Εφαρμογές μηχανικής μάθησης στην αυτοκινητοβιομηχανία

Παπαδόπουλος, Κωνσταντίνος

dc.contributor.advisor	Nikolaou, Grigoris
dc.contributor.author	Παπαδόπουλος, Κωνσταντίνος
dc.date.accessioned	2023-12-08T11:23:37Z
dc.date.available	2023-12-08T11:23:37Z
dc.date.issued	2023-10-16
dc.identifier.uri	https://polynoe.lib.uniwa.gr/xmlui/handle/11400/5722
dc.identifier.uri	http://dx.doi.org/10.26265/polynoe-5559
dc.description.abstract	Στην 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.extent	73	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	Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/4.0/	*
dc.subject	Αυτοκινητοβιομηχανία	el
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Κατανάλωση καυσίμου	el
dc.subject	Ποσοστιαία απόκλιση	el
dc.subject	Επιστήμη δεδομένων	el
dc.subject	Ταξινόμηση	el
dc.subject	Μηχανική μάθηση	el
dc.title	Εφαρμογές μηχανικής μάθησης στην αυτοκινητοβιομηχανία	el
dc.title.alternative	Machine learning applications in the automotive industry	el
dc.type	Διπλωματική εργασία	el
dc.contributor.committee	Βασιλειάδου, Σουλτάνα
dc.contributor.committee	Drosos, Christos
dc.contributor.faculty	Σχολή Μηχανικών	el
dc.contributor.department	Τμήμα Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγής	el
dc.description.abstracttranslated	In 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

Αρχεία σε αυτό το τεκμήριο

Όνομα:: Εφαρμογές Μηχανικής Μάθησης στην ...
Μέγεθος:: 3.923Mb
Τύπος:: PDF

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Διπλωματικές εργασίες
Διπλωματικές εργασίες τμήματος Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγής

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