ΠΑΡΟΥΣΙΑΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ

Τετάρτη, 10 Ιουνίου 2026, 9:30
https://teams.microsoft.com/l/meetup-join/19%3ameeting_MWVkZmVjZWItNzFlYi00ZjQ2LWI5NTktNDQzYzE4NTQ1MjYy%40thread.v2/0?context=%7b%22Tid%22%3a%22b8940084-7e60-46ee-b148-0fcec483d833%22%2c%22Oid%22%3a%22e2418648-70e0-4e63-a3ab-2f481c8c8a71%22%7d

Ονοματεπώνυμο: ΚΑΠΑΡΟΥΝΑΚΗ ΜΑΡΙΑ

Θέμα: Βιωσιμότητα και Πράσινο Μάρκετινγκ στην Αγγειοπλαστική: Η Παραδοσιακή Τέχνη ως Σύγχρονη Οικολογική Εναλλακτική

Title: Sustainability and Green Marketing in Ceramic Art: A Contemporary Ecological Alternative

Εξεταστική Επιτροπή

• ΤΣΑΓΚΑΡΑΚΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ, Καθηγητής (επιβλέπων)
• ΦΑΦΑΛΙΟΣ ΠΑΥΛΟΣ, Επίκουρος Καθηγητής
• ΔΟΥΜΠΟΣ ΜΙΧΑΗΛ, Καθηγητής

Περίληψη

Η αγγειοπλαστική, ως παραδοσιακή τέχνη με μακραίωνη ιστορία, αποτελεί σημαντικό τμήμα της υλικής και άυλης πολιτιστικής κληρονομιάς. Στη σύγχρονη εποχή, η αξιοποίηση ψηφιακών πλατφορμών επαγγελματικής δικτύωσης, όπως το LinkedIn, δημιουργεί νέες δυνατότητες για την προβολή, προώθηση και εμπορική αξιοποίηση των έργων αγγειοπλαστικής. Στο πλαίσιο αυτό, η παρούσα εργασία εξετάζει τον τρόπο με τον οποίο επαγγελματίες και οργανισμοί του κλάδου αξιοποιούν τις δομημένες πληροφορίες των διαδικτυακών τους προφίλ, προκειμένου να διαμορφώσουν στρατηγικές μάρκετινγκ και επικοινωνίας. Η μελέτη θα εστιάσει στην ανάλυση περιγραφικών πεδίων και περιεχομένου των προφίλ, με στόχο την ανάδειξη των επικρατέστερων μορφών προωθητικών πρακτικών και αφηγήσεων που συνδέονται με την αυθεντικότητα, τη βιωσιμότητα και την πολιτιστική αξία των προϊόντων. Επιπρόσθετα, θα πραγματοποιηθεί γεωγραφική χαρτογράφηση των δεδομένων, ώστε να καταγραφούν οι περιοχές με υψηλή συγκέντρωση επαγγελματιών του κλάδου, ενώ το ιστορικό εξέλιξης των προφίλ θα αξιοποιηθεί για τη μελέτη των αλλαγών στον τρόπο παρουσίασης και προώθησης των έργων. Παράλληλα, θα διερευνηθεί ο κοινωνικός αντίκτυπος των προφίλ με βάση δείκτες όπως ο αριθμός ακολούθων, οι επαγγελματικές συνδέσεις και οι αλληλεπιδράσεις, παρέχοντας μία εικόνα της εμβέλειας και της απήχησης που έχουν οι καλλιτέχνες τόσο σε τοπικό όσο και σε διεθνές επίπεδο. Η ανάλυση θα εμπλουτιστεί με συμπληρωματική συλλογή διαδικτυακών δεδομένων (επίσημοι ιστότοποι, ηλεκτρονικά καταστήματα, κοινωνικά δίκτυα), προκειμένου να διαμορφωθεί μια πιο ολοκληρωμένη κατανόηση του ψηφιακού αποτυπώματος της αγγειοπλαστικής. Η μεθοδολογική προσέγγιση θα είναι βιβλιογραφική και ερευνητική, συνδυάζοντας ποιοτική με ποσοτική ανάλυση. Αναμένεται ότι η μελέτη θα συμβάλει τόσο στη θεωρητική συζήτηση για τον ψηφιακό μετασχηματισμό των δημιουργικών βιομηχανιών όσο και στην ανάδειξη πρακτικών εργαλείων που δύναται να υποστηρίξουν την ανάπτυξη βιώσιμων στρατηγικών μάρκετινγκ στον τομέα της αγγειοπλαστικής.

ΠΑΡΟΥΣΙΑΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ

Τετάρτη, 10 Ιουνίου 2026, 11:30
https://tuc-gr.zoom.us/j/95113084523?pwd=zjr3mo5W44GnpLqG5MxuE0Weva7mu8.1

Ονοματεπώνυμο: NANI MPIATRISIA

Θέμα: “Πράσινη εφοδιαστική αλυσίδα και περιβαλλοντική διαχείριση στις τουριστικές επιχειρήσεις”

Title: “Green supply chain and environmental management in tourism businesses”

Εξεταστική Επιτροπή

• ΜΟΥΣΤΑΚΗΣ ΒΑΣΙΛΗΣ, Καθηγητής (επιβλέπων)
• ΖΟΠΟΥΝΙΔΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ, Καθηγητής
• ΤΣΑΦΑΡΑΚΗΣ ΣΤΕΛΙΟΣ, Αναπληρωτής Καθηγητής

Περίληψη

Η παρούσα εργασία εξετάζει τους παράγοντες που επηρεάζουν την υιοθέτηση πρακτικών πράσινης εφοδιαστικής αλυσίδας στις τουριστικές επιχειρήσεις. Παράλληλα, αναλύεται ο τρόπος με τον οποίο η περιβαλλοντική διάσταση μπορεί να ενσωματωθεί σε όλα τα στάδια της εφοδιαστικής αλυσίδας μέσα από κατάλληλες στρατηγικές και εφαρμογές. Ιδιαίτερη αναφορά γίνεται στα συστήματα περιβαλλοντικής διαχείρισης ISO και στη σύγκρισή τους με το EMAS. Στόχος της μελέτης είναι να προσφέρει μια συνολική εικόνα για την έννοια της πράσινης εφοδιαστικής αλυσίδας, τη σημασία της για τις τουριστικές επιχειρήσεις και τους τρόπους με τους οποίους μπορεί να εφαρμοστεί στην πράξη. Επιπλέον, επιδιώκεται να αναδειχθεί ο ρόλος της περιβαλλοντικής διαχείρισης ως αναπόσπαστου στοιχείου κάθε φάσης της πράσινης εφοδιαστικής αλυσίδας. Η συγκεκριμένη εργασία θεωρείται σημαντική, καθώς η εφαρμογή τέτοιων πρακτικών μπορεί να συμβάλει στον περιορισμό της ρύπανσης, στη μείωση του ανθρακικού αποτυπώματος, στη μείωση των αποβλήτων, στην εξοικονόμηση κόστους και στη βελτίωση της λειτουργικής αποδοτικότητας και της εταιρικής εικόνας. Για τον λόγο αυτό, απευθύνεται όχι μόνο σε επιχειρηματίες του τουριστικού κλάδου, αλλά και σε όσους ενδιαφέρονται να γνωρίσουν καλύτερα τη λειτουργία της πράσινης εφοδιαστικής αλυσίδας. Η μελέτη βασίζεται σε βιβλιογραφική ανασκόπηση, αξιοποιώντας προηγούμενες διεθνείς έρευνες, επιστημονικά συγγράμματα και άρθρα από ακαδημαϊκές πηγές. Η αναζήτηση του υλικού πραγματοποιείται μέσω Google Scholar, Elsevier και Scopus, ενώ η προσέγγιση που ακολουθείται είναι ποιοτική.

ΠΑΡΟΥΣΙΑΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ

Τετάρτη, 10 Ιουνίου 2026, 13:00
https://tuc-gr.zoom.us/j/99882330657?pwd=R4NcNXf0I0Fv0clph9Q9oMpaNDZaVZ.1

Ονοματεπώνυμο: ΚΑΜΠΟΥΤΖ ΜΑΞΙΜΙΛΙΑΝ ΦΡΑΝΣΙΣ

Θέμα: Αξιολόγηση των παραγόντων που συμβάλλουν στην ακουστική ασφάλεια καθώς και τη βιωματική εργασιακή εμπειρία σε δημόσιους χώρους εργασίας.

Title: Assessment of acoustic factors that are conducive to safety and work experience in public workplaces

Εξεταστική Επιτροπή

• ΜΟΥΣΤΑΚΗΣ ΒΑΣΙΛΗΣ, Καθηγητής (επιβλέπων)
• ΚΟΝΤΟΓΙΑΝΝΗΣ ΘΩΜΑΣ, Καθηγητής
• ΑΤΣΑΛΑΚΗΣ ΓΕΩΡΓΙΟΣ, Αναπληρωτής Καθηγητής

Περίληψη

Πρόταση Μεταπτυχιακής Εργασίας Πολυτεχνείο Κρήτης Μηχανικών Παραγωγής και Διοίκησης Μεταπτυχιακό Τμήμα Διοίκησης Επιχειρήσεων Ονοματεπώνυμο Φοιτητή: Μαξιμίλιαν-Φράνσις Κάμπουτζ Αριθμός Μητρώου: 2024019007 Τίτλος: Αξιολόγηση των παραγόντων που συμβάλλουν στην ακουστική ασφάλεια καθώς και τη βιωματική εργασιακή εμπειρία σε δημόσιους χώρους εργασίας. EN: Assessment of acoustic factors that are conducive to safety and work experience in public workplaces. Ο στόχος της μεταπτυχιακής εργασίας είναι να διερευνηθεί ο ρόλος της ακουστικής ποιότητας καθώς και των συνθηκών θορύβου στην ασφάλεια, την ευημερία και την παραγωγικότητα των εργαζομένων σε δημόσιους χώρους εργασίας. Η έρευνα θα πραγματοποιηθεί σε δύο στάδια. Στο πρώτο στάδιο θα πραγματοποιηθεί γίνει βιβλιογραφική έρευνα ανασκόπηση, ανάλυση κανονιστικών πλαισίων και παρουσίαση στρατηγικών βελτίωσης με πρακτικές εφαρμογές. Μέσα από αυτό το στάδιο θα προσδιοριστεί το πλαίσιο που θα οδηγήσει στο δεύτερο στάδιο. Στο δεύτερο στάδιο θα πραγματοποιηθεί πειραματική διερεύνηση μέσω ποσοτικής αξιολόγησης χρησιμοποιώντας μετρήσεις και συστηματική καταγραφή απόψεων εργαζομένων σε επιλεγμένους δημόσιους χώρους, όπως το ΚΕΠ Χανίων, η ΔΟΥ Χανίων (Εφορία), το ΙΚΑ/ΕΦΚΑ και το Γενικό Νοσοκομείο Χανίων σε χώρους όπως τα επείγοντα, οι χώροι αναμονής και τα τμήματα με μηχανήματα. Τα δεδομένα θα αναλυθούν με στατιστικές μεθόδους ώστε να αναδειχθούν κρίσιμες διαστάσεις και αλληλεξαρτήσεις, ενώ ιδιαίτερη προσοχή θα δοθεί στην αποφυγή του φαινομένου Hawthorne. Η έρευνα θα επικεντρωθεί στους εργαζόμενους, καθώς εκτίθενται για μεγάλα χρονικά διαστήματα στις συνθήκες που διεξάγεται η έρευνα μελετώνται. Για να ξεφύγει η εργασία από τον χαρακτήρα μιας απλής βιβλιογραφικής μελέτης, θα πραγματοποιηθούν Οι μετρήσεις που θα καταγραφούν και θα αναλυθούν πραγματικά δεδομένα σχετικά με τις συνθήκες θορύβου και αναλυθούν στο δεύτερο στάδιο της έρευνας αναμένεται να συμβάλλουν στη διερεύνηση του θορύβου στην ασφάλεια και την επίδρασή τους στην εργασιακή εμπειρία των εργαζόμενων. Το ζήτημα Η έρευνα συνδέεται με τη διαχείριση ανθρώπινου δυναμικού, την οργανωσιακή επικοινωνία και την εταιρική εικόνα καθώς και αποτελεσματικότητα της δημόσιας διοίκησης. Η εργασία φιλοδοξεί να αναδείξει την ακουστική ποιότητα ως κρίσιμο παράγοντα διοίκησης και στρατηγικής. Τελικός σκοπός είναι να εντοπιστούν σχέσεις μεταξύ παραγόντων που συνδυάζονται με την ακουστική σε ένα χώρο εργασίας. Παράλληλα, στόχος είναι να δοθούν πρακτικές και εφαρμόσιμες λύσεις σε ένα διαχρονικό ζήτημα που ταλαιπωρεί τους εργασιακούς χώρους: το πρόβλημα της ακουστικής. Η ενδεικτική βιβλιογραφία περιλαμβάνει τα εξής: Σκαρλάτος (2016), Εφαρμοσμένη Ακουστική, Κουτσούμπας και Φραγκούλης (2012), Περιβαλλοντική υγιεινή και εργασιακό περιβάλλον, τον Ελληνικό Οργανισμό Τυποποίησης (2012), ΕΛΟΤ ΕΝ ISO 3382 – Ακουστική: Μέτρηση ακουστικών παραμέτρων σε χώρους και το Υπουργείο Εργασίας και Κοινωνικών Υποθέσεων (2006), Προεδρικό Διάταγμα 149/2006 – Ελάχιστες προδιαγραφές για την προστασία των εργαζομένων από την έκθεση σε θόρυβο. Σε ξενόγλωσση βιβλιογραφία, περιλαμβάνονται οι μελέτες των Babisch (2006), Leventhall (2004), Passchier-Vermeer και Passchier (2000) καθώς και οι οδηγίες του Παγκόσμιου Οργανισμού Υγείας (2018), Environmental noise guidelines for the European region.

ΠΑΡΟΥΣΙΑΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ

Τετάρτη, 10 Ιουνίου 2026, 09:00
https://tuc-gr.zoom.us/j/93786132537?pwd=TL3VC7P93KqTLvudUpYJGjtMNHX1bE.1

Ονοματεπώνυμο: ΣΤΕΦΑΝΑΚΗ ΓΕΩΡΓΙΑ

Θέμα: Ποσοτική και Ποιοτική Ανάλυση της Αγοράς Εργασίας στο Ψηφιακό Μάρκετινγκ

Title: Quantitative and Qualitative Analysis of the Labor Market in Digital Marketing

Εξεταστική Επιτροπή

• ΦΑΦΑΛΙΟΣ ΠΑΥΛΟΣ, Επίκουρος Καθηγητής (επιβλέπων)
• ΤΣΑΓΚΑΡΑΚΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ, Καθηγητής
• ΤΣΑΦΑΡΑΚΗΣ ΣΤΕΛΙΟΣ, Αναπληρωτής Καθηγητής

Περίληψη

Η μελέτη προσφέρει μια λεπτομερή ποσοτική και ποιοτική ανάλυση της αγοράς εργασίας του ψηφιακού μάρκετινγκ με βάση τα δεδομένα του LinkedIn, συγκρίνοντας τις ευκαιρίες απασχόλησης και τις ανάγκες σε δεξιότητες στην Ευρωπαϊκή Ένωση, την Ελλάδα και τις Ηνωμένες Πολιτείες. Με τη χρήση πολύγλωσσων μεθόδων αναζήτησης, αναλύεται μεγάλος αριθμός θέσεων εργασίας με στόχο τον προσδιορισμό των τάσεων ανά περιοχή, των χαρακτηριστικών των θέσεων εργασίας, των απαιτούμενων δεξιοτήτων και της δυναμικής της αγοράς. . Οι δεξιότητες εντοπίζονται μέσω της ποιοτικής ανάλυσης των 50 κορυφαίων δημοσιεύσεων θέσεων εργασίας κάθε περιοχής, με τις διαθέσεις να διαφέρουν σημαντικά μεταξύ των θέσεων εργασίας που δημοσιεύονται στις ΗΠΑ (αναφέροντας την ανάγκη να δοθεί προτεραιότητα στην ανάλυση και το μάρκετινγκ επιδόσεων), στην Ευρώπη (αναφέροντας την ανάγκη να είναι κανείς πολιτισμικά ικανός και να έχει πολυγλωσσικές ικανότητες) και στην Ελλάδα (αναφέροντας την ανάγκη να εργαστεί στο τουριστικό μάρκετινγκ και την πολιτιστική προώθηση). Η μελέτη αυτή παρουσιάζει σημαντικές πληροφορίες για τους υπεύθυνους χάραξης πολιτικής, τους εκπαιδευτικούς και τους επαγγελματίες που εργάζονται στον κλάδο και ενδιαφέρονται να μάθουν για τις μεταβαλλόμενες τάσεις στα πρότυπα απασχόλησης του ψηφιακού μάρκετινγκ και τα περιφερειακά κενά δεξιοτήτων στο πλαίσιο της ψηφιακής οικονομίας. Λέξεις-κλειδιά : Ψηφιακό μάρκετινγκ, ανάλυση της αγοράς εργασίας, εξόρυξη δεδομένων από το LinkedIn, απασχόληση στην Ευρωπαϊκή Ένωση, απαιτούμενες δεξιότητες, πολυγλωσσική αναζήτηση εργασίας, συγκριτική ανάλυση, ψηφιακή οικονομία, κινητικότητα ταλέντων, δεξιότητες για την κυκλική οικονομία, τριτοβάθμια εκπαίδευση, μάρκετινγκ του τουρισμού στην Ελλάδα, διατλαντική σύγκριση, τάσεις στην εξ αποστάσεως εργασία

ΠΑΡΟΥΣΙΑΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ

Τετάρτη, 17 Ιουνίου 2026, 18:00
https://tuc-gr.zoom.us/j/84376874961?pwd=WTVEY1RZQzhST0lUcDNuR1U5T1M1dz09

Ονοματεπώνυμο: ΒΟΥΛΓΑΡΕΛΗ ΙΩΑΝΝΑ

Θέμα: Η επίδραση της τεχνητής νοημοσύνης στο μάρκετινγκ.

Title: The impact of artificial intelligence on marketing.

Εξεταστική Επιτροπή

• ΤΣΑΦΑΡΑΚΗΣ ΣΤΕΛΙΟΣ, Αναπληρωτής Καθηγητής (επιβλέπων)
• ΦΑΦΑΛΙΟΣ ΠΑΥΛΟΣ, Επίκουρος Καθηγητής
• ΚΡΑΣΑΔΑΚΗ ΕΥΑΓΓΕΛΙΑ, ΕΔΙΠ

Περίληψη

Η παρούσα εργασία εξετάζει τον αντίκτυπο της Τεχνητής Νοημοσύνης (ΤΝ) στο σύγχρονο μάρκετινγκ μέσω μιας συστηματικής ανασκόπησης της υπάρχουσας ακαδημαϊκής βιβλιογραφίας. Η μελέτη διερευνά τον τρόπο με τον οποίο οι τεχνολογίες ΤΝ εφαρμόζονται σε όλες τις λειτουργίες μάρκετινγκ, τις επιπτώσεις τους στην απόδοση του μάρκετινγκ και τη συμπεριφορά των καταναλωτών, καθώς και τις οργανωτικές, ηθικές και στρατηγικές προκλήσεις που σχετίζονται με την υιοθέτησή τους. Τα ευρήματα δείχνουν ότι η ΤΝ έχει γίνει κεντρικός μοχλός μετασχηματισμού του μάρκετινγκ, επιτρέποντας τη λήψη αποφάσεων που βασίζονται σε δεδομένα, την προηγμένη εξατομίκευση, την προγνωστική ανάλυση και την αυξημένη λειτουργική αποτελεσματικότητα σε κλάδους όπως το λιανικό εμπόριο, το ηλεκτρονικό εμπόριο, τα χρηματοοικονομικά και οι ψηφιακές υπηρεσίες. Τα εργαλεία που υποστηρίζονται από την ΤΝ ενισχύουν την εμπλοκή των πελατών και υποστηρίζουν πιο ακριβή στόχευση και πρόβλεψη, ενώ παράλληλα αναδιαμορφώνουν τις διαδικασίες λήψης αποφάσεων των καταναλωτών. Ωστόσο, η ανασκόπηση υπογραμμίζει επίμονες ανησυχίες σχετικά με το απόρρητο των δεδομένων, την αλγοριθμική προκατάληψη, τη διαφάνεια και την εμπιστοσύνη των καταναλωτών, οι οποίες μπορεί να περιορίσουν την αποτελεσματικότητα του μάρκετινγκ που βασίζεται στην ΤΝ εάν δεν αντιμετωπιστούν επαρκώς. Επιπλέον, η μελέτη εντοπίζει κενά στη βιβλιογραφία σχετικά με τη μακροπρόθεσμη μέτρηση της απόδοσης, τη θεωρητική ενσωμάτωση και τη διαπολιτισμική ανάλυση. Συνολικά, η διατριβή καταλήγει στο συμπέρασμα ότι ενώ η ΤΝ προσφέρει σημαντικές ευκαιρίες για τη βελτίωση της αποτελεσματικότητας του μάρκετινγκ και του ανταγωνιστικού πλεονεκτήματος, η βιώσιμη αξία της εξαρτάται από την υπεύθυνη εφαρμογή, την ηθική διακυβέρνηση και την ισορροπημένη ενσωμάτωση της ανθρώπινης εμπειρογνωμοσύνης με τα ευφυή συστήματα.

ΠΑΡΟΥΣΙΑΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ

Τετάρτη, 10 Ιουνίου 2026, 12:30
https://tuc-gr.zoom.us/j/94985215607?pwd=IRn9SP7L6OmCXq4MSWSQ8SGY9J4nbk.1

Ονοματεπώνυμο: ΛΟΥΛΑΣΙ ΚΡΙΣΤΙΑ

Θέμα: Δείκτες Αποδοτικότητας (KPI’s) Ασφάλειας, Περιβάλλοντος, Παραγωγής και Ποιότητας Χυτηρίου Αλουμινίου και Ψηφιοποίηση με χρήση του Power BI.

Title: Key Performance Indicators (KPI’s) regarding Safety, Environment, Production and Quality in Aluminium Casthouse and Digitalisation using Power BI.

Εξεταστική Επιτροπή

• ΜΟΥΣΤΑΚΗΣ ΒΑΣΙΛΗΣ, Καθηγητής (επιβλέπων)
• ΤΣΑΦΑΡΑΚΗΣ ΣΤΕΛΙΟΣ, Αναπληρωτής Καθηγητής
• ΚΟΝΤΟΓΙΑΝΝΗΣ ΘΩΜΑΣ, Καθηγητής

Περίληψη

Η αποτελεσματική μέτρηση της απόδοσης αποτελεί βασική προϋπόθεση για τη διατήρηση της ανταγωνιστικότητας στη σύγχρονη βιομηχανία. Ιδιαίτερα στη βιομηχανία αλουμινίου, όπου συνυπάρχουν αυξημένες απαιτήσεις σε θέματα ασφάλειας, ποιότητας, παραγωγικότητας και περιβαλλοντικής συμμόρφωσης, η αξιοποίηση κατάλληλων Δεικτών Απόδοσης (Key Performance Indicators – KPI’s) είναι καθοριστικής σημασίας για τη λήψη τεκμηριωμένων αποφάσεων. Σκοπός της παρούσας εργασίας είναι η παρουσίαση ενός ολοκληρωμένου συστήματος KPI’s για τη λειτουργία χυτηρίου αλουμινίου, μέσω του εργαλείου επιχειρηματικής ευφυΐας Power BI. Αρχικά παρουσιάζεται το θεωρητικό υπόβαθρο που αφορά τα συστήματα μέτρησης απόδοσης, τους KPI’s, τους leading και lagging indicators, καθώς και τις τεχνολογίες Business Intelligence και Industry 4.0. Στη συνέχεια αναλύεται η παραγωγική διαδικασία του χυτηρίου και προσδιορίζονται οι κρίσιμες παράμετροι που επηρεάζουν την επιχειρησιακή επίδοση. Στο πρακτικό μέρος της εργασίας αναπτύσσονται διαδραστικά dashboards στο Power BI για την παρακολούθηση δεικτών ασφάλειας, περιβάλλοντος, παραγωγής και ποιότητας, αξιοποιώντας πραγματικά δεδομένα λειτουργίας της μονάδας. Μέσω της οπτικοποίησης και της συστηματικής παρακολούθησης των δεδομένων καθίσταται δυνατός ο έγκαιρος εντοπισμός αποκλίσεων, η αξιολόγηση της επίτευξης στόχων και η υποστήριξη της διαδικασίας λήψης αποφάσεων. Τα αποτελέσματα αναδεικνύουν ότι η ψηφιοποίηση των KPI’s μέσω του Power BI ενισχύει σημαντικά τη διαφάνεια, τη διαθεσιμότητα της πληροφορίας και την αποτελεσματικότητα της διοίκησης, συμβάλλοντας στη συνεχή βελτίωση και στη λειτουργική αριστεία της βιομηχανικής μονάδας.

ΠΑΡΟΥΣΙΑΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ

Τετάρτη, 10 Ιουνίου 2026, 11:00
https://tuc-gr.zoom.us/j/96606350786?pwd=QCMMV0Bkjs5kZGzhDSEPNPMZqbkjeX.1

Ονοματεπώνυμο: ΠΟΝΤΙΚΗ ΑΝΝΑ

Θέμα: Πλαίσιο για την αξιολόγηση του ρόλου της μηχανικής μάθησης στις διεργασίες προγνωστικής ανάλυσης της συμπεριφοράς των καταναλωτών.

Title: Assessment of the role of machine learning in context of supporting predictive consumer behavior analysis.

Εξεταστική Επιτροπή

• ΜΟΥΣΤΑΚΗΣ ΒΑΣΙΛΗΣ, Καθηγητής (επιβλέπων)
• ΤΣΑΦΑΡΑΚΗΣ ΣΤΕΛΙΟΣ, Αναπληρωτής Καθηγητής
• ΑΤΣΑΛΑΚΗΣ ΓΕΩΡΓΙΟΣ, Αναπληρωτής Καθηγητής

Περίληψη

Στη σύγχρονη εποχή, η μηχανική μάθηση αποτελεί ένα καινοτόμο και πολύτιμο εργαλείο που επιτρέπει στις επιχειρήσεις να αναλύουν και να προβλέπουν τις τάσεις και τις προτιμήσεις των καταναλωτών, συμβάλλοντας ουσιαστικά στη λήψη στρατηγικών αποφάσεων που ενισχύουν την αποδοτικότητα και τη βιωσιμότητα των επενδύσεων των επιχειρήσεων στη δημιουργία στρατηγικών μάρκετινγκ. Η πρόσβαση σε δεδομένα και αναλυτικά εργαλεία που παρέχουν ακριβή εικόνα της καταναλωτικής συμπεριφοράς, προσδίδει στις επιχειρήσεις ένα ισχυρό ανταγωνιστικό πλεονέκτημα. Ωστόσο, η αξιολόγηση της αποδοτικότητας και της βιωσιμότητας των επενδύσεων στη μηχανική μάθηση εξακολουθεί να αποτελεί σημαντική πρόκληση. Η παρούσα εργασία επικεντρώνεται στον ρόλο της μηχανικής μάθησης μάθησης (Machine Learning – ML, εφεξής) στο στρατηγικό μάρκετινγκ, με ιδιαίτερη έμφαση στην προγνωστική ανάλυση της καταναλωτικής συμπεριφοράς. Σκοπός είναι, να διερευνηθεί πώς η μηχανική μάθηση μπορεί να αξιοποιηθεί για την πρόβλεψη και ανάλυση της συμπεριφοράς των καταναλωτών, βελτιώνοντας την κατανομή των πόρων και τις στρατηγικές μάρκετινγκ, ενώ παράλληλα διασφαλίζεται η βιωσιμότητα και η απόδοση των επενδύσεων. Κεντρικό ερώτημα της εργασίας αποτελεί το, εάν και σε ποιον βαθμό οι επενδύσεις στη μηχανική μάθηση αποφέρουν ουσιαστική αξία στις επιχειρήσεις, ειδικότερα στο πλαίσιο του στρατηγικού μάρκετινγκ, και πώς αυτές οι επενδύσεις μπορούν να ενσωματωθούν στις ευρύτερες επιχειρησιακές στρατηγικές με στόχο τη μακροπρόθεσμη βιωσιμότητα. Επιπλέον, η εργασία εξετάζει πώς η ενσωμάτωση της μηχανικής μάθησης στις στρατηγικές μάρκετινγκ μπορεί να υποστηρίξει τη βιωσιμότητα των επιχειρήσεων σε μια εποχή αυξανόμενων καταναλωτικών προσδοκιών για κοινωνικά υπεύθυνες πρακτικές. Θα μελετήσουμε τον τρόπο με τον οποίο οι τεχνικές ML δύναται να βοηθήσουν τις επιχειρήσεις να παραμείνουν ανταγωνιστικές, χωρίς να υπονομεύουν την περιβαλλοντική και κοινωνική τους ευθύνη. Παράλληλα, θα διερευνηθεί πώς οι επιχειρήσεις μπορούν να επιτύχουν σταθερή και διαρκή ανάπτυξη, προσαρμοζόμενες στις διαρκώς μεταβαλλόμενες απαιτήσεις των καταναλωτών. Συνοψίζοντας, η εργασία αποσκοπεί στο να συνεισφέρει στην κατανόηση του τρόπου με τον οποίο η μηχανική μάθηση μπορεί να αξιοποιηθεί ως εργαλείο στρατηγικού μάρκετινγκ, ενισχύοντας την απόδοση της επένδυσης και τη βιωσιμότητα των επιχειρήσεων.

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ημερομηνία: Τετάρτη, 3 Ιουνίου 2026, 10:00
Αίθουσα: Γ3.0.13

Ονοματεπώνυμο: ΛΙΛΟΣ ΕΜΜΑΝΟΥΗΛ

Θέμα: Αλγόριθμος Διαφορικής Εξέλιξης στο Πρόβλημα Χρονοπρογραμματισμού Εργασιών Συνεχούς Ροής

Title: Differential Evolution Algorithm for the Continuous Flow Shop Scheduling Problem

Εξεταστική Επιτροπή

• ΜΑΡΙΝΑΚΗΣ ΙΩΑΝΝΗΣ, Καθηγητής (επιβλέπων)
• ΜΑΤΣΑΤΣΙΝΗΣ ΝΙΚΟΛΑΟΣ, Ομότιμος Καθηγητής
• ΜΑΡΙΝΑΚΗ ΜΑΓΔΑΛΗΝΗ, ΕΔΙΠ

Περίληψη

Η παρούσα διπλωματική εργασία πραγματεύεται τον αλγόριθμο Διαφορικής Εξέλιξης ο οποίος ανήκει στην κατηγορία των γενετικών αλγορίθμων και θα χρησιμοποιηθεί για την επίλυση ενός συστήματος συνεχούς ροής (Flowshop) προβλήματος.Aναλυτικότερα χρησιμοποιήσαμε τον παραπάνω αλγόριθμο για την επίλυση ενός προβλήματος χρονικού προγραμματισμού εργασιών. Οι γενετικοί αλγόριθμοι μιμούνται τη διαδικασία εξέλιξης της φύσης και βασίζονται στην μίμηση της βιολογικής διαδικασίας στην οποία αναπτύσσονται νέοι και καλύτεροι πληθυσμοί μεταξύ διαφορετικών ειδών. Ένας γενετικός αλγόριθμος είναι μία στοχαστική επαναληπτική διαδικασία που διατηρεί το μέγεθος του πληθυσμού σταθερό σε κάθε επανάληψη η οποία ονομάζεται γενιά. Πιο συγκεκριμένα η μέθοδος της διαφορικής εξέλιξης για να λειτουργήσει χρειάζεται να έχουμε κωδικοποιήσει τις λύσεις με αναπαράσταση πραγματικού αριθμού ώστε να μπορούν να εφαρμοστούν οι τελεστές μετάλλαξης οι οποίοι δεν υπόκεινται σε κάποια γνωστή κατανομή πιθανοτήτων .Στα συστήματα συνεχούς ροής κάθε εργασία αποτελείται από επιμέρους διεργασίες καθεμία από τις οποίες εκτελείται σε ορισμένη μηχανή και η σειρά εκτέλεσης των διεργασιών για όλες τις εργασίες είναι η ίδια. Το συγκεκριμένο σύστημα αποτελείται από Ν ανεξάρτητες εργασίες διαθέσιμες από χρόνο 0, όπου κάθε εργασία απαιτεί Μ διεργασίες που εκτελούνται σε διαφορετικές μηχανές. Οι χρόνοι επεξεργασίας είναι γνωστοί από την αρχή και οι μηχανές είναι πάντα διαθέσιμες, ενώ κάθε διεργασία, μόλις ξεκινήσει, ολοκληρώνεται χωρίς διακοπή. Οι χρόνοι εξάρμωσης (setup times), που περιλαμβάνονται στους χρόνους επεξεργασίας, είναι εξαρτώμενοι ακολουθίας, δηλαδή εξαρτώνται από τον τύπο της εργασίας που πρόκειται να επεξεργαστεί καθώς και από την εργασία που προηγήθηκε στη μηχανή.

ΠΑΡΟΥΣΙΑΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ

Τρίτη, 9 Ιουνίου 2026, 11:00
https://tuc-gr.zoom.us/j/98242584860?pwd=82jdRCbGFhOLWbf2De1cjBeXqDWp5s.1

Ονοματεπώνυμο: ΠΑΤΕΡΑΚΗΣ ΝΙΚΟΛΑΟΣ

Θέμα: Βελτιστοποίηση επενδυτικών χαρτοφυλακίων μέσω αλγορίθμων μηχανικής μάθησης

Title: Portfolio optimization using machine learning algorithms

Εξεταστική Επιτροπή

• ΔΟΥΜΠΟΣ ΜΙΧΑΗΛ, Καθηγητής (επιβλέπων)
• ΖΟΠΟΥΝΙΔΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ, Καθηγητής
• ΑΤΣΑΛΑΚΗΣ ΓΕΩΡΓΙΟΣ, Αναπληρωτής Καθηγητής

Περίληψη

Η παρούσα εργασία διερεύνησε εμπειρικά κατά πόσο η χρήση προβλεπόμενων αποδόσεων από αλγορίθμους μηχανικής μάθησης μπορούσε να βελτιώσει την αποτελεσματικότητα ενός κλασικού χαρτοφυλακίου μέσου-διακύμανσης. Το θέμα εξετάστηκε με αφετηρία τη βασική αδυναμία του υποδείγματος Markowitz, δηλαδή την υψηλή ευαισθησία του στις εκτιμήσεις των αναμενόμενων αποδόσεων. Επειδή οι αναμενόμενες αποδόσεις δεν παρατηρούνται άμεσα και συνήθως προσεγγίζονται μέσω ιστορικών μέσων όρων, η εργασία επιδίωξε να αξιολογήσει αν οι προβλέψεις ενός μοντέλου μηχανικής μάθησης, και συγκεκριμένα του αλγορίθμου Random Forest, μπορούν να προσφέρουν πιο χρήσιμη πληροφορία στη διαδικασία βελτιστοποίησης. Για την εμπειρική ανάλυση χρησιμοποιήθηκαν ημερήσια χρηματιστηριακά δεδομένα από μετοχές μεγάλης κεφαλαιοποίησης του δείκτη S&P 500. Από το αρχικό επενδυτικό σύνολο επιλέχθηκαν οι μετοχές με επαρκές και συνεχές ιστορικό δεδομένων, ώστε η ανάλυση να βασιστεί σε συγκρίσιμες χρονοσειρές. Ως μεταβλητές εισόδου στο μοντέλο μηχανικής μάθησης υπολογίστηκαν τεχνικοί δείκτες που αποτύπωναν στοιχεία τάσης, ορμής, μεταβλητότητας και όγκου συναλλαγών. Η μεθοδολογία οργανώθηκε σε κυλιόμενο πλαίσιο εκτός δείγματος, ώστε κάθε χαρτοφυλάκιο να κατασκευάζεται μόνο με πληροφορίες που ήταν διαθέσιμες μέχρι τη στιγμή της εκάστοτε επαναστάθμισης. Συγκρίθηκε το κλασικό χαρτοφυλάκιο Markowitz, στο οποίο οι αναμενόμενες αποδόσεις εκτιμήθηκαν από ιστορικούς μέσους όρους, με δύο εναλλακτικές εκδοχές όπου οι αναμενόμενες αποδόσεις προήλθαν από προβλέψεις του αλγορίθμου Random Forest. Οι δύο εκδοχές μηχανικής μάθησης διέφεραν ως προς το μήκος του ιστορικού παραθύρου εκπαίδευσης και ως προς τη συχνότητα ανανέωσης των προβλέψεων, ώστε να εξεταστεί αν η μεγαλύτερη ιστορικότητα ή η ταχύτερη προσαρμογή στις νεότερες συνθήκες της αγοράς οδηγούσε σε καλύτερα αποτελέσματα. Η αξιολόγηση πραγματοποιήθηκε με κοινό πλαίσιο βελτιστοποίησης για όλες τις στρατηγικές, χωρίς δυνατότητα ανοικτών πωλήσεων και με κριτήριο τη μεγιστοποίηση του δείκτη Sharpe. Παράλληλα, εξετάστηκε η ευαισθησία των αποτελεσμάτων σε διαφορετικά παράθυρα εκτίμησης των παραμέτρων του χαρτοφυλακίου και σε διαφορετικές περιόδους διακράτησης. Με αυτόν τον τρόπο, η σύγκριση δεν περιορίστηκε μόνο στην τελική απόδοση, αλλά περιέλαβε και τον συνολικό κίνδυνο, την επίδοση προσαρμοσμένη στον κίνδυνο, τον ακραίο καθοδικό κίνδυνο, τη συγκέντρωση των χαρτοφυλακίων και την ένταση των ανακατανομών. Τα αποτελέσματα έδειξαν ότι η ενσωμάτωση προβλέψεων μηχανικής μάθησης μπορούσε να βελτιώσει την επίδοση του κλασικού πλαισίου Markowitz, ιδίως όταν το μοντέλο Random Forest εκπαιδεύτηκε με μεγαλύτερο ιστορικό παράθυρο και οι προβλέψεις ανανεώνονταν σε πιο σταθερό χρονικό ρυθμό. Η συγκεκριμένη προσέγγιση παρουσίασε πιο συνεπή εικόνα ως προς την απόδοση και την επίδοση προσαρμοσμένη στον κίνδυνο. Αντίθετα, η εκδοχή με μικρότερο ιστορικό παράθυρο και συχνότερη ανανέωση των προβλέψεων εμφάνισε μεγαλύτερη προσαρμοστικότητα, αλλά και υψηλότερη αστάθεια και μεγαλύτερη ένταση ανακατανομών. Το κλασικό χαρτοφυλάκιο Markowitz είχε πιο συντηρητική συμπεριφορά, αλλά υστέρησε συνολικά ως προς την αξιοποίηση της προβλεπτικής πληροφορίας. Συνολικά, η εργασία κατέληξε ότι η μηχανική μάθηση μπορεί να λειτουργήσει ως χρήσιμο συμπλήρωμα στη βελτιστοποίηση χαρτοφυλακίων, όταν οι προβλέψεις της ενσωματώνονται με συστηματικό και ελεγχόμενο τρόπο. Η βασική συνεισφορά της εργασίας ήταν ότι αξιολόγησε τη χρήση του Random Forest όχι ως μεμονωμένο εργαλείο πρόβλεψης, αλλά ως μέρος μιας ολοκληρωμένης διαδικασίας κατασκευής, επαναστάθμισης και αξιολόγησης χαρτοφυλακίου. Με αυτόν τον τρόπο, η μελέτη συνέβαλε στην κατανόηση του κατά πόσο οι αλγόριθμοι μηχανικής μάθησης μπορούν να βελτιώσουν στην πράξη ένα κλασικό μοντέλο επενδυτικής κατανομής.

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ημερομηνία: Τρίτη, 9 Ιουνίου 2026, 11:00
Αίθουσα: Εργαστήριο Συστημάτων Χρηματοοικονομικής Διοίκησης

Ονοματεπώνυμο: ΚΟΛΟΒΟΥ ΑΝΝΑ

Θέμα: Αλγόριθμοι μηχανικής μάθησης για την πρόβλεψη τιμών βραχυχρόνιας μίσθωσης

Title: Machine learning algorithms for predicting short-term rental prices

Εξεταστική Επιτροπή

• ΔΟΥΜΠΟΣ ΜΙΧΑΗΛ, Καθηγητής (επιβλέπων)
• ΖΟΠΟΥΝΙΔΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ, Καθηγητής
• ΤΣΑΦΑΡΑΚΗΣ ΣΤΕΛΙΟΣ, Αναπληρωτής Καθηγητής

Περίληψη

Η διπλωματική εργασία περιλαμβάνει την χρήση αλγορίθμων μηχανικής μάθησης Γραμμικής Παλινδρόμησης(Linear Regression), Τυχαίων Δασών(Random Forest) και Νευρωνικών Δικτύων(Neural Networks) για την πρόβλεψη τιμών ακινήτων βραχυχρόνιας μίσθωσης. Η πρόβλεψη γίνεται με βάση χαρακτηριστικά των ακινήτων, όπως η περιοχή, τις συντεταγμένες, την βαθμολογία από κριτικές κ.α., με σκοπό την εύρεση των χαρακτηριστικών που επηρεάζουν περισσότερο την διαμόρφωση της τιμής.