Eco-friendly and customer-driven Sail plan optimisation service

Informations projet

EcoSail

N° de convention de subvention: 820593

DOI

10.3030/820593

Projet clôturé

Date de signature de la CE 25 Juin 2018

Date de début 1 Novembre 2018

Date de fin 31 Octobre 2021

Financé au titre de

• Horizon 2020 Framework Programme

Coût total

€ 3 903 142,50

Contribution de l’UE

€ 2 986 937,25

Coordonné par

O.M. OFFSHORE MONITORING LIMITED
Cyprus

CORDIS fournit des liens vers les livrables publics et les publications des projets HORIZON.

Les liens vers les livrables et les publications des projets du 7e PC, ainsi que les liens vers certains types de résultats spécifiques tels que les jeux de données et les logiciels, sont récupérés dynamiquement sur OpenAIRE .

Livrables

Websites, patent fillings, videos etc. (3)

4 EcoSail service information/demo videos; final

4 EcoSail service information/demo videos; final (M26)

Report on EcoSail ‘Training Portal’
4 EcoSail service information/demo videos; interim

4 EcoSail service information/demo videos; interim (M14)

Demonstrators, pilots, prototypes (2)

Sail plan training programme for ship operators
EcoSail project webpage

Publications

Thesis and dissertations (2)

Development of Speed-power Performance Models for Ship Voyage Optimization

Auteurs: Xiao Lang
Publié dans: Licentiate Thesis, Numéro 2021, January, 2021, Page(s) 120
Éditeur: Chalmers University of Technology

Development of voyage optimization algorithms for sustainable shipping and their impact to ship design

Auteurs: Wang, Helong
Publié dans: Book (dissertation), Numéro 1, 2020, Page(s) 68, ISBN 978-91-7905-259-1
Éditeur: Chalmers University of Technology

Peer reviewed articles (5)

Voyage optimization combining genetic algorithm and dynamic programming for fuel/emissions reduction

Auteurs: Helong Wang, Xiao Lang, and Wengang Mao
Publié dans: Transportation Research Part D: Transport and Environment, 2021, Page(s) 102670, ISSN 1361-9209
Éditeur: Pergamon Press Ltd.
DOI: 10.1016/j.trd.2020.102670

Effectiveness of 2D optimization algorithms considering voluntary speed reduction under uncertain metocean conditions

Auteurs: Helong Wang, Xiao Lang, Wengang Mao, Di Zhang, Gaute Storhaug
Publié dans: Ocean Engineering, Numéro 200, 2020, Page(s) 107063, ISSN 0029-8018
Éditeur: Pergamon Press Ltd.
DOI: 10.1016/j.oceaneng.2020.107063

Efficiency of a Voluntary Speed Reduction Algorithm for a Ship’s Great Circle Sailing

Auteurs: Helong Wang, Wengang Mao, Leif Eriksson
Publié dans: TransNav, the International Journal on Marine Navigation and Safety of Sea Transportation, Numéro 14/2, 2020, Page(s) 301-308, ISSN 2083-6473
Éditeur: TransNav, Faculty of Navigation
DOI: 10.12716/1001.14.02.04

A semi-empirical model for ship speed loss prediction at head sea and its validation by full-scale measurements

Auteurs: Xiao Lang, Wengang Mao
Publié dans: Ocean Engineering, Numéro 209, 2020, Page(s) 107494, ISSN 0029-8018
Éditeur: Pergamon Press Ltd.
DOI: 10.1016/j.oceaneng.2020.107494

Impact of ship operations aided by voyage optimization on a ship’s fatigue assessment

Auteurs: Xiao Lang, Helong Wang, Wengang Mao, Naoki Osawa
Publié dans: Journal of Marine Science and Technology, 2020, ISSN 0948-4280
Éditeur: Springer Verlag
DOI: 10.1007/s00773-020-00769-8

Conference proceedings (4)

A Simplified Ship Wave Induced Added Resistance Calculation Method and Full-scale Measurements Validation in Head Sea

Auteurs: Xiao Lang, Wengang Mao
Publié dans: Proceedings of the International Offshore and Polar Engineering Conference, 2020
Éditeur: The International Society of Offshore and Polar Engineers

Multimodel Superensembling Using Convolutional Neural Networks

Auteurs: Erik Larsson (1), Andrea Littardi (2, 3), Mihalis Nicolaou (2), Leif E. B. Eriksson (1), and Waqas Qazi (3) 1 Chalmers University of Technology, Sweden 2 The Cyprus Institute 3 Offshore Monitoring Ltd.
Publié dans: The 32nd annual workshop of the Swedish Artificial Intelligence Society (SAIS), Numéro 16 - 17 June 2020, 2019
Éditeur: Swedish Artificial Intelligence Society (SAIS)

Multimodel Superensembling Using Convolutional Neural Networks

Auteurs: E Larsson, A Littardi, M Nicolaou, L Eriksson and W Qazi
Publié dans: SAIS, 2021, Page(s) 1-4
Éditeur: Chalmers University of Technology

A Spatio-Temporal statistical model to simulate long-term wave environments along ship routes

Auteurs: Wengang Mao, Naoki Osawa, Shengzheng Wang, Di Zhang
Publié dans: . Proceeding of the annual meeting of the Japan Society of Naval Architects and Ocean Engineers, 2019
Éditeur: Japan Society of Naval Architects and Ocean Engineers