BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//TUC//Events//EN
CALSCALE:GREGORIAN
BEGIN:VTIMEZONE
TZID:Europe/Athens
TZNAME:EEST
DTSTART:19700329T030000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0300
TZNAME:EET
DTSTART:19701025T040000
RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
CREATED:20260708T134404Z
LAST-MODIFIED:20260708T134404Z
DTSTAMP:20260719T221904Z
UID:1784488744@tuc.gr
SUMMARY:Παρουσίαση διπλωματικής εργασίας κ. 
 Γεωργίου Συντυχάκη - Σχολή ΗΜΜΥ
LOCATION:
DESCRIPTION:https://www.ece.tuc.gr/el/katalogos-
 ekdiloseon?tx_tucevents2_tuceventsdi
 splay%5Baction%5D=show&tx_tucevents2
 _tuceventsdisplay%5Bcontroller%5D=Ev
 ent&tx_tucevents2_tuceventsdisplay%5
 Bevent%5D=8560&cHash=76554e947cb84ea
 e6d65a01e10bd3c68\nΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗ
 Σ\n Σχολή Ηλεκτρολόγων Μηχανικών και
  Μηχανικών Υπολογιστών\n Πρόγραμμα Π
 ροπτυχιακών Σπουδών\n ΠΑΡΟΥΣΙΑΣΗ ΔΙΠ
 ΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ\n Γεωργίου Συντυχ
 άκη \n με θέμα\n Έλεγχος Γραμμών Παρ
 αγωγής με Ζήτηση Ενδιάμεσων και Τελι
 κών Προϊόντων μέσω Τεχνικών Ενισχυτι
 κής Μάθησης\n Control of Production 
 Lines with Demand for Intermediate a
 nd Final Products through Reinforcem
 ent Learning Techniques\n Εξεταστική
  Επιτροπή\n Καθηγητής Μιχαήλ Γ. Λαγο
 υδάκης (Σχολή ΗΜΜΥ, Επιβλέπων)\n Καθ
 ηγητής Γεώργιος Χαλκιαδάκης (Σχολή Η
 ΜΜΥ)\n Αναπληρωτής Καθηγητής Ευστράτ
 ιος Ιωαννίδης (Σχολή ΜΠΔ)\n Περίληψη
 \n Μια σημαντική πρόκληση στον χώρο 
 της βιομηχανικής παραγωγής αποτελεί 
 η αποδοτική διαχείριση και ο έλεγχος
  των γραμμών παραγωγής σε περιβάλλον
 τα με δυναμική ζήτηση. Στην παρούσα 
 διπλωματική εργασία, αναπτύσσεται μι
 α μεθοδολογία βασισμένη στον Q-learn
 ing, ο οποίος αποτελεί έναν αλγόριθμ
 ο ενισχυτικής μάθησης, για τον έλεγχ
 ο γραμμών παραγωγής που εξυπηρετούν 
 την ζήτηση τόσο ενδιάμεσων όσο και τ
 ελικών προϊόντων. Δεδομένου ότι οι α
 φίξεις των πελατών είναι τυχαίες και
   ακολουθούν την κατανομή Poisson, ε
 νώ οι χρόνοι παραγωγής είναι εκθετικ
 ά κατανεμημένοι, το σύστημα παραγωγή
 ς μοντελοποιείται ως Μαρκοβιανή Διαδ
 ικασία Αποφάσεων (Markov Decision Pr
 ocess). Ο πράκτορας ελέγχου εκπαιδεύ
 εται με σκοπό την προσέγγιση μιας βέ
 λτιστης πολιτικής ελέγχου παραγωγής,
  η οποία ελαχιστοποιεί το κόστος λει
 τουργίας του συστήματος, λαμβάνοντας
  υπόψη παραμέτρους, όπως η διαθεσιμό
 τητα προϊόντων και η κάλυψη της ζήτη
 σης. Οι ανταμοιβές (rewards) που λαμ
 βάνει το σύστημα καθορίζονται από τη
 ν ικανοποίηση της ζήτησης, τον χρόνο
  παραμονής προϊόντων σε απόθεμα, καθ
 ώς και τον χρόνο κατά τον οποίο παρα
 μένει μια παραγγελία τελικού προϊόντ
 ος εκκρεμής. Μέσω εκτεταμένων προσομ
 οιώσεων, εξετάζεται η αποτελεσματικό
 τητα του προτεινόμενου συστήματος. Ε
 πίσης, υπολογίζεται το μέσο κόστος τ
 ης εκάστοτε πολιτικής και συγκρίνετα
 ι με αποτελέσματα βέλτιστων πολιτικώ
 ν, οι οποίες προκύπτουν από την εφαρ
 μογή τεχνικών δυναμικού προγραμματισ
 μού.\n Abstract\n A significant chal
 lenge in the field of industrial pro
 duction is the efficient management 
 and control of production lines in e
 nvironments with dynamic demand. In 
 this diploma thesis, a methodology b
 ased on Q-learning, which is a reinf
 orcement learning algorithm, is deve
 loped for controlling production lin
 es that serve the demand for both in
 termediate and final products. Given
  that customer arrivals follow a Poi
 sson distribution and production tim
 es are exponentially distributed, th
 e production system is modeled as a 
 Markov Decision Process (MDP). The c
 ontrol agent is trained to approxima
 te an optimal production control pol
 icy, which minimizes system operatio
 nal costs, while considering factors
 , such as product availability and d
 emand fulfillment. The rewards recei
 ved by the system are determined by 
 demand satisfaction, product invento
 ry holding time, and the time a fina
 l product order remains pending. Thr
 ough extensive simulations, the effe
 ctiveness of the proposed system is 
 evaluated. Additionally, the average
  cost of each policy is calculated a
 nd compared with the optimal policy 
 results of dynamic programming techn
 iques.\n Meeting ID: 92187241010\n P
 assword: 457753\n
STATUS:CONFIRMED
ORGANIZER;RSVP=FALSE;CN=TUC;CUTYPE=TUC:mailto:webmaster@tuc.gr
DTSTART:20260710T173000
DTEND:20260710T183000
TRANSP:OPAQUE
CLASS:DEFAULT
END:VEVENT
END:VCALENDAR