di più angoli di incontro, alla
fine del calcolo si cerca l’angolo di incontro che rende minimo il consumo di combustibile.

5.4 Case Study


Nelle figure seguenti è mostrato il risultato del codice Previsionale per una velocità richiesta di 12
[Knots], per un Beaufort Number pari a 4 e per un immersione di 10.5 [m]; ho voluto indagare un
campo di angoli di incontro tra -90° e +90° ovvero per mare proveniente dal traverso alla prua sia a
dritta che a sinistra. In Figura 49 il valore del P/D espresso in % per ogni angolo di incontro e in Figura
50 la velocità finale di convergenza per ogni angolo ovvero si può osservare il livello di precisione ad
ogni angolo di incontro che comunque resta nel campo del centesimo di nodo. Nell’ultima figura
(Figura 51) si può vedere un confronto tra tre diversi stati di mare cioè diversi Beaufort Number; il
consumo quindi varia, anche se di poco, al variare dello stato di mare ma praticamente non varia al
variare dell’angolo di incontro.

66
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Figura 49 P/D

Figura 50 VELOCITA'

67
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Figura 51 CONFRONTI BEAUFORT NUMBER

5.5 Fonti di incertezza


Anche per questo codice evidenziamo le fonti di incertezza. Sono presenti le incertezze sui metodi,
che sono le stesse di quelle presenti nel codice di Matching (metodo di G & H, metodologia di
Kristensen, formulazione di Kwon, serie sistematiche di Wageningen, mappa dei consumi del DITEN)
sebbene i metodi usati siano internazionalmente riconosciuti; restano anche valide le incertezze
sulle ipotesi (combinata non originale e numero di Beaufort riferito al solo vento). Nel codice
Previsionale c’è un incertezza anche sul metodo iterativo: spesso infatti il codice non trova una
convergenza nell’iterazione poiché la differenza tra le due velocità, finale e richiesta, è piccola ma
non abbastanza da rispettare la condizione di un centesimo; questo accade poiché agendo solo sulla
leva del telegrafo la variazione di velocità corrispondente è piccola. Per questo motivo dopo un
numero elevato e fissato di iterazioni il calcolo procede in ogni caso; probabilmente occorrono altre
variabili operative su cui agire per ottenere un valore di velocità più esatto.

68
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

6. CONCLUSIONI
Il lavoro di questa tesi ha individuato alcuni metodi di calcolo del consumo di combustibile a seconda
dei dati disponibili e delle esigenze, in modo che fossero semplici ed affidabili. Sono stati analizzati
tre algoritmi che rispondono a diverse necessità:
 Algoritmo di Matching: questo algoritmo è utile al calcolo delle caratteristiche di
funzionamento dell’elica e del motore attraverso la classica procedura di Matching elica-
carena ovvero attraverso l’utilizzo del KT/J2; di questo algoritmo ne è stata creata una
versione in Matlab, il codice di Matching il quale, a partire dai dati nave e parzialmente da
alcuni dati misurati, calcola il consumo orario di combustibile all’equilibrio elica-carena,
considerando anche la perdita di velocità per stato di mare avverso.
 Algoritmo Online: in questo caso la necessità è diversa, infatti questo modello si riferisce
al calcolo del consumo orario in maniera real time, ovvero a partire da dati misurati
restituisce il consumo; l’utilità di questo modello può essere quella di monitoraggio,
quantificazione delle performance, analisi di costo e supporto alla manutenzione. È stato
creato anche una versione di codice in linguaggio Matlab, il cui modello corrisponde
all’algoritmo, denominato codice Online. Sia l’applicazione ad un case study che la sensitivity
analysis hanno evidenziato l’influenza della correttezza dei dati misurati; difatti emerge
un’elevata importanza della manutenzione degli strumenti di misura poiché possono portare
ad errori notevoli.
 Algoritmo Previsionale: nel caso in cui voglia prevedere il consumo di combustibile per
un determinata rotta e per un certo stato di mare, volendo tenere una velocità media
assegnata (weather routing) occorre studiare un nuovo approccio; il modello previsionale
consente di tenere presente sia gli effetti di acqua tranquilla, sia gli effetti per stato di mare
agitato ovvero una resistenza aggiunta per vento e onde e il decadimento di prestazioni
dell’elica per propeller ventilation. Per quanto riguarda il codice creato, il codice
Previsionale, esso permette di calcolare il consumo avendo assegnato una velocità, uno
stato di mare, ovvero un Beaufort Number, e uno o più angoli di incontro; l’influenza dello
stato di mare viene valutata tramite la formulazione di Kwon e il codice agisce iterativamente
per ottenere convergenza sulla velocità richiesta.

69
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

I metodi che ho illustrato sono molto utili alla stima del consumo, sia in maniera real time, sia in
modo previsionale ma quando vogliamo confrontarli con dati noti, e quindi riprodurre dati reali non
si riesce a farlo. Per questo tali metodi devono essere migliorati per poter essere usati in sistemi di
decision support; utilizzando dati misurati più precisi si giungerebbe a risultati migliori. Nel caso
specifico, avendo a disposizione i dati veri di Resistenza al Moto, comportamento dell’elica e Mappa
del Motore sicuramente avrei maggiore precisione numerica.

70
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

INDICE DELLE FIGURE


Figura 1 EMISSIONI TOTALI PRINCIPALI PAESI (da sito web www.climalteranti.it) .......................................... 7
Figura 2 EMISSIONI PER SETTORE (da sito web www.nimbus.com) ................................................................. 7
Figura 3 SCHEMA IMPIANTO PROPULSIVO ..................................................................................................... 12
Figura 4 EMMA Power Plant Optimizer (da sito web www.abb.com) ............................................................ 15
Figura 5 EMMA Power Propulsion Breakdown Voyage View (vedi nota 3) .................................................... 15
Figura 6 WEATHER ROUTING (da sito web www.wriwx.com) ........................................................................ 16
Figura 7 CONFRONTO SU VELOCITA’ ............................................................................................................... 19
Figura 8 CONFRONTO SU CPP.......................................................................................................................... 20
Figura 9 ORGANIZZAZIONE ALGORITMO CODICE............................................................................................ 20
Figura 10 CORREZIONE PER LCB ...................................................................................................................... 23
Figura 11 GRAFICO PER IL CALCOLO DI CR ...................................................................................................... 23
Figura 12 GRAFICI RENDIMENTO ELICA ........................................................................................................... 25
Figura 13 MAPPA DEL MOTORE (DITEN) ......................................................................................................... 28
Figura 14 CONFRONTO Cx ............................................................................................................................... 31
Figura 15 ADDED RESISTANCE ......................................................................................................................... 34
Figura 16 SCALA BEAUFORT (da tesi di G. Marci L. Giacometti ‘Studio sull’indice di efficienza energetica
delle navi Ro-Ro/Pax attraverso l’analisi statistica delle variabili operative’)................................................. 35
Figura 17 CORREZIONE PER LA DIREZIONE...................................................................................................... 36
Figura 18 CORREZIONE Cb e Fn ....................................................................................................................... 36
Figura 19 CONFRONTI...................................................................................................................................... 37
Figura 20 Bv FATTORE DI CORREZIONE PER VENTILAZIONE ........................................................................... 39
Figura 21 PROPELLER VENTILATION ................................................................................................................ 40
Figura 22 INSERIMENTI NEL CODICE (in rosso)................................................................................................ 40
Figura 23 ANALISI DATI PER COMBINATA ....................................................................................................... 41
Figura 24 COMBINATA..................................................................................................................................... 42
Figura 25 CORREZIONE VELOCITA' PER KWON................................................................................................ 42
Figura 26 POTENZE AL FRENO CON LOAD SHARING AL 60%........................................................................... 43
Figura 27 CONSUMI ORARI CON LOAD SHARING AL 60% ............................................................................... 43
Figura 28 RESISTENZA ...................................................................................................................................... 44
Figura 29 POTENZA AL FRENO ......................................................................................................................... 44
Figura 30 COPPIA FORNITA.............................................................................................................................. 46
Figura 31 POTENZA ALL'ASSE .......................................................................................................................... 47
Figura 32 CONSUMO ....................................................................................................................................... 47
Figura 33 SCHEMA PROPULSIONE ................................................................................................................... 48
Figura 34 ALGORITMO CONSUMO ONLINE ..................................................................................................... 48
Figura 35 CODICE ONLINE................................................................................................................................ 49
Figura 36 COPPIA ............................................................................................................................................. 54
Figura 37 POTENZA ALL'ASSE .......................................................................................................................... 54
Figura 38 CONSUMO ORARIO.......................................................................................................................... 55
Figura 39 COPPIA ............................................................................................................................................. 56
Figura 40 CONSUMO ORARIO.......................................................................................................................... 56
Figura 41 COPPIA COMBINATA........................................................................................................................ 57
Figura 42 CONSUMO ORARIO COMBINATA .................................................................................................... 57
Figura 43 SENSITIVITY ANALYSIS SU COPPIA ................................................................................................... 58
Figura 44 SENSITIVITY ANALYSI SU POTENZA ALL'ASSE .................................................................................. 59
Figura 45 SENSITIVITY ANALYSIS SU CONSUMO ORARIO ................................................................................ 59

71
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

Figura 46 ALGORITMO PREVISIONALE............................................................................................................. 61


Figura 47 CODICE PREVISIONALE..................................................................................................................... 63
Figura 48 SCHEMA IMPIANTO PROPULSIVO ................................................................................................... 64
Figura 49 P/D ................................................................................................................................................... 67
Figura 50 VELOCITA' ........................................................................................................................................ 67
Figura 51 CONFRONTI BEAUFORT NUMBER ................................................................................................... 68

INDICE DELLE TABELLE


Tabella 1 ECAs Emission Control Areas ............................................................................................................. 8
Tabella 2 VALORI COEFFICIENTE ADIMENSIONALE CF .................................................................................... 10
Tabella 3 DATI ELICA E MOTORE ..................................................................................................................... 17
Tabella 4 DATI NAVE ........................................................................................................................................ 18
Tabella 5 DATI ELICA ........................................................................................................................................ 18
Tabella 6 SENSORI E CARATTERISTICHE (da tesi di F. Muzzi ‘Different Approach to Predict Fuel Oil
Consumption under Realistic Operational Conditions’) .................................................................................. 18
Tabella 7 ESTRATTO CARENE DIRITTE ............................................................................................................. 21
Tabella 8 VALORI DI REGRESSIONE .................................................................................................................. 26
Tabella 9 VALIDAZIONE CODICE IN EXCEL ....................................................................................................... 52

72
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

BIBLIOGRAFIA
1. Sito web istituzionale UNIONE EUROPEA
2. Sito web istituzionale INTERNATIONAL MARITIME ORGANIZATION
3. ABB, BU Marine and Cranes, ENERGY EFFICIENCY GUIDE, 2013
4. Guldhammer e Harvald SHIP RESISTANCE-EFFECT OF FORM AND PRINCIPAL DIMENSIONS 1974
5. Hans Otto Kristensen, PREDICTION OF RESISTANCE AND PROPULSION POWER OF SHIPS 2012
6. A. Campanile, A. Paciolla, F. Quaranta, UNA NUOVA PRESENTAZIONE DELLA SERIE DI ELICHE B DI WAGENINGEN, 1989
7. M.R. Haddara, C. Guedes Soares, WIND LOADS ON MARINE STRUCTURES,1999
8. Chuanqing Li, Weixing Ma, SIMULATION OF SHIP ADDED RESISTANCE IN WAVES
9. Y. J. Kwon SPEED LOSS DUE TO ADDED RESISTANCE IN WIND AND WAVES, 2008 The Naval Architect
10. Jasna Prpic-Orsic, Odd Magnus Faltinsen ESTIMATION OF SHIP SPEED LOSS AND ASSOCIATED CO2 EMISSIONS IN A SEAWAY, 2011
Ocean Engineering
11. Øyvind Notland Smogeli, CONTROL OF MARINE PROPELLERS,2006
12. ITTC – Recommended Procedures and Guidelines, TESTING AND EXTRAPOLATION METHODS, PROPULSION, PERFORMANCE,
PREDICTING POWERING MARGINS, 2008

73
ALGORITMI PER L’IMPLEMENTAZIONE DI DECISION SUPPORT SYSTEMS FINALIZZATI
ALL’OTTIMIZZAZIONE ENERGETICA DELLA NAVE

RINGRAZIAMENTI

Per prima cosa vorrei ringraziare il mio relatore il Prof. Ing. Massimo Figari per la pazienza, la
cordialità e la disponibilità che mi ha fornito durante la preparazione della tesi.

Ringrazio l’Ing. Michele Martelli per l’aiuto fornitomi nella stesura del codice.

Vorrei ringraziare i miei genitori Gianni e Liana per i tanti sacrifici fatti, per avermi sostenuto e
supportato ma soprattutto sopportato in tutti questi anni, e per avermi reso la persona che sono
oggi grazie! Vi voglio bene!

Ringrazio tutta la mia, a dir poco numerosa, famiglia (non vi nomino tutti altrimenti riempirei tutta
la pagina) ma in particolare vorrei ringraziare mio zio Federico per essere stato un grande sponsor
e il mio più grande fan.

Un pensiero va ai miei nonni Olga e Franco che non ci sono più ma che sono sempre con me e hanno
contribuito in tanti modi a rendermi quello che sono oggi.

Un grazie a Federico per aver condiviso mille momenti, mille risate, mille discorsi seri di notte fino
al mattino alle otto, da quel oramai lontano ‘ma Barsotti a te piace la …? ’ fino a ieri anzi no oggi, e
spero che continueremo ancora a lungo!

Grazie ad Alessio, Nancy e Chiara per essere i ‘Kagoni’ del mio cuore e per avermi ascoltato e fatto
divertire quando ne avevo più bisogno, vi voglio bene ragazzi!

Grazie a Laura per aver condiviso tante risate e tanti momenti speciali.

Grazie a Daniele e Andrea perché ci siete sempre stati fin dall’asilo e vogliamo continuare ancora.

Grazie anche agli amici del ‘Bar Sport’ e a tutti gli altri, per avermi regalato una risata o un momento
bello da ricordare.
Genova, 29 Maggio 2015
74