Μεγάλα δεδομένα και αναλυτική στα logistics και στη διοίκηση εφοδιαστικής αλυσίδας

Γερογιάννης, Νικόλαος; Gerogiannis, Nikolaos

dc.contributor.advisor	Χονδροκούκης, Γρηγόριος
dc.contributor.author	Γερογιάννης, Νικόλαος
dc.contributor.author	Gerogiannis, Nikolaos
dc.date.accessioned	2023-10-16T12:52:00Z
dc.date.available	2023-10-16T12:52:00Z
dc.date.issued	2023
dc.identifier.uri	https://dione.lib.unipi.gr/xmlui/handle/unipi/15798
dc.identifier.uri	http://dx.doi.org/10.26267/unipi_dione/3220
dc.description.abstract	Τα τελευταία χρόνια παρατηρήθηκε εκθετική αύξηση των δεδομένων, η οποία προκάλεσε την ανάπτυξη των Big data (μεγάλων δεδομένων) ως βασικού εργαλείου για τη λήψη αποφάσεων σε διάφορους κλάδους. Καμία εξαίρεση δεν ισχύει για τα Logistics όσο και για τη διαχείριση της αλυσίδας εφοδιασμού (SCM-Supply Chain Management), όπου οι τεράστιοι όγκοι δεδο-μένων που δημιουργούνται μπορούν να χρησιμοποιηθούν για την ενίσχυση της ικανοποίησης των πελατών και της επιχειρησιακής αποτελεσματικότητας. Δίνοντας έμφαση στον τρόπο με τον οποίο οι πληροφορίες μπορούν να χρησιμοποιηθούν για την ενίσχυση των δραστηριοτή-των της αλυσίδας εφοδιασμού, όπως για παράδειγμα η πρόβλεψη της ζήτησης, η βελτιστο-ποίηση των δρομολογίων, η διαχείριση των προμηθευτών, η διαχείριση των αποθηκών και η διαχείριση των κινδύνων, το παρόν άρθρο εξετάζει τη χρήση των μεγάλων δεδομένων στην εφοδιαστική αλυσίδα. Εξετάζουμε τα πλεονεκτήματα και τις δυσκολίες της αξιοποίησης των μεγάλων δεδομένων στα logistics και τη διαχείριση της εφοδιαστικής αλυσίδας και επισημαί-νουμε τις τρέχουσες εξελίξεις στον τομέα αυτό. Επίσης, δίνουμε μια γενική επισκόπηση της ανάλυσης μεγάλων δεδομένων και των πολλών μεθόδων που μπορούν να χρησιμοποιηθούν για την εξέταση και την κατανόηση μεγάλων δε-δομένων, συμπεριλαμβανομένης της προβλεπτικής ανάλυσης, της μηχανικής μάθησης και της εξόρυξης δεδομένων. Παρέχουμε επίσης μελέτες περιπτώσεων επιχειρήσεων που έχουν χρησιμοποιήσει αποτελεσματικά τα μεγάλα δεδομένα για να βελτιώσουν τις λειτουργίες της αλυσίδας εφοδιασμού τους. Η συζήτησή μας για τις μελλοντικές εξελίξεις στα μεγάλα δεδομένα και την SCM ολοκληρώ-νεται με την ενσωμάτωση των τεχνολογιών blockchain, τεχνητής νοημοσύνης και Διαδικτύου των πραγμάτων (IoT). Τονίζουμε την αξία των μεγάλων δεδομένων στην εφοδιαστική αλυσί-δα και την ανάγκη για περισσότερη μελέτη σε αυτόν τον τομέα καθώς κλείνουμε. Συνολικά, το παρόν άρθρο προσφέρει μια εμπεριστατωμένη επισκόπηση της λειτουργίας των μεγάλων δεδομένων στη διαχείριση της εφοδιαστικής αλυσίδας και των δυνατοτήτων τους να μετασχηματίσουν τον τομέα της εφοδιαστικής. Οι διαχειριστές των logistics και της εφοδια-στικής αλυσίδας μπορούν να λάβουν διορατικές πληροφορίες σχετικά με τις επιχειρηματικές λειτουργίες και να λάβουν καλά ενημερωμένες αποφάσεις που μπορούν τελικά να οδηγή-σουν σε υψηλότερη ικανοποίηση των πελατών, μεγαλύτερη αποτελεσματικότητα και εξοικο-νόμηση κόστους, αξιοποιώντας τη δύναμη των big data.	el
dc.format.extent	84	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	Μεγάλα δεδομένα και αναλυτική στα logistics και στη διοίκηση εφοδιαστικής αλυσίδας	el
dc.title.alternative	Big data analytics in logistics and supply chain management	el
dc.type	Master Thesis	el
dc.contributor.department	Σχολή Ναυτιλίας και Βιομηχανίας. Tμήμα Βιομηχανικής Διοίκησης και Tεχνολογίας	el
dc.description.abstractEN	Recent years have seen an exponential increase in data, which has sparked the development of big data as an essential tool for decision-making across a variety of industries. No excep-tion applies to logistics and supply chain management (SCM), where the enormous volumes of data created may be used to boost customer satisfaction and operational effectiveness. With an emphasis on how information may be used to enhance supply chain activities such as demand forecasting, route optimization, supplier management, warehouse management, and risk management, this article examines the use of big data in logistics and SCM. We examine the advantages and difficulties of utilizing big data in logistics and supply chain management and highlight the current developments in this area. Also, we give a general review of big data analytics and the many methods that may be used to examine and understand big data, including predictive analytics, machine learning, and data mining. We also provide case studies of businesses that have effectively used Big Data to enhance their supply chain operations. Our discussion of future developments in big data and SCM concludes with the integration of blockchain, artificial intelligence, and Internet of Things (IoT) technologies. We empha-size the value of big data in SCM and the necessity for more study in this area as we draw to a close. Overall, this article offers a thorough review of big data's function in supply chain man-agement (SCM) and its potential to transform the logistics sector. Logistics and SCM man-agers may get insightful information about business operations and make well-informed decisions that can eventually result in higher customer satisfaction, more efficiency, and cost savings by utilizing the power of big data.	el
dc.contributor.master	Βιομηχανική Διοίκηση και Τεχνολογία	el
dc.subject.keyword	Big data	el
dc.subject.keyword	Logistics	el
dc.subject.keyword	Supply chain management	el
dc.subject.keyword	Analytics	el
dc.subject.keyword	Case studies	el
dc.subject.keyword	Future trends	el
dc.subject.keyword	Optimization	el
dc.subject.keyword	Route planning	el
dc.subject.keyword	Risk management	el
dc.subject.keyword	Procurement	el
dc.subject.keyword	Supplier management	el
dc.subject.keyword	Warehouse management	el
dc.subject.keyword	Warehouse management	el
dc.subject.keyword	Manufacturing	el
dc.subject.keyword	Supply chain sustainability	el
dc.subject.keyword	Predictive analytics	el
dc.date.defense	2023-10-12

Αρχεία σε αυτό το τεκμήριο

Name:: Διπλωματικη Γερογιάννης-Big data ...
Μέγεθος:: 3.306Mb
Τύπος:: PDF
Description:: Μεταπτυχιακή διατριβή

Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Τμήμα Βιομηχανικής Διοίκησης και Τεχνολογίας
Department of Industrial Management and Technology

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα

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