Συντάχθηκε 23-06-2023 11:14
Τόπος:
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 26/06/2023 12:00
Λήξη: 26/06/2023 13:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ
Ονοματεπώνυμο: Χαιρέτης Λυκούργος
Αριθμός Μητρώου: 2014010124
Θέμα
Τίτλος στα Ελληνικά: Βελτιστοποίηση της απόδοσης γραμμών παραγωγής μεγάλης βιομηχανίας με χρήση BPMN 2.0, προσομοίωσης, στατιστικών μεθόδων & μηχανικής μάθησης
Τίτλος στα Αγγλικά: Optimization the performance of a large industry production lines using BPMN 2.0, simulation, statistical methods & machine learning
Εξεταστική Επιτροπή:
Επιβλέπων: Τσαφαράκης Στέλιος
Πρώτο Μέλος: Σπανουδάκης Νικόλαος
Δεύτερο Μέλος: Δούμπος Μιχαήλ
Περίληψη
Περίληψη της εργασίας στα Ελληνικά:
Η παρούσα διπλωματική εργασία πραγματεύεται την μοντελοποίηση και την προσομοίωση επιχειρησιακών διαδικασιών, την πρόβλεψη της παραγωγικότητας των επόμενων μηνών μιας πραγματικής γραμμής παραγωγής καθώς και τη σχέση της παραγωγικότητάς της με τις εποχές. Πιο συγκεκριμένα, εμπεριέχει τις διαδικασίες σε διαγραμματική μορφή σύμφωνα με τις πληροφορίες που συλλέχτηκαν από συζητήσεις με τους υπεύθυνους μηχανικούς, χειριστές, ποιοτικό έλεγχο και τον υπεύθυνο παραγωγής της βιομηχανικής μονάδας. Τα μοντέλα των διαδικασιών απεικονίστηκαν με την χρήση της μεθόδου BPMN 2.0 και χρησιμοποιήθηκε το λογισμικό Camunda Modeler. Έγινε επίσης συλλογή και ανάλυση δεδομένων τα οποία χρησιμοποιήθηκαν στην προσομοίωση, στην πρόβλεψη με μηχανική μάθηση καθώς και στην στατιστική μέθοδο. Η ανάλυση δεδομένων η μηχανική μάθηση και η στατιστική μέθοδος έγιναν με την χρήση του MS Excel και της γλώσσας προγραμματισμού Python ενώ η προσομοίωση με το λογισμικό Bimp.
Περίληψη της εργασίας στα Αγγλικά:
The aim of this paper is to showcase the process modeling and the simulation of business processes, the forecast of the factory productivity in the future months, as well as to cover the relation between the productivity of an industrial unit with the seasons of the year. More specifically, in the current paper one can find the processes in linear form according to the information collected through inquires, discussions with the engineers, the handlers, and the production manager and last but not least with the quality control officers. The process models have been depicted with the use of the BPMN 2.0 method, as well as the Camunda Modeler software. Moreover, data collection and analysis was performed and the data was used in the simulation processes, at the prediction with machine learning and in the statistical method. The data analysis and the machine learning were performed with the use of MS Excel and the Python software while the simulation was done with the use of the Bimp software.
Ημερομηνία Εξέτασης
Ημέρα/Μήνας/Έτος: 26/06/2023
Ώρα: 12:00 μ.μ.
Χώρος Εξέτασης Σύνδεσμος :https://tuc-gr.zoom.us/j/84376874961?pwd=WTVEY1RZQzhST0lUcDNuR1U5T1M1dz09
