| dc.contributor.advisor | Λιαγκούρας, Κωνσταντίνος | |
| dc.contributor.author | Μαντζάρης, Λεωνίδας | |
| dc.date.accessioned | 2026-04-21T13:13:08Z | |
| dc.date.available | 2026-04-21T13:13:08Z | |
| dc.date.issued | 2026-02 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/19181 | |
| dc.description.abstract | Η παρούσα εργασία εξετάζει τη χρήση ευφυών τεχνικών στον χρονοπρογραμματισμό παραγωγής και στην προληπτική συντήρηση του μηχανολογικού εξοπλισμού, με στόχο τη διερεύνηση του τρόπου με τον οποίο οι μέθοδοι τεχνητής νοημοσύνης και οι σύγχρονες υπολογιστικές προσεγγίσεις μπορούν να βελτιώσουν την αποδοτικότητα των βιομηχανικών συστημάτων. Μέσα από βιβλιογραφική ανασκόπηση αναλύονται τεχνικές όπως οι γενετικοί αλγόριθμοι, οι μεταευρετικές μέθοδοι, η μηχανική μάθηση και η βαθιά μάθηση, τόσο ως προς τη συμβολή τους στη βελτιστοποίηση του προγράμματος παραγωγής όσο και ως προς την έγκαιρη πρόβλεψη βλαβών και την υποστήριξη αποφάσεων συντήρησης. Η εργασία αναδεικνύει ότι ο αποτελεσματικός συνδυασμός χρονοπρογραμματισμού και συντήρησης μπορεί να περιορίσει τις απρογραμμάτιστες διακοπές, να αυξήσει τη διαθεσιμότητα του εξοπλισμού, να μειώσει το λειτουργικό κόστος και να ενισχύσει τη συνολική αξιοπιστία του παραγωγικού συστήματος. Παράλληλα, επισημαίνονται τα βασικά ερευνητικά κενά, όπως η περιορισμένη χρήση πραγματικών βιομηχανικών δεδομένων, η δυσκολία γενίκευσης των μοντέλων και η ανάγκη ανάπτυξης ολοκληρωμένων πλαισίων που να συνδυάζουν πρόβλεψη, βελτιστοποίηση και δυναμική λήψη αποφάσεων. Συμπερασματικά, οι ευφυείς τεχνικές αποτελούν κρίσιμο εργαλείο για τη μετάβαση προς πιο ευέλικτα, αποδοτικά και ανθεκτικά βιομηχανικά περιβάλλοντα. | el |
| dc.format.extent | 96 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.title | Χρήση ευφυών τεχνικών για τον χρονοπρογραμματισμό παραγωγής και την προληπτική συντήρηση του μηχανολογικού εξοπλισμού | el |
| dc.title.alternative | Use of intelligent techniques for production scheduling and preventive maintenance of mechanical equipment | el |
| dc.type | Bachelor Dissertation | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
| dc.description.abstractEN | This thesis examines the use of intelligent techniques in production scheduling and preventive maintenance of mechanical equipment, aiming to investigate how artificial intelligence methods and modern computational approaches can improve the efficiency of industrial systems. Through a literature review, techniques such as genetic algorithms, metaheuristic methods, machine learning, and deep learning are analyzed in terms of their contribution both to production schedule optimization and to early fault prediction and maintenance decision support. The study highlights that the effective integration of scheduling and maintenance can reduce unplanned downtime, increase equipment availability, lower operating costs, and enhance the overall reliability of the production system. At the same time, the main research gaps are identified, including the limited use of real industrial data, the difficulty of generalizing models, and the need to develop integrated frameworks that combine prediction, optimization, and dynamic decision-making. In conclusion, intelligent techniques constitute a critical tool for the transition toward more flexible, efficient, and resilient industrial environments. | el |
| dc.subject.keyword | Ευφυείς τεχνικές | el |
| dc.subject.keyword | Χρονοπρογραμματισμός παραγωγής | el |
| dc.subject.keyword | Προληπτική συντήρηση | el |
| dc.date.defense | 2026-03 | |
