GNV, adottato modello machine learning di RINA per ottimizzare consumi navi

21 mar 2025
Inoltre, GNV sta esplorando l'uso di carburanti come il gas naturale liquefatto (GNL) e i biocarburanti, che producono meno emissioni rispetto ai combustibili marittimi tradizionali.

Un tool di monitoraggio dei dati operativi delle navi per una gestione efficiente dei consumi energetici e l'ottimizzazione delle prestazioni: è il Sertica Performance di RINA, strumento adottato da GNV per la sua nave GNV Polaris.

I test, si legge in una nota dell'azienda, sono stati avviati già durante il viaggio inaugurale dalla Cina all'Italia, consentendo a GNV di identificare le modalità più efficienti per gestire i macchinari di bordo in base ai diversi profili di velocità della nave e ridurre al minimo il consumo di carburante.

Il sistema, continua la nota, installato su oltre 800 navi nel mondo, accoglie i dati in tempo reale attraverso una rete di sensori installati a bordo, registrando parametri chiave come il consumo di carburante e la potenza dei motori e dei generatori: benché l’obiettivo sia principalmente il monitoraggio del consumo energetico, i dati acquisiti permettono di calcolare l'effettiva efficienza della nave, fornendo all'equipaggio e al management a terra una visione completa delle sue prestazioni.

Durante il viaggio della GNV Polaris, si legge, sono stati simulati vari scenari operativi a diverse velocità e configurazioni, ad esempio, alternando l’uso dei generatori diesel e degli shaft generator per identificare le soluzioni più efficienti in termini di consumo di carburante. Successivamente, è stata testata l'impostazione operativa per la tratta Genova-Palermo, verificando la coerenza tra i risultati delle prove in mare e le previsioni: l'analisi, fa sapere GNV, ha confermato l'accuratezza del sistema, consentendo di definire la configurazione ottimale per ridurre il consumo di carburante.

Il progetto, si apprende, include anche lo sviluppo di modelli di performance predittivi ibridi basati sia su una modellazione fisico-ingegneristica sia su tecniche avanzate di machine learning: i modelli di performance possono essere utilizzati sia come benchmark per monitorare il degrado delle prestazioni nel tempo sia come simulatori di scenario nel caso di variazioni della rotta o del profilo operativo, indicando la necessità di interventi di retrofit come la pulizia dello scafo e dell'elica o la manutenzione dei motori.

"GNV Polaris si distingue per gli elevati standard ambientali e può raggiungere un risparmio di carburante superiore al 30%, con una riduzione significativa delle emissioni di CO₂ rispetto alle navi attualmente in flotta. Stiamo investendo in sistemi di gestione energetica che sfruttano le tecnologie digitali per ottimizzare il consumo di energia a bordo delle navi. Questi sforzi di digitalizzazione fanno parte della più ampia strategia per aumentare l'efficienza operativa, ridurre l'impatto ambientale e contribuire a un futuro più sostenibile nel trasporto marittimo", ha dichiarato Ivana Melillo, Energy Efficiency Director di GNV.

"Grazie all'alta frequenza della raccolta di dati e alla loro trasmissione la terra, è possibile effettuare un'analisi storica dettagliata. Le dashboard che si aggiornano in tempo reale e sono accessibili anche da remoto, consentono un monitoraggio continuo e analisi approfondite per valutare la performance e pianificare i costi. Inoltre, Sertica Performance traccia il degrado dello scafo e l'efficienza energetica, confrontando le prestazioni in tempo reale con le condizioni ottimali per supportare le decisioni del personale a bordo e a terra", ha aggiunto Lars Riisberg, Marine Digital Solutions Executive Director di RINA.