Πρωτότυπος Τίτλος:
Ανάλυση Δεδομένων Σχετικών με Αιτήσεις και Χορηγήσεις Υλικών Αποθηκών
Συγγραφέας:
Καούνας, Γεώργιος, Αχιλλέας
Επιβλέπων καθηγητής:
Βαμβακάρη, Μαλβίνα
Περίληψη:
Τα δεδομένα προέρχονται από εταιρεία logistics, που διαθέτει αποθήκες σε όλη τη χώρα. Αφορούν αιτήσεις υλικών και αντίστοιχες χορηγήσεις για ικανοποίηση των αιτήσεων αυτών. Αφορούν χρονικό διάστημα 5ετίας, από αρχές 2015 έως το τέλος 2019. Τα δεδομένα, μέσω υφιστάμενης εφαρμογής και μεθόδων μηχανικής δεδομένων συλλέγονται στο κεντρικό υπολογιστικό σύστημα του οργανισμού και από εκεί γίνεται η επεξεργασία τους από τους αρμόδιους φορείς. Σκοπός της εργασίας είναι με την χρήση μεθόδων περιγραφικής στατιστικής να γίνει κατανόηση των δεδομένων και να μελετηθούν οι τάσεις μέσα σε αυτά (ειδικότερα μεταξύ των ομάδων των υλικών), χρησιμοποιώντας διαγράμματα και μελετώντας τους μέσους όρους, τα τεταρτημόρια, το ενδοτεταρτημοριακό εύρος και άλλα.
Έπειτα για την περαιτέρω μελέτη και κατανόηση των δεδομένων, με σκοπό την κατηγοριοποίηση και όσον το δυνατόν την καλύτερη πρόβλεψη, θα χρησιμοποιηθούν μέθοδοι επιβλεπόμενης μηχανικής μάθησης. Κυρίως η απαίτηση ήταν η κατηγοριοποίηση και η πρόβλεψη ως προς την χορηγούμενη ποσότητα, και με ποια χαρακτηριστικά μία αίτηση ικανοποιείται ή όχι. Επιπλέον μια επιπλέον απαίτηση και η συμπεριφορά των δεδομένων όχι μόνο ανά κωδικών αιτήσεων, αλλά και ανά κωδικό προϊόντος, χρησιμοποιώντας τις ίδιες μεθόδους.
Τέλος, για την επιπλέον μελέτη της κατηγοριοποίησης, χρησιμοποιήθηκαν μέθοδοι συσταδοποίησης, χρησιμοποιώντας και ως παράμετρο το πλήθος των ομάδων των υλικών.
Παρατηρείται ότι το συγκεκριμένο πρόβλημα αφορά ένα πρόβλημα ανάλυσης δεδομένων, που απαιτεί αρχικά καλή επεξεργασία των δεδομένων, καλή μελέτη των ποσοτικών χαρακτηριστικών και προσεχτική ερμηνεία των αποτελεσμάτων της χρήσης των αλγορίθμων επιβλεπόμενης μάθησης και συσταδοποίησης. Με το τέλος της μελέτης, θα παραδοθεί στην διοίκηση της επιχείρησης μια εμπεριστατωμένη εικόνα για τις δραστηριότητές της, ώστε να ληφθούν οι τυχόν απαραίτητες ενέργειες.
Έπειτα για την περαιτέρω μελέτη και κατανόηση των δεδομένων, με σκοπό την κατηγοριοποίηση και όσον το δυνατόν την καλύτερη πρόβλεψη, θα χρησιμοποιηθούν μέθοδοι επιβλεπόμενης μηχανικής μάθησης. Κυρίως η απαίτηση ήταν η κατηγοριοποίηση και η πρόβλεψη ως προς την χορηγούμενη ποσότητα, και με ποια χαρακτηριστικά μία αίτηση ικανοποιείται ή όχι. Επιπλέον μια επιπλέον απαίτηση και η συμπεριφορά των δεδομένων όχι μόνο ανά κωδικών αιτήσεων, αλλά και ανά κωδικό προϊόντος, χρησιμοποιώντας τις ίδιες μεθόδους.
Τέλος, για την επιπλέον μελέτη της κατηγοριοποίησης, χρησιμοποιήθηκαν μέθοδοι συσταδοποίησης, χρησιμοποιώντας και ως παράμετρο το πλήθος των ομάδων των υλικών.
Παρατηρείται ότι το συγκεκριμένο πρόβλημα αφορά ένα πρόβλημα ανάλυσης δεδομένων, που απαιτεί αρχικά καλή επεξεργασία των δεδομένων, καλή μελέτη των ποσοτικών χαρακτηριστικών και προσεχτική ερμηνεία των αποτελεσμάτων της χρήσης των αλγορίθμων επιβλεπόμενης μάθησης και συσταδοποίησης. Με το τέλος της μελέτης, θα παραδοθεί στην διοίκηση της επιχείρησης μια εμπεριστατωμένη εικόνα για τις δραστηριότητές της, ώστε να ληφθούν οι τυχόν απαραίτητες ενέργειες.
Ημερομηνία κατάθεσης:
2020-09-02
Γλώσσες Τεκμηρίου:
Ελληνικά
Θεματικές Κατηγορίες:
Ηλεκτρονικοί υπολογιστές. Επιστήμη των υπολογιστών
Λοιπά Θέματα:
Εφοδιαστική - Ελλάδα
Εξόρυξη δεδομένων
Εξόρυξη δεδομένων
Λέξεις-κλειδιά:
ανάλυση δεδομένων
Περιγραφή:
79 σ.:εικ.,πίν.,διαγρ.,σχ.
Άδεια χρήσης:
Αναφορά Δημιουργού – Μη Εμπορική Χρήση – Όχι Παράγωγα Έργα 4.0
