dc.contributor.advisor | Φιλιππάκης, Μιχαήλ | |
dc.contributor.author | Αντωνοπούλου, Ελένη | |
dc.date.accessioned | 2020-10-15T08:55:09Z | |
dc.date.available | 2020-10-15T08:55:09Z | |
dc.date.issued | 2020 | |
dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/12957 | |
dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/380 | |
dc.description.abstract | Στόχος είναι η βελτιστοποίηση της αποστολής δεμάτων προβλέποντας
τον μελλοντικό όγκο της δουλειάς ή το μελλοντικό κέρδος. Η παραπάνω πρόβλεψη,
businesswise μπορεί να βοηθήσει στον καλύτερο χρονοπρογραμματισμό ή την αποστολή
ομαδοποιημένων αντικειμένων. Η ομαδοποίηση κατά την αποστολή των προϊόντων μειώνει
τόσο το μεμονωμένο κόστος αποστολής όσο και το κόστος σε ανθρώπινους πόρους που
απαιτείται για τη συγκέντρωση και αποστολή των παραγγελιών. Η βελτιστοποίηση μιας
τέτοιας διαδικασίας παρέχει μεγάλο business value για επιχειρήσεις που
δραστηριοποιούνται στον τομέα των logistics - forwarding. Θα μελετήσουμε λοιπόν τη δομή
και τη λειτουργία αλγορίθμων και θα εφαρμόσουμε κάποιους από αυτούς σε ένα σύνολο
πραγματικών δεδομένων προκειμένου να επιχειρήσουμε να προβλέψουμε σε βάθος χρόνου
μεγέθη όπως το κέρδος και το βάρος των shipment. | el |
dc.format.extent | 106 | el |
dc.language.iso | el | el |
dc.publisher | Πανεπιστήμιο Πειραιώς | el |
dc.rights | Αναφορά Δημιουργού 4.0 Διεθνές | * |
dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | * |
dc.title | Τεχνητά νευρωνικά δίκτυα και μηχανική μάθηση σε logistics | el |
dc.type | Master Thesis | el |
dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων | el |
dc.description.abstractEN | The thesis studies the application of Artificial Neural Networks and
Machine Learning in the field of Logistics. The goal is to optimize parcel delivery by
predicting future job volume or future profit. The above forecast, businesswise can help in
better scheduling or by consolidating shipments. Grouping on shipment of products reduces
both the individual shipping cost and the human resources required to collect and ship
multiple orders. Optimizing such a process provides great business value for companies
operating in the field of logistics - forwarding. So we will study the structure and operation of
algorithms and apply some of them to a real data set, in order to attempt to predict overtime
the volumes like profit and shipment weight. | el |
dc.contributor.master | Ψηφιακά Συστήματα και Υπηρεσίες | el |
dc.subject.keyword | Time series | el |
dc.subject.keyword | Artificial neural networks | el |
dc.subject.keyword | Logistics | el |
dc.subject.keyword | Gradient boosting | el |
dc.subject.keyword | Exponential smoothing | el |
dc.subject.keyword | ARIMA | el |
dc.date.defense | 2020-02-19 | |