Επαυξημένη λήψη αποφάσεων στον τομέα της ναυτιλιακής μεταποίησης : ξεπερνώντας τα εμπόδια στην ενσωμάτωση της τεχνητής νοημοσύνης σε εξειδικευμένες ελληνικές ΜμΕ
| dc.contributor.advisor | Καραλέκας, Δημήτριος | |
| dc.contributor.author | Παπαναγόπουλος, Ευάγγελος | |
| dc.date.accessioned | 2026-10-15T06:16:57Z | |
| dc.date.available | 2026-10-15T06:16:57Z | |
| dc.date.issued | 2026 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/19863 | |
| dc.description.abstract | Ο ψηφιακός μετασχηματισμός της μεταποίησης δημιουργεί νέες δυνατότητες αξιοποίησης της Τεχνητής Νοημοσύνης (ΤΝ) για την υποστήριξη του παραγωγικού προγραμματισμού και της λήψης αποφάσεων. Ωστόσο, η υιοθέτηση τέτοιων τεχνολογιών εξακολουθεί να παρουσιάζει σημαντικές προκλήσεις για μικρομεσαίες επιχειρήσεις (ΜμΕ) που λειτουργούν σε περιβάλλοντα υψηλής ποικιλομορφίας και χαμηλού όγκου παραγωγής (High-Mix, Low-Volume – HMLV), όπου η λειτουργική μεταβλητότητα, οι εξατομικευμένες απαιτήσεις και η εξάρτηση από άρρητη οργανωσιακή γνώση αυξάνουν την πολυπλοκότητα του παραγωγικού προγραμματισμού. Η παρούσα εργασία διερευνά τις συνθήκες παραγωγικού προγραμματισμού και τους τεχνολογικούς, οργανωσιακούς και περιβαλλοντικούς παράγοντες που διαμορφώνουν την ετοιμότητα και τα εμπόδια υιοθέτησης συστημάτων Επαυξημένης Λήψης Αποφάσεων (Augmented Decision-Making – ADM) σε εξειδικευμένες ελληνικές ναυτιλιακές μεταποιητικές ΜμΕ. Υιοθετείται πραγματιστικός συγκλίνων σχεδιασμός μικτής μεθοδολογίας, ο οποίος συνδυάζει ποσοτική διερεύνηση (N=16) με ποιοτική ανάλυση τριών επιχειρησιακών περιπτώσεων, βάσει ημι-δομημένων συνεντεύξεων. Τα δύο σύνολα δεδομένων αναλύονται αρχικά διακριτά και ενοποιούνται κατά την ερμηνεία των ευρημάτων υπό το πρίσμα του πλαισίου Technology–Organization–Environment (TOE). Τα αποτελέσματα αναδεικνύουν συχνές μεταβολές του παραγωγικού προγράμματος και μία περιγραφική αναντιστοιχία, στο εξεταζόμενο δείγμα, μεταξύ της λειτουργικής πολυπλοκότητας των εξεταζόμενων παραγωγικών περιβαλλόντων και του επιπέδου τεχνολογικής υποστήριξης του προγραμματισμού. Παράλληλα, καταγράφεται εκτεταμένη εξάρτηση από άρρητη οργανωσιακή γνώση και ανθρώπινες ευρετικές πρακτικές για τη διαχείριση λειτουργικών διαταραχών. Στο εξεταζόμενο δείγμα, τα συχνότερα αναφερόμενα εμπόδια υιοθέτησης της ΤΝ αφορούν την ποιότητα των δεδομένων, την οργανωσιακή αδράνεια και τις ελλείψεις δεξιοτήτων, ενώ οι άμεσοι οικονομικοί περιορισμοί αναφέρονται λιγότερο συχνά. Οι διερευνητικοί ακριβείς στατιστικοί έλεγχοι δεν ανέδειξαν στατιστικά σημαντικές σχέσεις, γεγονός που, σε συνδυασμό με το περιορισμένο μέγεθος του δείγματος, επιβάλλει προσεκτική ερμηνεία των αποτελεσμάτων. Η ενοποίηση των ευρημάτων υποδεικνύει ότι η προσαρμογή στη λειτουργική μεταβλητότητα αποτελεί κοινωνικοτεχνική ικανότητα που συνδυάζει τεχνολογικά εργαλεία, ανθρώπινη κρίση και οργανωσιακούς μηχανισμούς. Σε θεωρητικό επίπεδο, προτείνεται διερευνητικά ένα Μοντέλο Διπλού Επιπέδου Απορρόφησης της Αστάθειας του Παραγωγικού Προγραμματισμού, το οποίο διακρίνει μεταξύ μακρο-στρατηγικών και μικρο-λειτουργικών μηχανισμών απορρόφησης της μεταβλητότητας. Σε εφαρμοστικό επίπεδο, προτείνεται ένα σταδιακό πλαίσιο μετάβασης προς την ADM, το οποίο αντιμετωπίζει την υιοθέτηση της ΤΝ ως διαδικασία ανάπτυξης κοινωνικοτεχνικών ικανοτήτων και δίνει έμφαση στη συμπληρωματικότητα μεταξύ ανθρώπινης εμπειρογνωμοσύνης και αλγοριθμικής υποστήριξης. | 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.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
| dc.title | Επαυξημένη λήψη αποφάσεων στον τομέα της ναυτιλιακής μεταποίησης : ξεπερνώντας τα εμπόδια στην ενσωμάτωση της τεχνητής νοημοσύνης σε εξειδικευμένες ελληνικές ΜμΕ | el |
| dc.title.alternative | Augmented decision-making in maritime manufacturing : overcoming barriers to AI integration in specialized Greek SMEs | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Ναυτιλίας και Βιομηχανίας. Tμήμα Βιομηχανικής Διοίκησης και Tεχνολογίας | el |
| dc.description.abstractEN | The digital transformation of manufacturing creates new opportunities for applying Artificial Intelligence (AI) to production planning and decision support. However, the adoption of such technologies remains challenging for small and medium-sized enterprises (SMEs) operating in High-Mix, Low-Volume (HMLV) environments, where operational variability, customised requirements, and reliance on tacit organisational knowledge increase the complexity of production planning. This thesis investigates the conditions shaping production planning and the technological, organisational, and environmental factors shaping the readiness for and barriers to the adoption of Augmented Decision-Making (ADM) systems in specialised Greek maritime manufacturing SMEs. A pragmatist convergent mixed-methods design combines a quantitative investigation (N=16) with a qualitative analysis of three organisational cases through semi-structured interviews. The two datasets are initially analysed separately and subsequently integrated during the interpretation of the findings through the Technology–Organization–Environment (TOE) framework. The results reveal frequent production-schedule changes and a descriptive mismatch between the operational complexity of the examined manufacturing environments and the level of technological support available for production planning. The findings also indicate substantial reliance on tacit organisational knowledge and experience-based heuristics to manage operational disruptions. Within the examined sample, the most frequently reported barriers to AI adoption concern data quality, organisational inertia, and skills shortages, whereas direct financial constraints are reported less frequently. The exploratory exact statistical tests identified no statistically significant relationships; given the limited sample size, these findings require cautious interpretation. The integration of the findings suggests that adaptation to operational variability represents a socio-technical capability combining technological tools, human judgement, and organisational mechanisms. At the theoretical level, the thesis proposes an exploratory Dual-Tier Schedule Nervousness Absorption Model, distinguishing between macro-strategic and micro-operational mechanisms for absorbing variability. From a practical and managerial perspective, the thesis proposes a phased transition framework towards ADM that conceptualises AI adoption as a process of developing socio-technical capabilities and emphasises complementarity between human expertise and algorithmic decision support. | el |
| dc.contributor.master | Βιομηχανική Διοίκηση και Τεχνολογία | el |
| dc.subject.keyword | Τεχνητή νοημοσύνη | el |
| dc.subject.keyword | Επαυξημένη λήψη αποφάσεων | el |
| dc.subject.keyword | High-Mix Low-Volume | el |
| dc.subject.keyword | Παραγωγικός προγραμματισμός | el |
| dc.subject.keyword | Άρρητη οργανωσιακή γνώση | el |
| dc.subject.keyword | Technology–Organization–Environment | el |
| dc.date.defense | 2026-10-08 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Βιομηχανικής Διοίκησης και Τεχνολογίας
Department of Industrial Management and Technology
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα