Αναγνώριση Επιχειρησιακών Διαδικασιών και Ταξινόμηση ως Αυτοματοποιήσιμων ή Μη Με Χρήση Μηχανικής Μάθησης

Μεγαλοοικονόμου, Ειρήνη; Megalooikonomou, Eirini

dc.contributor.author	Μεγαλοοικονόμου, Ειρήνη	el
dc.contributor.author	Megalooikonomou, Eirini	en
dc.date.accessioned	2021-07-14T11:02:58Z
dc.date.available	2021-07-14T11:02:58Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/53622
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.21320
dc.rights	Default License
dc.subject	Μηχανική μάθηση	el
dc.subject	Επεξεργασία φυσικής γλώσσας	el
dc.subject	Ψηφιακά ρομπότ	el
dc.subject	Ταξινόμηση εργασιών	el
dc.subject	Αυτοματοποίηση	el
dc.subject	Machine learning	en
dc.subject	Natural language processing	en
dc.subject	Automisation	en
dc.subject	Soft robotics	en
dc.subject	Classification	en
dc.title	Αναγνώριση Επιχειρησιακών Διαδικασιών και Ταξινόμηση ως Αυτοματοποιήσιμων ή Μη Με Χρήση Μηχανικής Μάθησης	el
heal.type	bachelorThesis
heal.classification	Πληροφορική	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-04-22
heal.abstract	Η συνεχής ψηφιοποίηση που λαμβάνει χώρα τα τελευταία χρόνια στον κόσμο των επι-χειρήσεων, έχει ως αποτέλεσμα την ανάγκη για αυτοματοποίηση των διαδικασιών που τιςαποτελούν. Αυτή η ανάγκη έχει οδηγήσει σε ένα αυξημένο ενδιαφέρον για τα ψηφιακά ρο-μπότ -RPA(Robotic Process Automation). Πρόκειται για λογισμικό το οποίο αυτόματαεκτελεί επαναλαμβανόμενες εργασίες. ΤοRPAβοήθησε τις επιχειρήσεις να μειώσουν δραστι-κά τα εργασιακά καθήκοντα των υπαλλήλων, ιδίως στη χειρονακτική εργασία, δίνοντας τουςτην ευκαιρία να εργαστούν σε καλύτερες συνθήκες εν αντιθέσει με το παρελθόν.Τα οφέλη του RPA στην εξοικονόμηση του κόστους και σε άλλους σχετικούς δείκτες α-πόδοσης έχουν παρουσιαστεί εκτενώς. Παρ’όλα αυτά μια από τις μεγαλύτερες προκλήσειςπου αφορούν τοRPAείναι η αποτελεσματική αναγνώριση διαδικασιών και εργασιών πουθεωρούνται κατάλληλες για αυτοματοποίηση. Συνήθως οι περιγραφές των διαδικασιών πουακολουθούνται σε έναν οργανισμό, όπως οι οδηγίες για μια αναφορά, υπάρχουν σε μορφήκειμένου και εκεί παρέχεται σημαντική γνώση για το ενδεχόμενο επίπεδο αυτοματοποίη-σης. Ωστόσο οι επιχειρήσεις συχνά διατηρούν εκατοντάδες ή ακόμα χιλιάδες από αυτέςτις περιγραφές, το οποίο βεβαίως καθιστά την χειρονακτική ανάλυση μη εφικτή, ειδικά γιαμεγαλύτερου μεγέθους οργανισμούς.Αναγνωρίζοντας την μεγάλη χειρονακτική προσπάθεια που απαιτείται για τον καθορι-σμό του τρέχοντα βαθμού αυτοματισμού σε μια επιχειρησιακή διαδικασία, προτείνουμε μιαμέθοδο η οποία μπορεί αυτόματα να κάνει αυτήν την αναγνώριση.Πιο συγκεκριμένα στην παρούσα διπλωματική εργασία έχοντας ως είσοδο έγγραφα δια-δικασιών, χρησιμοποιούμε εργαλεία για την επεξεργασία φυσικής γλώσσας (NLP - NaturalLanguage Process) με σκοπό την αναγνώριση του εκάστοτε κειμένου και αξιοποιούμε τηνεπιβλεπόμενη μάθηση (supervised machine learning) για να ταξινομήσουμε μια εργασίαπου περιγράφεται σε αυτά τα έγγραφα ως πλήρως χειρονακτική (manual- 0 ), ως αλληλε-πίδραση ανθρώπου με κάποιο σύστημα (interaction of human with information system- 1) ή ως αυτόματη (automated- 2 ).Η αξιολόγηση έγινε με ένα σετ 507 δραστηριοτήτων από ένα σύνολο 47 κειμένων μεπεριγραφές διαδικασιών και επιδεικνύει πως η μέθοδος μας παράγει ικανοποιητικά αποτε-λέσματα.	el
heal.advisorName	Σταφυλοπάτης, Ανδρέας Γεώργιος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας Γεώργιος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Κόλλιας, Στέφανος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Συστημάτων Μετάδοσης Πληροφορίας και Τεχνολογίας Υλικών. Εργαστήριο Ευφυών Επικοινωνιών και Δικτύων Ευρείας Ζώνης	el
heal.academicPublisherID	ntua
heal.numberOfPages	149 σ.	el
heal.fullTextAvailability	false