Πρόβλεψη κατανάλωσης καυσίμων πλοίων με χρήση τεχνικών μηχανικής μάθησης

Σαράντος, Παρασκευάς; Sarantos, Paraskefas

dc.contributor.author	Σαράντος, Παρασκευάς	el
dc.contributor.author	Sarantos, Paraskefas	en
dc.date.accessioned	2024-02-09T09:30:44Z
dc.date.available	2024-02-09T09:30:44Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/58821
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.26517
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.subject	Machine Learning	en
dc.subject	Fuel	en
dc.subject	Prediction	en
dc.subject	Shipping	en
dc.subject	Performance	en
dc.subject	Μηχανική Μάθηση	el
dc.subject	Καύσιμο	el
dc.subject	Πρόβλεψη	el
dc.subject	Ναυτιλία	el
dc.subject	Απόδοση	el
dc.title	Πρόβλεψη κατανάλωσης καυσίμων πλοίων με χρήση τεχνικών μηχανικής μάθησης	el
dc.title	Prediction of Ship Fuel Oil Consumption using Machine Learning Algorithms	en
heal.type	bachelorThesis
heal.classification	Mechanical Engineering	en
heal.classification	Nautical Engineering	en
heal.classification	Machine Learning	en
heal.language	el
heal.access	campus
heal.recordProvider	ntua	el
heal.publicationDate	2023-09
heal.abstract	Η διπλωματική εργασία με τίτλο «Πρόβλεψη κατανάλωσης καυσίμων πλοίων με χρήση τεχνικών μηχανικής μάθησης», αποσκοπεί στην αναζήτηση του βέλτιστου αλγορίθμου μηχανικής μάθησης ως προς την ακρίβεια της πρόβλεψης κατανάλωσης καυσίμου του πλοίου NISSOS SIFNOS. Αρχικά γίνεται μια γενική αναφορά στη τεχνητή νοημοσύνη. Εδώ, αναλύονται οι βασικότερες εφαρμογές της στον σύγχρονο κόσμο και τους τρόπους με τους οποίους η μηχανική μάθηση έχει επηρεάσει καθοριστικά τον τρόπο ζωής μας. Εν συνεχεία, περιγράφεται το σύνολο των εφαρμογών της τεχνητής νοημοσύνης που χρησιμοποιούνται στη ναυτιλία και τον τρόπο με τον οποίο έχουν εκσυγχρονίσει και αυτοματοποιήσει πολύπλοκες και χρονοβόρες διαδικασίες. Στη συνέχεια περιγράφεται η οργανωτική δομή του παρόχου δεδομένων Kyklades Maritime, το σύνολο δεδομένων το οποίο έχουμε στη διάθεση μας, καθώς επίσης και τα λειτουργικά χαρακτηριστικά του υπό μελέτη πλοίου NISSOS SIFNOS. Έχοντας δημιουργήσει μια σαφή εικόνα για τη συμπεριφορά του πλοίου, πραγματοποιείται μια πρόβλεψη της κατανάλωσής του με χρήση των συμβατικών μεθόδων που χρησιμοποιούνται αυτή τη στιγμή στον κλάδο. Μέσα από τη περιγραφή των διαδικασιών αυτών αναδεικνύονται οι αδυναμίες των συμβατικών μεθόδων αλλά και η αναγκαιότητα της εφαρμογής αλγορίθμων μηχανικής μάθησης. Με έναυσμα τη προαναφερθείσα ανάλυση, ακολουθεί η εκπαίδευση και αξιολόγηση πολυάριθμων αλγορίθμων τεχνητής νοημοσύνης, με στόχο την εύρεση του ακριβέστερου μοντέλου πρόβλεψης κατανάλωσης καυσίμου του NISSOS SIFNOS. Τέλος, μέσω της έκθεσης επιχειρησιακής σκοπιμότητας της εφαρμογής αλγορίθμων τεχνητής νοημοσύνης, αποδεικνύεται έμπρακτα η οικονομική αναγκαιότητα της μηχανικής μάθησης στο κλάδο της ναυτιλίας. Τα απαραίτητα δεδομένα για την πραγματοποίηση της παραπάνω ανάλυσης αντλήθηκαν από τις βάσεις δεδομένων της ναυτιλιακής εταιρείας Kyklades Maritime Corporations, για το προαναφερθέν σκάφος, στο χρονικό διάστημα από 22/09/2020 μέχρι 10/02/2023.	el
heal.advisorName	Ponis, Stavros	en
heal.committeeMemberName	Askounis, Dimitris	en
heal.committeeMemberName	Kirytopoulos, Konstantinos	en
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Μηχανολόγων Μηχανικών. Τομέας Βιομηχανικής Διοίκησης και Επιχειρησιακής Έρευνας	el
heal.academicPublisherID	ntua
heal.numberOfPages	172 σ.	el
heal.fullTextAvailability	false