Προβλεπτική συντήρηση στη Βιομηχανία 5.0

Ασλανίδης, Γεώργιος

dc.contributor.advisor	Leligou, Helen C. (Nelly)
dc.contributor.author	Ασλανίδης, Γεώργιος
dc.date.accessioned	2022-01-13T12:04:52Z
dc.date.available	2022-01-13T12:04:52Z
dc.date.issued	2021-12-10
dc.identifier.uri	https://polynoe.lib.uniwa.gr/xmlui/handle/11400/1654
dc.identifier.uri	http://dx.doi.org/10.26265/polynoe-1505
dc.description.abstract	Στη βιομηχανία γίνεται όλο και πιο επιτακτική η ανάγκη εισαγωγής νέων τεχνολογικών μεθόδων σε μια διαρκή προσπάθεια του ανθρώπου να αυξήσει την παραγωγή και να μειώσει το οικονομικό και χρονικό κόστος. Στην παρούσα εργασία περιγράφεται πως η χρήση μηχανικής μάθησης θα μπορούσε να αποτελέσει τη λύση για την έγκαιρη ανίχνευση ενδεχόμενων αστοχιών και την αποφυγή τους. Επίσης, περιγράφονται οι αλγόριθμοι που χρησιμοποιούνται και οι δυνατότητες ορισμένων στρατηγικών συντήρησης που προκύπτουν από τη μελλοντική χρήση τους στη Βιομηχανία 5.0 με τη βοήθεια της τεχνητής νοημοσύνης. Η εργασία ολοκληρώνεται με την παρουσίαση και την ανάλυση των στατιστικών που απέρρευσαν από το πειραματικό μέρος, το οποίο διεξάχθηκε πάνω σε ένα πραγματικό σύνολο δεδομένων. Τέλος, γίνεται καταγραφή συμπερασμάτων και πλεονεκτημάτων που έχει η χρήση της μηχανικής μάθησης, αλλά και μια πρόταση για περαιτέρω μελέτη.	el
dc.format.extent	58	el
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Δυτικής Αττικής	el
dc.rights	Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές	*
dc.rights.uri	https://creativecommons.org/licenses/by-nc-sa/4.0/deed.el	*
dc.subject	Προβλεπτική συντήρηση	el
dc.subject	Βιομηχανία 5.0	el
dc.subject	Industry 5.0	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Αλγόριθμοι	el
dc.subject	Συντήρηση	el
dc.title	Προβλεπτική συντήρηση στη Βιομηχανία 5.0	el
dc.title.alternative	Predictive maintenance in Industry 5.0	el
dc.type	Μεταπτυχιακή διπλωματική εργασία	el
dc.contributor.committee	Tseles, Dimitrios
dc.contributor.committee	Ganetsos, Theodore
dc.contributor.faculty	Σχολή Μηχανικών	el
dc.contributor.department	Τμήμα Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγής	el
dc.contributor.master	Αυτοματισμός Παραγωγής και Υπηρεσιών	el
dc.description.abstracttranslated	The need for the introduction of new technological methods in an ongoing human effort to increase production and reduce financial and time costs is becoming increasingly urgent in industry. This thesis statement describes how the use of machine learning could be the solution for the early detection of possible failures and their prevention. It also describes the algorithms used and the possibilities of some maintenance strategies arising from their future use in Industry 5.0 with the help of artificial intelligence. The master’s thesis is completed by presenting and analyzing the statistics that emerged from the experimental part, which was conducted on a real data set. Finally, conclusions and advantages of the use of machine learning are recorded, as well as a proposal for further study.	el

Αρχεία σε αυτό το τεκμήριο

Όνομα:: ΑΣΛΑΝΙΔΗΣ_ΜΔΕ.pdf
Μέγεθος:: 1.689Mb
Τύπος:: PDF

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Μεταπτυχιακές διπλωματικές εργασίες - Αυτοματισμός Παραγωγής και Υπηρεσιών
Μεταπτυχιακές διπλωματικές εργασίες ΠΜΣ Αυτοματισμός Παραγωγής και Υπηρεσιών

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές

Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές