Εφαρμογές machine learning στην παραγωγή γάλακτος και των προϊόντων του
| dc.contributor.advisor | Tsakali, Efstathia | |
| dc.contributor.author | Πετροκόλου, Αλεξάνδρα | |
| dc.date.accessioned | 2024-09-30T06:13:44Z | |
| dc.date.available | 2024-09-30T06:13:44Z | |
| dc.date.issued | 2024-09-24 | |
| dc.identifier.uri | https://polynoe.lib.uniwa.gr/xmlui/handle/11400/7485 | |
| dc.identifier.uri | http://dx.doi.org/10.26265/polynoe-7317 | |
| dc.description.abstract | Η παρούσα πτυχιακή εργασία αναλύει ποικίλες εφαρμογές της Μηχανικής Μάθησης (Machine Learning) στο χώρο της γαλακτοβιομηχανίας. Με την έναρξη της Τέταρτης Βιομηχανικής Επανάστασης (Industry 4.0) , ήταν αναπόφευκτο πως τα έξυπνα εργαλεία θα διευκόλυναν τις διεργασίες τόσο σε επίπεδο φάρμας (Αυτόματο Ρομποτικό Σύστημα Άλμεξης, Αυτόματα Συστήματα Τροφοδοσίας, Συσκευή Ανίχνευσης Μαστίτιδας) αλλά και στην μετ’ έπειτα επεξεργασία με Αλγορίθμους Ανίχνευσης Νοθείας, Προσδιορισμού της Ποιότητας, Ελέγχου της Πρωτεόλυσης και της Παστερίωσης του Γάλακτος και τέλος με συστήματα που διασφαλίζουν την Ποιότητα και την Προβλεπτική Συντήρηση του Εξοπλισμού. Αλλαγές ακόμη γίνονται και στο στάδιο της Συσκευασίας με την χρήση της Μηχανικής Όρασης (Machine Vision), Αναγνώρισης Ραδιοσυχνοτήτων (RFID) και της Έξυπνης Ετικέτας (Smart Labelling). Τέλος, με την ενσωμάτωση αισθητήρων και καμερών σε όλη την αλυσίδα εφοδιασμού διευκολύνεται ο έλεγχος της διατήρησης της ποιότητας των γαλακτοκομικών προϊόντων που είναι ιδιαίτερα ευπαθή και επίσης γίνεται αποτελεσματικότερη διαχείριση των αποθεμάτων. Με δεδομένα που συλλέγονται από διάφορες πηγές σχετικά με τις διατροφικές προτιμήσεις των καταναλωτών, ενδυναμώνεται και ο τομέας της Καινοτομίας και της Ανάπτυξης σχεδιάζοντας ή και βελτιώνοντας προϊόντα που καλύπτουν σε μεγάλο βαθμό τις απαιτήσεις των καταναλωτών. Οι πολυδιάστατες αλλαγές στον τρόπο που λειτουργεί η βιομηχανία επιβάλλει και την προσαρμογή του εργατικού δυναμικού στις νέες τάσεις με την απόκτηση της απαιτούμενης τεχνογνωσίας αλλά και την αναθεώρηση της νομοθεσίας, ώστε να προστατεύονται τα Πνευματικά Δικαιώματα της εταιρείας αλλά και να οριστεί ποιος επωμίζεται την ευθύνη σε περίπτωση λάθους του μηχανισμού. | el |
| dc.format.extent | 41 | 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 | Μηχανική μάθηση | el |
| dc.subject | Machine learning | el |
| dc.subject | Τεχνητή νοημοσύνη | el |
| dc.subject | Artificial intelligence | el |
| dc.subject | Βιομηχανία γάλακτος | el |
| dc.subject | Dairy production | el |
| dc.subject | Βαθειά μάθηση | el |
| dc.subject | Deep learning | el |
| dc.title | Εφαρμογές machine learning στην παραγωγή γάλακτος και των προϊόντων του | el |
| dc.title.alternative | Applications of machine learning in dairy production | el |
| dc.type | Πτυχιακή εργασία | el |
| dc.contributor.committee | Kanellou, Anastasia | |
| dc.contributor.committee | Κοντελές, Σπυρίδων | |
| dc.contributor.faculty | Σχολή Επιστημών Τροφίμων | el |
| dc.contributor.department | Τμήμα Επιστήμης και Τεχνολογίας Τροφίμων | el |
| dc.description.abstracttranslated | This thesis analyzes various applications of Machine Learning in the dairy industry. With the start of the Fourth Industrial Revolution (Industry 4.0), it was inevitable that smart tools would facilitate processes not only at the farm level but also for Adulteration Detection, Determination of the Quality of Milk, Control of Proteolysis and Pasteurization but also with applications at systems ensure the Quality and the predictive maintenance of the equipment. Changes are also being made at the Packaging with the use of Machine Vision, Radio Frequency Identification (RFID) and Smart Labelling. Finally, the integration of sensors and cameras throughout the supply chain makes it easier to control the preservation of the quality of dairy products, which are highly perishable, and also makes inventory management more efficient. The data collected from various sources about the dietary preferences of the consumers also empowers the Innovation and Development sector by designing or improving the products that largely cater to the preferences of the consumers. The multidimensional changes in the way the industry operates also require the adaptation of the workforce to the new trends by acquiring the required techniques and also the revision of the legislation to protect the copyright of the company and also to define who bears the responsibility in the event of a mistake of the mechanism. | el |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Πτυχιακές εργασίες
Πτυχιακές εργασίες τμήματος Επιστήμης και Τεχνολογίας Τροφίμων
Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές