Un grup d'investigadors de la Facultat de Nàutica de Barcelona (FNB) de la Universitat Politècnica de Catalunya - BarcelonaTech (UPC) està desenvolupant un nou sistema basat en tecnologies de machine learning (aprenentatge automàtic), una de les tècniques de la intel·ligència artificial, amb l'objectiu de reduir el consum de combustible i millorar l'eficiència energètica dels vaixells de l'ONG Open Arms, centrada en el rescat de persones al mar.

El projecte, anomenat FNB-Open Arms, és el primer cas de transferència tecnològica que es duu a terme sota el paraigua del Fractus-UPC Deep Tech Hub, un entorn de col·laboració format per l'empresa Fractus (pionera en el desenvolupament de tecnologia d'antenes) i la UPC per fomentar la innovació i la introducció al mercat de tecnologies deep tech en diversos àmbits.

En aquest cas, el Fractus -UPC Deep Tech Hub contribueix a la implementació del sistema, que ha de fer més eficient la navegació de la nau Open Arms, un antic remolcador de 37 metres d'eslora que pot arribar a consumir 3.000 litres de gasoil diaris.

Factors que afecten durant la navegació
El sistema que desenvolupa l'equip multidisciplinari de l'FNB es basa en l'ús de tecnologies de machine learning per determinar quins són els factors que afecten el consum de combustible de l'embarcació i fer recomanacions per reduir-lo durant la navegació.

En una primera fase, es monitoraran el consum del vaixell, la velocitat, l'estat de la mar i el trimat de l'embarcació (els ajustaments que es fan en diversos elements del vaixell per guanyar propulsió i aprofitar-ne al màxim la força motora).

Amb els paràmetres i els consums registrats es podrà definir el model de machine learning que serà capaç d'aprendre durant les missions següents com recórrer les distàncies més llargues amb la menor despesa de combustible possible. Aquest és un factor bàsic per a Open Arms, les embarcacions del qual recorren els mars per albirar situacions en què és vital fer un rescat marítim.

En una segona fase s'hi incorporaran altres factors, com l'estat de conservació del casc, les necessitats elèctriques o les condicions meteorològiques. Un cop processats aquests paràmetres, el sistema determinarà, en temps real, quines són les condicions de propulsió més òptimes per reduir el consum de gasoil durant els trajectes del vaixell.

Les dades es registren o recullen per equips o sensors ja instal·lats al vaixell (com sistemes AIS, GPS o planta de potència) o per dispositius i equipament destinats a aquest projecte, com són els nous cabalímetres, finançats per Fractus, que s'instal·laran a bord a l'embarcació a partir del mes de setembre per utilitzar-los ja en les següents missions.

Gràcies a les dades que es podran recopilar i processar i a les decisions que recomanarà el sistema, no només es reduirà l'ús de combustible, sinó també l'impacte ambiental de l'Open Arms, especialment al medi marí. A més, l'estalvi en combustible i costos operacionals permetrà a l'organització invertir l'estalvi generat en altres accions vinculades al rescat marítim.

Segons Rubén Bonet, CEO i cofundador de Fractus, “ens omple d'orgull ser part d'aquest projecte que no només busca reduir el consum de combustible d'Open Arms, sinó que també té un impacte directe en la seva capacitat per destinar més recursos a la seva tasca vital de salvar vides al mar. Creiem fermament que el pilar del Deep Tech rau a portar innovació tecnològica que generi canvis positius a la nostra societat”. Bonet afegeix que "col·laborar amb Open Arms ens brinda l'oportunitat d'aplicar la nostra experiència en tecnologia per a un propòsit humanitari tan noble, demostrant que la tecnologia pot ser un motor de progrés social i ambiental".

Per part seva, Martín Maretta, director tècnic d'Open Arms, afirma que “gràcies a la incorporació d'aquesta nova tecnologia podrem mesurar el consum de combustible, cosa que permet optimitzar l'eficiència operativa, reduint costos i emissions contaminants. A més, facilita el compliment de regulacions ambientals i millora la planificació de les nostres rutes marítimes. Aquesta pràctica també contribueix a la identificació primerenca de problemes tècnics, perllongant la vida útil del motor”.

L'investigador i professor de la Facultat de Nàutica de Barcelona (FNB) de la UPC, Xavier Martínez Garcia, responsable d'aquest projecte d'optimització energètica, explica que actualment “no existeix al mercat cap sistema basat en tecnologies machine learning que recomani quina és la navegació més òptima d'una embarcació a partir del monitoratge, en temps real, dels diversos factors que intervenen durant la navegació”.

Escalable per a qualsevol embarcació
El projecte FNB-Open Arms està liderat per Xavier Martínez García, professor de l'FNB i investigador del grup de recerca Mecànica de Mitjans Continus i Computacional (MC ² ) de la UPC. Amb ell, altres membres destacats de l'equip en aquesta primera fase de la investigació són Clara Borén Altés, Rosa Maria Fernández i Pau Trubat Casal, tots tres de l'FNB, i Alex Ferrer Ferre, professor de l'Escola Superior d'Enginyeries Industrials, Aeroespacial i Audiovisual de Terrassa (ESEIAAT) de la mateixa Universitat.

A les següents fases del projecte s'incorporaran més investigadors de la UPC, especialitzats en els paràmetres a monitorar i en determinar com estan afectant el consum. A més, l'equip compta amb el suport del personal de mar i de terra d'Open Arms i amb experts en navegació, tecnologies de machine learning i sensorització en temps real.

El projecte es va iniciar el mes de gener passat. La previsió és que a partir del setembre el sistema es desplegui a l'embarcació per definir les opcions i les propostes de navegació. A les fases successives es preveu fer les proves de validació durant algunes missions, fer millores i incorporar nous paràmetres al sistema (tots els que es considerin necessaris), amb l'esperança de replicar el model en altres embarcacions de l'ONG Open Arms en el futur.