Prisen blev overrakt ved en ceremoni ved Nor- Shipping i Oslo mandag d. 1. juni, og artiklens titel er “Predicting Added Resistance in Wind and Waves Employing Artificial Neural Nets”.
Brændstofforbrug under belastende vejrforhold
Hård vind og bølgegang tvinger skibe til at sænke farten og får dem til at øge brændstofforbruget. Når man skal beregne hvilken indflydelse disse faktorer har, så er kvantificeringen af dem vigtig for mange anvendelsessammenhænge, lige fra skibsdesign til skibsoperation. Når man for eksempel udvikler løsninger til performance management (som DNV GL’s ECO Insight portal), så kræver det at man korrigerer for de varierende miljøforhold som vind og bølger og de operationelle tilstande som fart, dybgang og trim for at gøre de forskellige indikatorer for skibets performance sammenlignelige. I forhold til vindmodstand, så giver internationale standarder vindmodstandens koefficienter i tabelform. Added resistance forudsiges ofte ved hjælp af metoder med 3D simulering. Det er en ganske god tilgang, men industrien har behov for en hurtigere og mere kosteffektiv tilgang til problemet.
Her kommer Eva Herradón de Grado så med en ny løsning, beskrevet i artiklen “Predicting Added Resistance in Wind and Waves Employing Artificial Neural Nets”. Hendes formler tillader en nem programmering og forudsigelse af arbitrære retninger. Til forudsigelse af added resistance i bølger gør hun brug af såkaldte neurale net, en teknik som allerede er kendt for sin anvendelse indenfor mønstergenkendelse, som for eksempel identifikation af fingeraftryk.
Som Erasmus studerende fulgte Eva Herradón de Grado kandidatkurset ”Skibsoperationer” hos lektor Ulrik Dam Nielsen.

Andreas Bodmann, Director of Communications, DNV GL - Maritime (til venstre), Eva Heradón de Grado (i midten) og Tor E. Svensen, CEO DNV GL – Maritime (til højre).