Defesas de TCC e TESE – semana 21 a 25/06/2021
Defesa: Mestrado
Título: “ESTUDO NUMÉRICO DA INTERAÇÃO HIDRODINÂMICA EM OPERAÇÕES SHIP-TO-SHIP NOS GRAUS DE LIBERDADE DE SWAY E YAW”.
Candidato: HUGO DOS SANTOS SABBATINO DA SILVA
Orientador(es): Prof.: Paulo de Tarso Themistocles Esperança e Prof.: Marcelo de Araujo Vitola
Data/horário: 23/06/2021 às 09h
Link para transmissão online: meet.google.com/scx-yiyq-yhi
RESUMO
A movimentação de navios de grande porte em proximidade pode conduzir a severos riscos à navegação. Este trabalho visa avaliar a interação hidrodinâmica entre navios durante as manobras envolvidas em uma operação de transbordo ship to ship. Para este fim são realizadas simulações numéricas resolvendo as equações URANS utilizando o modelo de turbulência k-ω SST presente no código comercial STAR-CCM+. Foram utilizados modelos dos cascos de um VLCC e um Suezmax em escala 1:70, navegando em rumos paralelos e velocidades de avanço constantes. Os modelos inicialmente estacionários, posteriormente tiveram seus graus de liberdade em sway e yaw ativados. O movimento relativo entre as malhas numéricas solidárias aos cascos se deu por meio da utilização de malhas overset.
Dispostos lado a lado e uma vez ativados os graus de liberdade de sway e yaw, os navios apresentaram uma aproximação lateral dos respectivos centros de gravidade e um crescente afastamento das proas em forma de guinadas em sentidos opostos. Analisando testes em que os modelos tiveram seus graus de liberdade em sway e yaw ativados e casos simulando os modelos fixos, pode-se concluir que a restrição dos graus de liberdade dos modelos gera resultados pelo menos 250% maiores quando comparadas as forças laterais estimadas. A justificativa para esse comportamento está no fato de se negligenciar o efeito de fólio sofrido pelas embarcações com a abertura do ângulo entre as proas. A posição dos modelos lado a lado (ξ’=0) se mostrou a mais crítica para a segurança da navegação, não só pela maior força lateral exercida entre os cascos, mas também pelo acoplamento de movimentos com as guinadas sofridas pelos modelos navegando em proximidade.
=======================================================================
Defesa: Mestrado
Título: “ESTIMATIVA DO ESTADO DO MAR POR INTERAÇÕES PASSIVAS COM O RUÍDO AMBIENTE GERADA PELO VENTO, ASSOCIADA COM A ESCALA DE VENTO BEAUFORT PARA ÁGUAS RASAS”.
Candidato: DIOGO DE SOUZA TARANTO
Orientador(es): Prof.: Marcos Nicolas Gallo e Prof.: Carlos Eduardo Parente Ribeiro
Data/horário: 23/06/2021 às 10h
Link para transmissão online: https:// meet.google.com/jzm-yoye-osz
RESUMO
Apresenta-se, nesta dissertação de mestrado, uma técnica de estimativa do estado do mar por interações passivas com o ruído ambiente gerada pelo vento, associada com a escala de vento Beaufort em águas rasas.
Constitui-se de uma metodologia usando as curvas propostas por Knudsen[6],para associar uma determinada banda de frequência captada por um hidrofone que pode auxiliar boias oceanográficas para coleta de dados acerca do estado de mar e velocidade do vento, e também podem auxiliar submarinos que necessitam de informações sobre estado de mar para alimentar seus respectivos sistemas de combate.
==================================================================
Defesa: Mestrado
Título: “DYNAMIC PORT CONGESTION INDICATORS { CASE STUDY OF THE PORTS OF RIO DE JANEIRO AND SANTOS”.
Candidato: VINÍCIUS BARRETO MARTINS
Orientador(es): Prof.: Jean David Job Emmanuel Marie Caprace
Data/horário: 21/06/2021 às 10h
Link para transmissão online: meet.google.com/qrq-hbqt-uxc
RESUMO
O comércio marítimo desempenha um papel fundamental na economia global e os recentes desenvolvimentos tecnológicos aceleraram a logística marítima. No entanto, esse aumento do comércio marítimo causou um impacto no desempenho dos portos, levando ao congestionamento portuário em algumas regiões e distorcendo o fluxo logístico. Poucas pesquisas utilizando dados AIS exploraram o congestionamento marítimo, portanto, é necessário o desenvolvimento de um sistema que torne as métricas portuárias mais acessíveis. Este trabalho emprega uma metodologia inovadora para analisar o nível de congestionamento dos portos do Rio de Janeiro e Santos. A partir dos dados do Sistema de Identificação automática (AIS), três algoritmos foram utilizados para encontrar a geolocation area, convex hull area e average vessels proximity. A partir desses algoritmos, foram calculados os Indicadores de Congestionamento Portuário (PCIs): i) Spatial Concentration; ii) Spatial Density; iii) Average Service Time, e técnicas de Machine Learning foram empregadas para extrair conhecimento da base de dados. Como resultado, esse processo identificou os períodos em que os portos estão mais congestionados e os centróides desses clusters podem ser utilizados para prever futuros níveis de congestionamento. Esses indicadores fornecem recursos para uma melhor gestão e podem motivar ações como a redistribuição dos locais de carga e descarga dos navios, influenciando a medição de desempenho dos portos.
==================================================================
Defesa: Mestrado
Título: “PREVISAO DE ALTURA SIGNIFICATIVA DE ONDA UTILIZANDO REDES NEURAIS ARTIFICIAIS”.
Candidato: PAULA MARANGONI GAZINEU MARINHO PINTO
Orientador(es): Prof.: Marcos Nicolas Gallo e Prof.: Carlos Eduardo Parente Ribeiro
Data/horário: 21/06/2021 às 16h
Link para transmissão online: https:// meet.google.com/tcp-easr-onm
RESUMO
Estudos relacionados à previsão da altura significativa (Hs) de ondas são de grande importância para a segurança da navegação e das operações portuárias. Neste âmbito, pretende-se realizar a previsão de Hs e do resíduo (diferença entre Hs da boia e do modelo WaveWatchIII – WW3) para a boia de Santos, no sudeste do Brasil, utilizando redes neurais artificiais. Para isto, foram testados diferentes variáveis de input e hiperparâmetros para se obter configuração ideal da rede que garantisse a melhor previsão. Os resultados mostraram que a previsão de Hs pela rede neural é muito eficiente para curto prazo (até 12 horas). Obtendo um ganho de aproximadamente 94% no BIAS para a previsão de 12 horas, quando comparada a previsão do WW3. Além disso, a previsão do resíduo pela rede neural quando somado ao Hs obtido pelo WW3 alcançou os melhores resultados em todos os casos analisados. No hindcast houve ganhos no BIAS de aproximadamente 70% e melhora de 9,2% no RMSE. Na previsão de 24 horas os maiores ganhos foram obtidos no SI(15,7%), com melhoras significativas também no RMSE (15%). Na previsão de 48 horas, o BIAS teve o maior ganho (83%), seguido pelo RMSE (12,5%). Com isso,pode-se concluir que para se obter a uma previsão mais acurada de Hs, a melhor alternativa seria uma abordagem híbrida, que combine a previsão (ou hindcast) de Hs do WW3 com a previsão do resíduo feita pela rede neural.