| dc.contributor.advisor | Λιαγκούρας, Κωνσταντίνος | |
| dc.contributor.author | Τσουκτουρίδης, Γρηγόριος | |
| dc.date.accessioned | 2025-09-30T07:19:02Z | |
| dc.date.available | 2025-09-30T07:19:02Z | |
| dc.date.issued | 2025-09 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/18154 | |
| dc.description.abstract | Η παρούσα εργασία πραγματεύεται τη χρήση ευφυών τεχνικών στον χρονοπρογραμματισμό παραγωγής, διερευνώντας τόσο θεωρητικά θεμέλια όσο και εφαρμογές σε πραγματικά βιομηχανικά περιβάλλοντα. Η ανάλυση ξεκινά με την παρουσίαση των παραδοσιακών μεθόδων χρονοπρογραμματισμού, όπως οι πίνακες Gantt και τα διαγράμματα δικτύου, οι οποίες, αν και θεμελιώδεις, παρουσιάζουν σημαντικούς περιορισμούς, ιδίως σε συνθήκες αυξημένης αβεβαιότητας και πολυπλοκότητας.
Στη συνέχεια, παρουσιάζεται η μετάβαση από τις στατικές προσεγγίσεις σε δυναμικές και ευέλικτες μεθόδους που βασίζονται στην τεχνητή νοημοσύνη. Οι τεχνικές αυτές περιλαμβάνουν γενετικούς αλγορίθμους, σμήνη σωματιδίων, αποικίες μυρμηγκιών, νευρωνικά δίκτυα, ενισχυτική μάθηση και λογική fuzzy, προσφέροντας εργαλεία που ενισχύουν την ακρίβεια, την προσαρμοστικότητα και τη δυνατότητα πρόβλεψης. Ιδιαίτερη έμφαση δίνεται στην ενσωμάτωση των ευφυών τεχνικών στο πλαίσιο του Industry 4.0, όπου οι ψηφιακές τεχνολογίες, το Διαδίκτυο των Πραγμάτων (IoT) και τα κυβερνο-φυσικά συστήματα παίζουν κρίσιμο ρόλο στη συλλογή και ανάλυση δεδομένων σε πραγματικό χρόνο. Αυτά τα δεδομένα επιτρέπουν την προσαρμογή των χρονοπρογραμμάτων με βάση τις συνθήκες του εργοστασίου, οδηγώντας σε πιο βιώσιμες και αποδοτικές διαδικασίες παραγωγής.
Η εργασία εστιάζει επίσης στην πρακτική εφαρμογή των τεχνικών σε διάφορους κλάδους, όπως η ενέργεια, τα τρόφιμα, η αυτοκινητοβιομηχανία και οι μικρομεσαίες επιχειρήσεις. Η μελέτη παρουσιάζει παραδείγματα όπου η χρήση τεχνικών όπως τα ψηφιακά δίδυμα και η ενσωμάτωσή τους με τα συστήματα ERP/MES έχουν προσφέρει μετρήσιμα οφέλη, όπως μείωση του χρόνου παραγωγής, βελτίωση της ποιότητας και ελαχιστοποίηση των αποβλήτων. Εξετάζονται επίσης οι ηθικές και νομικές διαστάσεις, με έμφαση σε ζητήματα επεξηγησιμότητας και διαφάνειας των αλγορίθμων, καθώς και το θεσμικό πλαίσιο που πρέπει να διέπει την ανάπτυξη και εφαρμογή τέτοιων συστημάτων στον βιομηχανικό τομέα.
Η εργασία κλείνει με την παρουσίαση μελλοντικών τάσεων, όπως η χρήση της βιωσιμότητας ως βασικού κριτηρίου στον χρονοπρογραμματισμό και η ανάπτυξη αυτο-βελτιούμενων συστημάτων που μπορούν να αναπροσαρμόζουν τις στρατηγικές τους αυτόνομα. Αυτές οι τεχνολογίες διαμορφώνουν το τοπίο μιας παραγωγής που δεν είναι μόνο έξυπνη, αλλά και περιβαλλοντικά και κοινωνικά υπεύθυνη.
Η έρευνα αποδεικνύει ότι οι ευφυείς τεχνικές, αν συνδυαστούν με κατάλληλες τεχνολογικές υποδομές και θεσμικά πλαίσια, μπορούν να φέρουν σημαντική μεταμόρφωση στον τρόπο με τον οποίο προσεγγίζεται ο χρονοπρογραμματισμός παραγωγής. Η επιτυχής υιοθέτησή τους απαιτεί όχι μόνο τεχνολογική επένδυση, αλλά και οργανωτική αναδιάρθρωση, εκπαίδευση προσωπικού και μία στρατηγική αντίληψη της καινοτομίας ως αναγκαία προϋπόθεση για βιώσιμη ανάπτυξη.
Η παρούσα εργασία συνεισφέρει στην υπάρχουσα βιβλιογραφία παρουσιάζοντας μία σφαιρική προσέγγιση, που συνδυάζει θεωρία και πράξη, τεχνική ανάλυση και στρατηγικό προβληματισμό, ενισχύοντας την κατανόηση και την εφαρμογή των ευφυών τεχνικών στον κρίσιμο τομέα του χρονοπρογραμματισμού παραγωγής. | el |
| dc.format.extent | 93 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.title | Χρήση ευφυών τεχνικών για τον «χρονοπρογραμματισμό παραγωγής» | el |
| dc.title.alternative | Use of intelligent techniques for production scheduling | el |
| dc.type | Bachelor Dissertation | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
| dc.description.abstractEN | This thesis explores the use of intelligent techniques in production scheduling, investigating both theoretical foundations and applications in real industrial environments. The analysis begins with a presentation of traditional scheduling methods, such as Gantt charts and network diagrams, which, although fundamental, present significant limitations, especially under conditions of increased uncertainty and complexity.
It then presents the transition from static approaches to dynamic and flexible methods based on artificial intelligence. These techniques include genetic algorithms, particle swarm optimization, ant colony systems, neural networks, reinforcement learning, and fuzzy logic, offering tools that enhance accuracy, adaptability, and predictive capability. Particular emphasis is given to the integration of intelligent techniques within the framework of Industry 4.0, where digital technologies, the Internet of Things (IoT), and cyber-physical systems play a critical role in the collection and analysis of real-time data. These data allow the adaptation of schedules based on the actual conditions of the factory, leading to more sustainable and efficient production processes.
The thesis also focuses on the practical application of these techniques in various sectors, such as energy, food, automotive industry, and small and medium-sized enterprises. The study presents examples where the use of technologies such as digital twins and their integration with ERP/MES systems have led to measurable benefits, such as reduced production times, improved quality, and minimized waste. Ethical and legal dimensions are also examined, with emphasis on issues of algorithm explainability and transparency, as well as the regulatory framework that should govern the development and implementation of such systems in the industrial sector.
The study concludes by presenting future trends, such as the use of sustainability as a core criterion in scheduling and the development of self-improving systems that can autonomously adapt their strategies. These technologies shape a production landscape that is not only intelligent but also environmentally and socially responsible.
The research demonstrates that intelligent techniques, when combined with appropriate technological infrastructures and regulatory frameworks, can bring about a significant transformation in the way production scheduling is approached. Their successful adoption requires not only technological investment but also organizational restructuring, personnel training, and a strategic perception of innovation as a prerequisite for sustainable development.
This thesis contributes to the existing literature by presenting a comprehensive approach that combines theory and practice, technical analysis, and strategic thinking, thereby enhancing the understanding and application of intelligent techniques in the crucial field of production scheduling. | el |
| dc.subject.keyword | Αλγόριθμοι | el |
| dc.subject.keyword | Χρονοπρογραμματισμός παραγωγής | el |
| dc.subject.keyword | Ευφυείς τεχνικές | el |
| dc.subject.keyword | Τεχνητή νοημοσύνη | el |
| dc.date.defense | 2025-09-26 | |
