| dc.contributor.advisor | Κλεάνθους, Πάρις | |
| dc.contributor.author | Βούλγαρης, Σπυρίδων | |
| dc.contributor.other | Voulgaris, Spyridon | |
| dc.coverage.spatial | Κύπρος | el_GR |
| dc.date.accessioned | 2021-02-26T10:23:05Z | |
| dc.date.available | 2021-02-26T10:23:05Z | |
| dc.date.copyright | 2021-02-26 | |
| dc.date.issued | 2020-12 | |
| dc.identifier.other | ΔΤΠ/2020/00196 | el_GR |
| dc.identifier.uri | http://hdl.handle.net/11128/4806 | |
| dc.description | Περιέχει βιβλιογραφικές παραπομπές. | el_GR |
| dc.description.abstract | Η παρούσα μεταπτυχιακή διατριβή στοχεύει στο σχεδιασμό νέων λύσεων που βασίζονται σε τεχνολογίες όπως το Agent-based Digital Twin, το AI (τεχνητή νοημοσύνη) και το Blockchain για την βελτιστοποίηση της ποιότητας της παραγωγής καθώς και των προϊόντων των εμπλεκομένων στην αλυσίδα εφοδιασμού, σύμφωνα με τις απαιτήσεις των πελατών σε όρους ποιότητας, ακρίβειας και ορθότητας δεδομένων.
Οι προτεινόμενες λύσεις θα ενσωματώσουν έξυπνα, γνωστικά, προσαρμοστικά και οικονομικά αποδοτικά εργαλεία/μέσα (σένσορες, ενεργοποιητικούς μηχανισμούς κ.α.) για την παρακολούθηση και τον έλεγχο των εγκαταστάσεων παραγωγής (shop floor/τοπικό επίπεδο) των εμπλεκομένων στην αλυσίδα εφοδιασμού (καθολικό επίπεδο). Η σημασία της εισαγωγής της αλυσίδας εφοδιασμού ως ένα επιπλέον επίπεδο αναφοράς (βλ. παραπάνω τοπικό/καθολικό επίπεδο) έγκειται στη δυνατότητα αποφυγής ενός ‘’domino effect’’ στη διάδοση φυσικών ελαττωμάτων, από την πρώτη ύλη έως το τελικό προϊόν καθώς επίσης και της διασφάλισης της ακεραιότητας των δεδομένων κατά τη πορεία του προϊόντος στην εφοδιαστική αλυσίδα. Επιπλέον, η τεράστια ποσότητα των δεδομένων που παράγεται στην αλυσίδα εφοδιασμού δεν μπορεί να υποβληθεί σε αποτελεσματική επεξεργασία χρησιμοποιώντας παραδοσιακές μεθόδους επεξεργασίας. Αυτό συνεπάγεται την ανάγκη για προσεγγίσεις Big Data και AI (τεχνητή νοημοσύνη) στον έλεγχο ποιότητας.
Στο πλαίσιο αυτό, η παρούσα διατριβή στοχεύει στην ανάπτυξη έξυπνων συστημάτων ελέγχου ποιότητας για τα προϊόντα και το data upstream της αλυσίδας εφοδιασμού μέσω ενός distributed ledger (blockchain). Ο πραγματικός χρόνος και η έγκαιρη αναγνώριση των αποκλίσεων και τάσεων, που εκτελούνται σε τοπικό επίπεδο (shop floor/εγκαταστάσεις), επιτρέπουν την πρόληψη και την αποτροπή δημιουργίας ελαττωμάτων σε ένα συγκεκριμένο στάδιο της αλυσίδας εφοδιασμού (καθολικό επίπεδο) και τη διάδοσή-μεταφορά τους σε μεταγενέστερες διαδικασίες επιτρέποντας έτσι στο σύστημα ελέγχου που θα αναπτυχθεί να είναι προγνωστικό και προληπτικό. | el_GR |
| dc.format.extent | 81 σ. 30 εκ. | el_GR |
| dc.language | gr | el_GR |
| dc.language.iso | gr | el_GR |
| dc.publisher | Ανοικτό Πανεπιστήμιο Κύπρου | el_GR |
| dc.rights | info:eu-repo/semantics/closedAccess | el_GR |
| dc.subject | Τεχνητή νοημοσύνη -- Αξιολόγηση ποιότητας | el_GR |
| dc.subject | Artificial intelligence -- Quality assessment | el_GR |
| dc.subject | Agent-based Digital Twin | el_GR |
| dc.subject | Blockchain | el_GR |
| dc.title | Ποιοτικός έλεγχος στην έξυπνη βιομηχανία και την αλυσίδα αξίας 4.0 | el_GR |
| dc.type | Μεταπτυχιακή Διατριβή | el_GR |
| dc.description.translatedabstract | This master dissertation aims at designing new solutions founded on Agent-based Digital Twin, AI and Blockchain in order to optimize the quality of manufacturing operations and the products of supply chain players, subject to customer requirements in terms of quality, data accuracy, and precision.
These solutions will integrate intelligent, cognitive, adaptive, and cost-effective instruments for monitoring and controlling the shop floor of different players of a supply chain. The importance of introducing this perspective lies in the possibility of avoiding a domino effect in propagation of physical defects, from raw material to finished product, and in data integrity. The amount of data generated in a supply chain system cannot be processed efficiently using traditional processing methods. This implies the need for Big data and AI approaches in quality control.
In this context, this master dissertation aims at developing smart quality control systems for products and data upstream of the supply chain through distributed ledger – blockchain. Real time and early identification of deviations and trends, performed at local level, allow preventing the generation of defects at single stage and their propagation to down-stream processes, enabling the global system to be predictive and proactive. | el_GR |
| dc.format.type | pdf | el_GR |
