Εμφάνιση απλής εγγραφής

dc.contributor.advisorΦιλιππάκης, Μιχαήλ
dc.contributor.authorΣαμπάνη, Παρασκευή
dc.date.accessioned2024-11-06T08:58:57Z
dc.date.available2024-11-06T08:58:57Z
dc.date.issued2024-10
dc.identifier.urihttps://dione.lib.unipi.gr/xmlui/handle/unipi/16989
dc.identifier.urihttp://dx.doi.org/10.26267/unipi_dione/4411
dc.description.abstractΗ συγκεκριμένη διπλωματική εργασία ασχολείται με την ανάλυση χρονοσειρών σε δεδομένα ναυτιλίας. Τα δεδομένα αυτά συλλέχτηκαν από ένα σύστημα προγραμματισμένης συντήρησης μιας ναυτιλιακής εταιρείας και αφορούν τον αριθμό των απρόσμενων βλαβών που μπορεί να προκύψουν κάθε μήνα σε ένα μηχάνημα που βρίσκεται εγκατεστημένο σε όλα τα πλοία της εταιρείας. Το μηχάνημα βρίσκεται στην κύρια μηχανή του πλοίου και το μοντέλο έχει τον κωδικό CE-DE, 12V50DF. Στο παρόν κείμενο, αρχικά εξηγείται τι είναι ένα Σύστημα Προγραμματισμένης Συντήρησης και ο λόγος που είναι υποχρεωμένες όλες οι ναυτιλιακές εταιρίες να το χρησιμοποιούν. Ένας από τους λόγους χρήσης αυτού του συστήματος είνα η συντήρηση των μηχανών του πλοίου. Συνεπώς στο κείμενο γίνεται αναφορά στα τέσσερα είδη συντήρησης που υπάρχουν, τα οποία είναι η Διορθωτική Συντήρηση, η Προληπτική Συντήρηση, η Προκαθορισμένη Συντήρηση και η Συντήρηση με βάση την κατάσταση του μηχανήματος. Για τις ανάγκες της εργασίας και την πρόβλεψη των βλαβών στις μηχανές των πλοίων χρησιμοποιήθηκε ένα σύνολο δεδομένων χρονοσειράς. Αναφέρετα λοιπόν, ο ορισμός ενός συνόλου δεδομένων χρονοσειράς, εξηγείται η μορφή του και αναλύονται τα χαρακτηριστικά του. Η χρονοσειρά η οποία χρησιμοποιείται στην παρούσα εργασία είναι γραμμική χρονοσειρά, επομένως παρουσιάζονται τα γραμμικά μοντέλα τα οποία εφαρμόζονται για πρόβλεψη σε γραμμικές χρονοσειρές. Σκοπός αυτής της εργασίας είναι η πρόβλεψη του αριθμού των βλαβών που μπορεί να προκύψουν τους επόμενους μήνες στο συγκεκριμένο μηχάνημα. Για το σκοπό αυτό έγινε χρήση μεθόδων ανάλυσης χρονοσειρών και δοκιμάστηκαν τρία μοντέλα ARIMA με διαφορετικές παραμέτρους. Ύστερα από κάθε εφαρμογή ενός από τα μοντέλα ARIMA γινόταν η πρόβλεψη των βλαβών. Έπειτα, σύμφωνα με τα δύο κριτήρια πληροφορίας, τα AIC και BIC, και τους πίνακες προβλέψεων του κάθε μοντέλου, γίνεται η σύγκριση των μοντέλων ARIMA, ώστε να φανεί ποιο από τα τρία μοντέλα ARIMA που χρησιμοποιήθηκαν αποδίδει αποτελεσματικότερα στο σύνολο δεδομένων της χρονοσειράς. Το έγγραφο ολοκληρώνει την αναφορά παρουσιάζοντας το βέλτιστο ARIMA μοντέλο για τη συγκεκριμένη χρονοσειρά που χρησιμοποιήθηκε.el
dc.format.extent74el
dc.language.isoelel
dc.publisherΠανεπιστήμιο Πειραιώςel
dc.rightsΑναφορά Δημιουργού-Μη Εμπορική Χρήση 3.0 Ελλάδα*
dc.rights.urihttp://creativecommons.org/licenses/by-nc/3.0/gr/*
dc.titleΠροβλεπτική συντήρηση πλοίων με χρήση χρονοσειρώνel
dc.typeMaster Thesisel
dc.contributor.departmentΣχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτωνel
dc.description.abstractENThis thesis deals with the analysis of time series in shipping data. This data was collected from a scheduled maintenance system of a shipping company and concerns the number of unscheduled failures that can occur each month on a machine installed on all the company's ships. The machine’s model name is CE-DE, 12V50DF. First, it is explained what a Planned Maintenance System is and why it is mandatory for all shipping companies to use it. Then, the four types of maintenance are being presented, which are the Corrective Maintenance, Preventive Maintenance, Predictive Maintenance and Condition Based Maintenance. It is explained what a time series dataset is and its characteristics are analysed. The time series which is used in this paper is a linear time series, therefore the linear models which are applied for prediction in linear time series are presented. The purpose of this thesis is to predict the number of failures that may occur in the upcoming months on this machine. For this purpose, time series analysis methods were used and three ARIMA models with different parameters were tested. After each application of one of the ARIMA models, a prediction of the number of failures was made. Then according to the two information criteria, AIC and BIC, and the prediction tables of each model, the ARIMA models are compared to show which of the three models that were used, performs more effectively on the time series data set. The paper concludes the report by presenting the optimal ARIMA model for the specific time series used.el
dc.contributor.masterΠληροφοριακά Συστήματα και Υπηρεσίεςel
dc.subject.keywordARIMAel
dc.subject.keywordΠροβλεπτική συντήρησηel
dc.subject.keywordΣυντήρησηel
dc.subject.keywordΣύστημα προγραμματισμένης συντήρησηςel
dc.subject.keywordΧρονοσειράel
dc.subject.keywordΑνάλυση χρονοσειράςel
dc.subject.keywordΓραμμικά μοντέλα πρόβλεψηςel
dc.date.defense2024-10-31


Αρχεία σε αυτό το τεκμήριο

Thumbnail

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού-Μη Εμπορική Χρήση 3.0 Ελλάδα
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση 3.0 Ελλάδα

Βιβλιοθήκη Πανεπιστημίου Πειραιώς
Επικοινωνήστε μαζί μας
Στείλτε μας τα σχόλιά σας
Created by ELiDOC
Η δημιουργία κι ο εμπλουτισμός του Ιδρυματικού Αποθετηρίου "Διώνη", έγιναν στο πλαίσιο του Έργου «Υπηρεσία Ιδρυματικού Αποθετηρίου και Ψηφιακής Βιβλιοθήκης» της πράξης «Ψηφιακές υπηρεσίες ανοιχτής πρόσβασης της βιβλιοθήκης του Πανεπιστημίου Πειραιώς»