Computational meta-heuristics based on Machine Learning to optimize fuel consumption of vessels using diesel engines
Arquivos
Data
2021
Título da Revista
ISSN da Revista
Título de Volume
Editor
Instituto de Tecnologia e Educação Galileo da Amazônia
Resumo
Com a expansão dos meios de transporte fluvial, especialmente no caso de embarcações de pequeno e médio porte que realizam rotas de maiores distâncias, o custo do combustível, se não for considerado como critério de análise para uma maior margem de lucro, é considerado um fator primário, considerando que o valor do combustível, especificamente o diesel, para alimentar máquinas de combustão interna é alto. Portanto, o uso de ferramentas que auxiliam na tomada de decisão torna-se necessário, como é o caso da presente pesquisa, que visa contribuir com um modelo computacional de previsão e otimização da melhor velocidade para diminuir o custo do combustível, considerando as características do modelo de propulsão SCANIA 315, de uma embarcação do porto fluvial de Manaus que realiza transporte fluvial para vários municípios do Amazonas. De acordo com os resultados das simulações, o melhor algoritmo de treinamento da Rede Neural Artificial (RNA) foi o BFGS Quasi-Newton, considerando as características do motor para otimização com Algoritmo Genético (AG).
Abstract
With the expansion of river transportation, especially in the case of small and medium-sized vessels that make longer routes, the cost of fuel, if not taken as an analysis criterion for a larger profit margin, is considered a primary factor, considering that the value of fuel, specifically diesel, to power internal combustion engines is high. Therefore, the use of tools that assist in decision-making becomes necessary, as is the case of the present research, which aims to contribute with a computational model of prediction and optimization of the best speed to decrease fuel cost, considering the characteristics of the SCANIA 315 propulsion model, of a vessel from the river port of Manaus that carries out river transportation to several municipalities in Amazonas. According to the results of the simulations, the best training algorithm of the Artificial Neural Network (ANN) was the BFGS Quasi-Newton, considering the characteristics of the engine for optimization with Genetic Algorithm (GA).
Descrição
Palavras-chave
Motores de Combustão Interna (MCI), Otimização e Previsão, Redes Neurais Artificiais (RNA), Algoritmo Genético, Meta-heurísticas Computacionais
Citação
SIQUEIRA JÚNIOR, Paulo Oliveira et al. Computational meta-heuristics based on Machine Learning to optimize fuel consumption of vessels using diesel engines. International Journal for Innovation Education and Research, v. 9, n. 5, p. 587-604, 2021.