| dc.contributor.advisor | Εμίρης, Δημήτριος | |
| dc.contributor.author | Σαρρής, Ιωάννης | |
| dc.date.accessioned | 2024-09-17T05:18:59Z | |
| dc.date.available | 2024-09-17T05:18:59Z | |
| dc.date.issued | 2024 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/16748 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/4170 | |
| dc.description.abstract | Η παρούσα διπλωματική εργασία εξετάζει τον συνδυασμό μεθοδολογιών αιτίου-αιτιατού με μεθοδολογίες διαγραμμάτων συσχετισμών για την ανάπτυξη Fuzzy Cognitive Maps (FCMs) που απεικονίζουν κινδύνους που μπορεί να προκύψουν ύστερα από συντήρηση σε βιομηχανικό εξοπλισμό και πιο συγκεκριμένα στον τομέα της συντήρησης δεξαμενών πετρελαιοειδών.
Στο πρώτο κεφάλαιο αναλύονται οι διάφορες παράμετροι που επηρεάζουν τις εργασίες συντήρησης, με έμφαση στον αντίκτυπο των καθυστερήσεων και τις αιτίες που τις προκαλούν, όπως εξετάζονται μέσω της ανάλυσης Pareto. Επίσης αναλύονται τα προτερήματα της προγνωστικής συντήρησης, ο ρόλος των δενδρικών μοντέλων και η συμβολή της μηχανικής εκμάθησης.
Στη συνέχεια, η εργασία επικεντρώνεται στη μηχανολογική δομή των δεξαμενών πετρελαίου, στις εργασίες συντήρησης και προγραμματισμού τους παρέχοντας μια ολοκληρωμένη ανάλυση της δομής αυτών. Επίσης αναλύονται οι κίνδυνοι που μπορεί να προκύψουν από τη λανθασμένη διαδικασία συντήρησης ή τη μη τήρηση των προδιαγραφών.
Τέλος γίνεται περιληπτική ανάλυση των Fuzzy Cognitive Maps, όπου αναλύεται ως εργαλείο για την κατανόηση και τη διαχείριση των κινδύνων που συνδέονται με τη συντήρηση. Επίσης ως εργαλείο για την ανάλυση των FCM εξετάζεται η μέθοδος εκμάθησης Hebbian ως μέσο βελτίωσης της ακρίβειας αυτών των μοντέλων.
Το τελικό συμπέρασμα της εργασίας είναι ότι η ενσωμάτωση της μηχανικής εκμάθησης οδηγεί στη δημιουργία αποδοτικότερων FCM με σκοπό τη βελτιστοποίηση διάφορων διεργασιών. | el |
| dc.format.extent | 91 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.title | Συνδυασμός μεθοδολογιών αιτίου-αιτιατού με μεθοδολογίες διαγραμμάτων συσχετισμών για την ανάπτυξη fuzzy cognitive maps απεικόνισης κινδύνων σε βιομηχανικό εξοπλισμό προς συντήρηση | el |
| dc.title.alternative | Combination of cause & effect methodologies with relationship diagrams methodologies for the development of fuzzy cognitive maps for risk mapping in industrial equipment maintenance | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Ναυτιλίας και Βιομηχανίας. Tμήμα Βιομηχανικής Διοίκησης και Tεχνολογίας | el |
| dc.description.abstractEN | This Master Thesis examines the combination of cause-and-effect methodologies with correlation diagram methodologies for the development of Fuzzy Cognitive Maps (FCMs) that depict risks that may arise following maintenance on industrial equipment, specifically in the field of petroleum tank maintenance.
The first chapter analyzes the various parameters that affect maintenance tasks, with emphasis on the impact of delays and their causes, as examined through Pareto analysis. Additionally, the benefits of predictive maintenance, the role of decision trees, and the contribution of machine learning are discussed.
Subsequently, the master thesis focuses on the mechanical structure of petroleum tanks, maintenance tasks, and scheduling, providing a comprehensive analysis of their structure. Moreover, it addresses the risks that may arise from incorrect maintenance procedures or failure to comply with maintenance standards.
Finally, a concise analysis of Fuzzy Cognitive Maps is presented, where FCMs are explored as a tool for understanding and managing risks associated with maintenance. The Hebbian learning method is also examined as a tool to improve the accuracy of these models.
The final conclusion of the diploma thesis is that the integration of machine learning leads to the creation of more efficient FCMs aimed at optimizing various processes. | el |
| dc.contributor.master | Βιομηχανική Διοίκηση και Τεχνολογία | el |
| dc.subject.keyword | Ασαφής γνωστικός χάρτης | el |
| dc.subject.keyword | Δενδρικό μοντέλο | el |
| dc.subject.keyword | Προγνωστική συντήρηση | el |
| dc.subject.keyword | Εργασίες συντήρησης | el |
| dc.subject.keyword | Χρονοδιάγραμμα | el |
| dc.subject.keyword | Μηχανική μάθηση | el |
| dc.subject.keyword | Δεξαμενή πετρελαίου | el |
| dc.subject.keyword | Χρονική καθυστέρηση | el |
| dc.subject.keyword | Προδιαγραφή συντήρησης | el |
| dc.subject.keyword | Τεχνητή νοημοσύνη | el |
| dc.date.defense | 2024-09-09 | |
