Compatibilização de códigos computacionais para a otimização da configuração de Moon Pool sob o ponto de vista da operabilidade

Abstract

Navios drillship são embarcações especializadas na perfuração offshore, seja para a exploração de poços de petróleo e gás ou para fins de pesquisa científica. A operabili dade de um navio desse tipo depende da segurança da tripulação, da integridade do navio e equipamentos, e da manutenção da localização e posicionamento em diferentes contextos ambientais. O fator de maior influência no desempenho de um navio de perfuração com relação à operabilidade e segurança é a oscilação da água interna ao moon pool. Esta, por sua vez, varia com o formato e as dimensões da abertura para um mesmo estado de mar e atividade do navio. Estudam-se duas situações distintas: estacionário operando em ondas, ou em trânsito em águas calmas. Dado um casco previamente definido, o objetivo final do projeto a que este trabalho pertence é encontrar o moon pool que garanta o desempenho ótimo nos termos propostos, para um ou vários estados de mar característicos da região de operação. Em estágios anteriores desse projeto, foi desenvolvido um algoritmo em Fortran que calcula a resposta hidrodinâmica do casco no domínio da frequência. Em um trabalho anterior, também foi desenvolvido, em MATLAB, um algoritmo genético que varia os parâmetros geométricos que definem o moon pool e outro que acopla, de forma limitada, esse moon pool à malha de um casco série 60. Neste trabalho, uma melhoria na integração entre as malhas do moon pool e do casco é apresentada, e esses módulos são combinados de forma a gerar automaticamente os moon pools definidos pelo algoritmo genético. O comportamento hidrodinâmico de cada configuração de moon pool é então testado pelo algoritmo de simulação hidrodinâmica, chamado com um comando de sistema pelo código do MATLAB. Os resultados são processados e convertidos em um índice de desempenho em operabilidade para cada indivíduo, que é utilizado como critério de avaliação. O algoritmo genético prossegue com as iterações até atingir a convergência da otimização, para várias dimensões de moon pool. Finalmente, o código escolhe o indivíduo ótimo dentre todos os analisados.