Εμφάνιση απλής εγγραφής

Ενίσχυση της παραγωγικής αποτελεσματικότητας μέσω της εφαρμογής της μηχανικής μάθησης στην προγνωστική συντήρηση

dc.contributor.advisorDrosos, Christos
dc.contributor.authorΚαπάνταη, Σταυρούλα
dc.date.accessioned2024-07-26T11:06:24Z
dc.date.available2024-07-26T11:06:24Z
dc.date.issued2024-07-19
dc.identifier.urihttps://polynoe.lib.uniwa.gr/xmlui/handle/11400/7221
dc.identifier.urihttp://dx.doi.org/10.26265/polynoe-7053
dc.description.abstractΤο επίκεντρο αυτής της πτυχιακής είναι να διερευνήσει τις πρακτικές εφαρμογές της μηχανικής μάθησης στις σύγχρονες βιομηχανίες. Έχει διεξαχθεί εκτεταμένη έρευνα για να αποκτηθεί μια ολοκληρωμένη κατανόηση των μεθόδων και τεχνικών που χρησιμοποιούνται στη μηχανική μάθηση. Στόχος μας είναι να αναπτύξουμε μια τεχνολογία αιχμής μηχανικής εκμάθησης που χρησιμοποιεί αποτελεσματικά τεράστιες ποσότητες δεδομένων διεργασιών για την εξαγωγή πολύτιμων πληροφοριών. Δίνοντας έμφαση στην ταχεία ανάπτυξη και την ευρεία υιοθέτηση της μηχανικής μάθησης σε διάφορους βιομηχανικούς τομείς, τα δεδομένα υπογραμμίζουν επίσης τη σημασία των τεχνολογιών που βασίζονται σε δεδομένα ως βιώσιμων λύσεων σε διάφορες βιομηχανικές προκλήσεις σε διαφορετικά εργασιακά περιβάλλοντα. Μέσω αυτής της εξερεύνησης, αποκτούμε μια βαθύτερη κατανόηση της έννοιας της σύγχρονης βιομηχανίας και της εξέλιξής της που καθοδηγείται από τη μηχανική μάθηση.el
dc.format.extent68el
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.subjectΜηχανική μάθησηel
dc.subjectΛήψη αποφάσεωνel
dc.subjectΒιομηχανικός αυτοματισμόςel
dc.titleΕνίσχυση της παραγωγικής αποτελεσματικότητας μέσω της εφαρμογής της μηχανικής μάθησης στην προγνωστική συντήρησηel
dc.title.alternativeEnhancing production efficiency through the application of machine learning in predictive maintenanceel
dc.typeΔιπλωματική εργασίαel
dc.contributor.committeeΠαπουτσιδάκης, Μιχαήλ
dc.contributor.committeeLaskaris, Nikolaos
dc.contributor.facultyΣχολή Μηχανικώνel
dc.contributor.departmentΤμήμα Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγήςel
dc.description.abstracttranslatedThe focus of this thesis is to explore the practical applications of machine learning in modern industries. Extensive research has been conducted to gain a comprehensive understanding of the methods and techniques used in machine learning. Our goal is to develop a cutting-edge machine learning technology that efficiently uses massive amounts of process data to extract valuable insights.el


Αρχεία σε αυτό το τεκμήριο

Thumbnail

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

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