Show simple item record

Εφαρμογές μηχανικής μάθησης στην αυτοκινητοβιομηχανία

dc.contributor.advisorNikolaou, Grigoris
dc.contributor.authorΠαπαδόπουλος, Κωνσταντίνος
dc.date.accessioned2023-12-08T11:23:37Z
dc.date.available2023-12-08T11:23:37Z
dc.date.issued2023-10-16
dc.identifier.urihttps://polynoe.lib.uniwa.gr/xmlui/handle/11400/5722
dc.identifier.urihttp://dx.doi.org/10.26265/polynoe-5559
dc.description.abstractΣτην εποχή του 21ου αιώνα, η τεχνολογία που αναπτύσσεται από την αυτοκινητοβιομηχανία φαίνεται να εξελίσσεται με ραγδαίους ρυθμούς. Παρόλα αυτά, σύγχρονες προκλήσεις όπως η ρύπανση του περιβάλλοντος και οι συνεχώς αυξανόμενες απαιτήσεις των καταναλωτών δεν παύουν να δημιουργούν την ανάγκη για μία ευρύτερη τεχνολογική εξέλιξη όσο αφορά την κατασκευή μηχανοκίνητων οχημάτων. Στο πλαίσιο αυτό, ακολουθώντας την τεχνολογική εξέλιξη και ανταποκρινόμενη στις σύγχρονες ανάγκες στον χώρο της αυτοκινητοβιομηχανίας, λαμβάνει χώρα η παρούσα εργασία. Στην παρούσα εργασία παρουσιάζεται και αναλύεται ο τρόπος με τον οποίο ο κλάδος της μηχανικής μάθησης μπορεί να συνεισφέρει στην επίλυση σύγχρονων προκλήσεων που αντιμετωπίζει η σύγχρονη αυτοκινητοβιομηχανία. Η ανάλυση αυτή συνοδεύεται με μια μελέτη της ποσοστιαίας απόκλισης της πραγματικής κατανάλωσης καυσίμου σε σύγκριση με τις εργαστηριακές δοκιμές που πραγματοποιούνται από τους κατασκευαστές αυτοκινήτων. Μετά την εξαγωγή συμπερασμάτων της μελέτης αυτής, ακολουθεί η δημιουργία ενός Νευρωνικού Δικτύου που μπορεί να αναγνωρίσει και να ταξινομήσει κινήσεις απότομες και επικίνδυνες των οδηγών, που προκύπτουν από επιθετική οδηγική συμπεριφορά. Ευελπιστούμε ότι η παρούσα μελέτη θα βοηθήσει την αυτοκινητοβιομηχανία να κατανοήσει βαθύτερα την σημασία παραμέτρων που επηρεάζουν την κατανάλωση καυσίμου.el
dc.format.extent73el
dc.language.isoelel
dc.publisherΠανεπιστήμιο Δυτικής Αττικήςel
dc.rightsΑναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές*
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Διεθνές*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectΑυτοκινητοβιομηχανίαel
dc.subjectΝευρωνικά δίκτυαel
dc.subjectΚατανάλωση καυσίμουel
dc.subjectΠοσοστιαία απόκλισηel
dc.subjectΕπιστήμη δεδομένωνel
dc.subjectΤαξινόμησηel
dc.subjectΜηχανική μάθησηel
dc.titleΕφαρμογές μηχανικής μάθησης στην αυτοκινητοβιομηχανίαel
dc.title.alternativeMachine learning applications in the automotive industryel
dc.typeΔιπλωματική εργασίαel
dc.contributor.committeeΒασιλειάδου, Σουλτάνα
dc.contributor.committeeDrosos, Christos
dc.contributor.facultyΣχολή Μηχανικώνel
dc.contributor.departmentΤμήμα Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγήςel
dc.description.abstracttranslatedIn the 21st century, the technology developed by the automotive industry seems to be evolving rapidly. However, modern challenges, such as the environmental crisis and the continuous consumers’ needs, do not stop creating the need for further technological development, when it comes to motor vehicle manufacturing. Τhis paper, includes a in depth analysis on how Machine Learning can contribute to the solving of modern challenges faced by the automotive industry. This analysis is accompanied with an in depth research of the percentage deviation gap between real-time fuel consumption and the lab prediction made by car manufacturers. After extracting results from the research, a Neural Network that will be able to recognize and predict driving maneuvers that come from aggressive driving behavior.el


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές
Except where otherwise noted, this item's license is described as
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές