(1) ΓΕΝΙΚΑ

ΣΧΟΛΗΜηχανικών Παραγωγής και Διοίκησης
2η ΣΧΟΛΗ 
ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝΠροπτυχιακό
ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣΜΠΔ 527ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ9ο
ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ ΕΒΔΟΜΑΔΙΑΙΕΣ ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ
Διαλέξεις3 
Σύνολο35
ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣΓενικού υποβάθρου
ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ 
ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝΕλληνικά
ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS Όχι
ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL)  

(2) ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

Μαθησιακά Αποτελέσματα

Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής/τρια θα είναι σε θέση να:

  • Αναγνωρίζει τις βασικές αρχές των ευφυών βιομηχανικών συστημάτων και των τεχνολογιών Industry 4.0 και Industry 5.0.
  • Περιγράφει την αρχιτεκτονική και τη λειτουργία των κυβερνοφυσικών συστημάτων και των έξυπνων οικοσυστημάτων παραγωγής.
  • Αναλύει τον ρόλο των αισθητήρων, των βιομηχανικών δικτύων και των συστημάτων συλλογής δεδομένων στις σύγχρονες παραγωγικές διαδικασίες.
  • Εξηγεί τις βασικές αρχές λειτουργίας της βιομηχανικής ρομποτικής, της συνεργατικής ρομποτικής και της τεχνητής όρασης.
  • Χρησιμοποιεί βασικές τεχνικές ανάλυσης βιομηχανικών δεδομένων και μηχανικής μάθησης για την υποστήριξη παραγωγικών διαδικασιών.
  • Αξιολογεί μεθόδους ευφυούς λήψης αποφάσεων σε περιβάλλοντα βιομηχανικής παραγωγής.
  • Εκφράζει τις αρχές ανάπτυξης και αξιοποίησης ψηφιακών διδύμων για την προσομοίωση και βελτιστοποίηση παραγωγικών συστημάτων.
  • Επιλέγει κατάλληλες τεχνολογικές λύσεις για τον σχεδιασμό ευφυών παραγωγικών συστημάτων.
  • Συνδυάζει τεχνολογίες τεχνητής νοημοσύνης, αυτοματισμού και ψηφιακών διδύμων για την αντιμετώπιση σύνθετων προβλημάτων παραγωγής.
  • Αξιολογεί (Συνθέτει) πραγματικές εφαρμογές ψηφιακού μετασχηματισμού στη βιομηχανία και προτείνει κατάλληλες λύσεις.
  • Εφαρμόζει ευφυείς τεχνικές για την ισορροπία αποθεμάτων και ρύθμιση του ρυθμού παραγωγής
Γενικές Ικανότητες
  • Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
  • Λήψη αποφάσεων
  • Ομαδική εργασία
  • Παραγωγή νέων ερευνητικών ιδεών
  • Σχεδιασμός και διαχείριση έργων
  • Άσκηση κριτικής και αυτοκριτικής
  • Πρωτοβουλία
  • Χρήση Υπολογιστή
  • Επίλυση προβλημάτων
  • Διαχείριση αριθμητικών δεδομένων
  • Εργασία σε διεπιστημονικό περιβάλλον

(3) ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ 

Το μάθημα «Ευφυή Βιομηχανικά Συστήματα» εισάγει τους φοιτητές στις τεχνολογίες και τις μεθόδους που διαμορφώνουν τη σύγχρονη βιομηχανία στο πλαίσιο των αρχών του Industry 4.0 και Industry 5.0. Στο μάθημα εξετάζεται η ενσωμάτωση ψηφιακών τεχνολογιών, αυτοματισμών και τεχνητής νοημοσύνης σε παραγωγικά συστήματα, με στόχο τη δημιουργία ευφυών, διασυνδεδεμένων και ανθρωποκεντρικών βιομηχανικών περιβαλλόντων. Παρουσιάζονται οι βασικές αρχές των Cyber-Physical Systems και των έξυπνων οικοσυστημάτων παραγωγής, καθώς και οι τεχνολογίες που υποστηρίζουν τη λειτουργία τους, όπως ρομποτικά συστήματα, αισθητήρες, τεχνητή όραση και συστήματα μηχανικής μάθησης. Επιπλέον, αναλύονται μέθοδοι επεξεργασίας δεδομένων και ευφυούς λήψης αποφάσεων στη βιομηχανία, καθώς και έννοιες όπως τα Digital Twins, η προσομοίωση παραγωγικών διαδικασιών και η συνεργατική ρομποτική με ανθρώπινη συμμετοχή (human-in-the-loop). Μέσα από σύγχρονες εφαρμογές και μελέτες περιπτώσεων από τον χώρο της βιομηχανίας, οι φοιτητές αποκτούν μια ολοκληρωμένη εικόνα των τεχνολογικών λύσεων που υποστηρίζουν τον ψηφιακό μετασχηματισμό της παραγωγής και των τάσεων που συνδυάζουν τεχνητή νοημοσύνη, ρομποτική και ψηφιακά δίδυμα στα βιομηχανικά συστήματα του μέλλοντος.
Σύγχρονες τεχνολογίες βιομηχανικών συστημάτων παραγωγής – Κυβερνοφυσικά Συστήματα – Έξυπνα οικοσυστήματα παραγωγής – Βιομηχανικοί αισθητήρες και συστήματα συλλογής δεδομένων – Βιομηχανικά δίκτυα και διασυνδεδεμένα συστήματα παραγωγής – Ρομποτικά συστήματα και αυτοματισμοί – Τεχνητή όραση στη βιομηχανία – Μηχανική μάθηση σε παραγωγικές διαδικασίες – Ανάλυση και επεξεργασία βιομηχανικών δεδομένων – Ευφυής λήψη αποφάσεων σε παραγωγικά συστήματα – Ψηφιακά Δίδυμα και προσομοίωση παραγωγικών διαδικασιών – Συνεργατική ρομποτική – Προγραμματισμός και έλεγχος ευφυών συστημάτων παραγωγής (Intelligent Manufacturing Systems: Programming and Control) – Βιομηχανικός έλεγχος και αυτοματοποίηση γραμμών παραγωγής – Συστήματα παρακολούθησης και βελτιστοποίησης παραγωγής – Εφαρμογές τεχνητής νοημοσύνης σε βιομηχανικά περιβάλλοντα – Μελέτες περιπτώσεων σύγχρονων βιομηχανικών συστημάτων.

(4) ΔΙΔΑΚΤΙΚΕΣ KAI ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ – ΑΞΙΟΛΟΓΗΣΗ

ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ Πρόσωπο με πρόσωπο
ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ 
Στη Διδασκαλία:- Χρήση λογισμικού παρουσιάσεων
Στην Εργαστηριακή Εκπαίδευση:- Χρήση λογισμικού ανάλυσης δεδομένων και προσομοίωσης βιομηχανικών συστημάτων.
Στην Επικοινωνία με τους φοιτητές:- Ανακοινώσεις, σημειώσεις, βιβλιογραφία και εκπαιδευτικό υλικό μέσω eClass.
- Επικοινωνία μέσω ηλεκτρονικού ταχυδρομείου και τηλεδιασκέψεων όπου απαιτείται.
ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ
Διαλέξεις39.0 ώρες
Εκπόνηση Ατομικής Εργασίας20.0 ώρες
Αυτοτελής μελέτη46.0 ώρες
Μελέτη και ανάλυση Βιβλιογραφίας20.0 ώρες
Σύνολο125 ώρες


Διδακτέα Ύλη ανά Εβδομάδα (13 εβδομάδες) :

1η Διάλεξη: Εισαγωγή στα Ευφυή Βιομηχανικά Συστήματα. Βιομηχανικές Επαναστάσεις. Βιομηχανία 4.0 και Βιομηχανία 5.0. Ψηφιακός μετασχηματισμός της βιομηχανίας.

2η Διάλεξη: Αξιολόγηση Τεχνολογικής Ετοιμότητας και Ψηφιακής Ωριμότητας. Δείκτες, μοντέλα αξιολόγησης και στρατηγικές ψηφιακής μετάβασης.

3η Διάλεξη: Βιομηχανικό Διαδίκτυο των Πραγμάτων (IIoT). Βιομηχανικοί αισθητήρες, συλλογή δεδομένων, πρωτόκολλα επικοινωνίας, συσκευές υπολογισμού στην άκρη του δικτύου (Edge Devices) και διασυνδεσιμότητα.

4η Διάλεξη: Υπολογιστική στην άκρη του δικτύου (Edge Computing), Υπολογιστικό Νέφος (Cloud Computing) και Βιομηχανικές Πλατφόρμες Δεδομένων. Λίμνες Δεδομένων (Data Lakes), αγωγοί επεξεργασίας δεδομένων (Data Pipelines) και αρχιτεκτονικές ευφυών εργοστασίων.

5η Διάλεξη: Τεχνητή Νοημοσύνη στη Βιομηχανία. Μηχανική Μάθηση, Βαθιά Μάθηση, Προγνωστική Συντήρηση, Έλεγχος Ποιότητας και Ευφυή Συστήματα Παραγωγής βασισμένα σε Πράκτορες.

6η Διάλεξη: Ψηφιακά Δίδυμα (Digital Twins). Μοντελοποίηση φυσικών διεργασιών, συγχρονισμός φυσικού και ψηφιακού κόσμου, προσομοίωση και βελτιστοποίηση της παραγωγής.

7η Διάλεξη: Ρομποτική, Συνεργατικά Ρομπότ (Cobots) και Αυτόνομα Συστήματα στις Έξυπνες Βιομηχανίες. Παραγωγή με τον άνθρωπο στο επίκεντρο (Human-in-the-Loop Manufacturing).

8η Διάλεξη: Κυβερνοασφάλεια στα Βιομηχανικά Συστήματα. Ασφάλεια λειτουργικής τεχνολογίας και πληροφοριακών συστημάτων (OT/IT), ασφαλής επικοινωνία IIoT, βιομηχανικά πρότυπα και λειτουργική ασφάλεια.

9η Διάλεξη: Βιομηχανικό Μετασύμπαν (Industrial Metaverse), Εκτεταμένη Πραγματικότητα (XR), Εικονική Πραγματικότητα (VR) και Επαυξημένη Πραγματικότητα (AR) για σχεδιασμό, εκπαίδευση και απομακρυσμένη υποστήριξη.

10η Διάλεξη: Προγραμματισμός Ευφυών Συστημάτων Παραγωγής (Μέρος Ι).

11η Διάλεξη: Προγραμματισμός Ευφυών Συστημάτων Παραγωγής (Μέρος ΙΙ) και εργαστηριακές ασκήσεις.

12η Διάλεξη: Προγραμματισμός Ευφυών Συστημάτων Παραγωγής (Μέρος ΙΙΙ) και εργαστηριακές ασκήσεις.

13η Διάλεξη: Παρουσίαση και αξιολόγηση εργασιών.
 

(5) ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ 

Αθροιστική/Συμπερασματική (για βαθμό φοιτητή) Αξιολόγηση
Γραπτή Τελική Εξέταση70%(Συγκριτική αξιολόγηση στοιχείων θεωρίας)  
  (Ερωτήσεις επίλυσης προβλημάτων)  
Ατομική Εργασία30%(Δημόσια Παρουσίαση)  

 

(6) ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ

Διδακτικές σημειώσεις και εκπαιδευτικό υλικό που διατίθενται μέσω της ηλεκτρονικής πλατφόρμας eClass.
Επιστημονικά άρθρα και τεχνικές αναφορές που παρέχονται κατά τη διάρκεια του εξαμήνου.

Ενδεικτικά επιστημονικά περιοδικά

IEEE Transactions on Industrial Informatics
IEEE Transactions on Industrial Electronics
Journal of Manufacturing Systems
Robotics and Computer-Integrated Manufacturing
Computers in Industry
Advanced Engineering Informatics
Journal of Intelligent Manufacturing
Engineering Applications of Artificial Intelligence
IEEE Internet of Things Journal