Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
Πολυτεχνείο Κρήτης
EN
|
EL
| URI | http://purl.tuc.gr/dl/dias/E097ED39-EE9B-4278-8E88-16654E1F8D7B | - |
| Αναγνωριστικό | https://doi.org/10.26233/heallink.tuc.92608 | - |
| Γλώσσα | el | - |
| Μέγεθος | 55 σελίδες | el |
| Μέγεθος | 1.4 megabytes | en |
| Τίτλος | Μοντελοποίηση βιομηχανικών διεργασιών επεξεργασίας υγραερίου (LPG) με χρήση τεχνικών μηχανικής μάθησης | el |
| Τίτλος | Modelling industrial processes for LPG treatment using machine learning techniques | en |
| Δημιουργός | Politis Christos | en |
| Δημιουργός | Πολιτης Χρηστος | el |
| Συντελεστής [Επιβλέπων Καθηγητής] | Arampatzis Georgios | en |
| Συντελεστής [Επιβλέπων Καθηγητής] | Αραμπατζης Γεωργιος | el |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Ipsakis Dimitrios | en |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Ιψακης Δημητριος | el |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Konsolakis Michail | en |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Κονσολακης Μιχαηλ | el |
| Εκδότης | Πολυτεχνείο Κρήτης | el |
| Εκδότης | Technical University of Crete | en |
| Ακαδημαϊκή Μονάδα | Technical University of Crete::School of Production Engineering and Management | en |
| Ακαδημαϊκή Μονάδα | Πολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησης | el |
| Περίληψη | Οι σύγχρονες Βιομηχανίες Διεργασιών χαρακτηρίζονται από τον μεγάλο όγκο των δεδομένων που συλλέγονται κατά την παραγωγική διαδικασία. Ταυτόχρονα, η συνεχώς αυξανόμενη υπολογιστική ισχύς, η διεύρυνση των δικτυακών υποδομών και η πρόοδος σε πεδία ανάλυσης δεδομένων όπως αυτό της Τεχνητής Νοημοσύνης, καθιστούν δυνατή την αξιοποίηση των δεδομένων, με σκοπό τη βελτιστοποίηση των συνθηκών παραγωγής ή τον έγκαιρο εντοπισμό προβλημάτων. Στην παρούσα Διπλωματική Εργασία, αναπτύσσεται ένα μοντέλο των διεργασιών επεξεργασίας υγραερίου (Liquefied Petroleum Gas – LPG) σε μια βιομηχανική μονάδα διύλισης πετρελαίου. Το μοντέλο βασίζεται σε δεδομένα (data-driven) που έχουν συλλεχθεί κατά τη λειτουργία ενός διυλιστηρίου και αφορούν σε ροές και συγκεντρώσεις των συστατικών στο μείγμα υγραερίου που υπόκειται σε επεξεργασία καθαρισμού. Για την ανάπτυξη του μοντέλου ακολουθούνται τεχνικές μηχανικής μάθησης (machine learning) και βαθιάς μάθησης (deep learning). | el |
| Τύπος | Διπλωματική Εργασία | el |
| Τύπος | Diploma Work | en |
| Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
| Ημερομηνία | 2022-07-07 | - |
| Ημερομηνία Δημοσίευσης | 2022 | - |
| Θεματική Κατηγορία | Νευρωνικά δίκτυα | el |
| Θεματική Κατηγορία | Στήλες απόσταξης | el |
| Θεματική Κατηγορία | Μοντελοποίηση συστημάτων | el |
| Θεματική Κατηγορία | Χημικές διεργασίες | el |
| Βιβλιογραφική Αναφορά | Χρήστος Πολίτης, "Μοντελοποίηση βιομηχανικών διεργασιών επεξεργασίας υγραερίου (LPG) με χρήση τεχνικών μηχανικής μάθησης", Διπλωματική Εργασία, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2022 | el |
| Βιβλιογραφική Αναφορά | Christos Politis, "Modelling industrial processes for LPG treatment using machine learning techniques ", Diploma Work, School of Production Engineering and Management, Technical University of Crete, Chania, Greece, 2022 | en |
Copyright © DIAS 2013
