| dc.contributor.advisor | Καρκαλάκος, Σωτήριος | |
| dc.contributor.author | Αλεξόπουλος, Ιωάννης | |
| dc.date.accessioned | 2024-11-27T14:08:29Z | |
| dc.date.available | 2024-11-27T14:08:29Z | |
| dc.date.issued | 2024-11 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/17126 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/4549 | |
| dc.description.abstract | Η παρούσα μελέτη εξετάζει την ενσωμάτωση της Τεχνητής Νοημοσύνης (ΑΙ) στη διαχείριση αποθηκών, με ιδιαίτερη έμφαση στη διαχείριση αποθεμάτων και την επεξεργασία παραγγελιών. Το πρώτο τμήμα της εργασίας περιγράφει τις δυσκολίες που αντιμετωπίζουν σήμερα οι αποθήκες με τις τυπικές λειτουργίες, συμπεριλαμβανομένων της αναποτελεσματικότητας, των λαθών και της δαπανηρής εργασίας. Με τον εξορθολογισμό των διαδικασιών και την ενίσχυση της ακρίβειας, η τεχνητή νοημοσύνη προσδιορίζεται ως σημαντικός παράγοντας για την επίλυση αυτών των ζητημάτων μέσω μιας ενδελεχούς βιβλιογραφικής μελέτης.
Διερευνώνται οι δυνατότητες των τεχνολογιών αυτοματοποίησης με τεχνητή νοημοσύνη, της προβλεπτικής ανάλυσης και των αλγορίθμων μηχανικής μάθησης (ML) για τη βελτίωση της απόδοσης της αποθήκης. Ορισμένες τεχνολογίες τεχνητής νοημοσύνης επισημαίνονται λόγω της ικανότητάς τους να βελτιώνουν τις επιχειρησιακές επιδόσεις, να μειώνουν τα σφάλματα συλλογής και να αυξάνουν την αποδοτικότητα κόστους. Παραδείγματα αυτών των τεχνολογιών περιλαμβάνουν την computer vision, τα αυτόνομα κινητά ρομπότ (AMR) και τους ρομποτικούς βραχίονες.
Στην μελέτη αναφέρεται πώς η τεχνητή νοημοσύνη επηρεάζει τη δυναμική του εργατικού δυναμικού και τη λήψη αποφάσεων και εξετάζει τις συνέπειες της υιοθέτησης της τεχνητής νοημοσύνης για τις μεθόδους διαχείρισης αποθηκών. Ωστόσο, η μελέτη παραδέχεται ορισμένους περιορισμούς, δηλαδή την εξάρτηση από υψηλής ποιότητας δεδομένα και την πιθανότητα μεροληψίας στα μοντέλα Τεχνητής Νοημοσύνης.
Συμπερασματικά, ακόμη και αν η τεχνητή νοημοσύνη (AI) υπόσχεται πολλά για τη βελτίωση των λειτουργιών της αποθήκης, το πλήρες δυναμικό της πρέπει να αξιοποιηθεί μέσω προσεκτικής ανάπτυξης και συνεχούς αξιολόγησης. Τα αποτελέσματα προστίθενται στο σύνολο των πληροφοριών στον ακαδημαϊκό διάλογο σχετικά με τη συμβολή της τεχνητής νοημοσύνης στην επιχειρησιακή αποτελεσματικότητα καθώς και στην πρακτική κατανόηση της διαχείρισης αποθηκών. | el |
| dc.format.extent | 61 | el |
| dc.language.iso | en | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.title | Διαχείριση αποθηκών με τεχνητή νοημοσύνη : βελτιστοποίηση της αποδοτικότητας και της ακρίβειας | el |
| dc.title.alternative | AI-enhanced warehouse management : optimizing efficiency and accuracy | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Οικονομικών, Επιχειρηματικών και Διεθνών Σπουδών. Τμήμα Οικονομικής Επιστήμης | el |
| dc.description.abstractEN | The present study delves into the incorporation of Artificial Intelligence (AI) in warehouse management, with a specific emphasis on inventory management and order processing. The first section of the paper outlines the difficulties that typical warehouse operations now face, including inefficiencies, mistakes, and expensive labor. By streamlining processes and enhancing accuracy, AI is identified as a major factor in resolving these issues through a thorough literature study.
The potential of AI-powered automation technologies, predictive analytics, and machine learning (ML) algorithms to improve warehouse performance is investigated. Certain AI technologies are highlighted because of their ability to improve operational performance, reduce picking errors, and increase cost-effectiveness. Examples of these technologies include computer vision, autonomous mobile robots (AMRs), and robotic arms.
The paper notes how AI affects workforce dynamics and decision-making and examines the consequences of AI adoption for warehouse management methods. The study does admit certain limits, though, namely the reliance on high-quality data and the possibility of biases in AI models.
In conclusion, even if artificial intelligence (AI) has a great deal of promise to improve warehouse operations, its full potential must be realized through careful deployment and continuous assessment. The results add to the body of information in academic discourse regarding AI's contribution to operational efficiency as well as practical warehouse management understanding. | el |
| dc.contributor.master | Οικονομική και Επιχειρησιακή Στρατηγική | el |
| dc.subject.keyword | AI | el |
| dc.subject.keyword | Warehouse efficiency | el |
| dc.subject.keyword | Warehouse optimization | el |
| dc.date.defense | 2024-11-13 | |
