Χρήση της Προσομοίωσης Διακριτών Συστημάτων στην Επιστήμη Δεδομένων: Τεχνικές και Προκλήσεις

Μπουρτσουκλής, Διονύσιος

Χρήση της Προσομοίωσης Διακριτών Συστημάτων στην Επιστήμη Δεδομένων: Τεχνικές και Προκλήσεις

dc.contributor.advisor	Vassilakis, Costas
dc.contributor.author	Μπουρτσουκλής, Διονύσιος
dc.contributor.department	Τμήμα Πληροφορικής και Τηλεπικοινωνιών	el
dc.contributor.faculty	Σχολή Οικονομίας και Τεχνολογίας	el
dc.contributor.master	Επιστήμη Υπολογιστών	el
dc.date.accessioned	2025-10-31T09:22:42Z
dc.date.available	2025-10-31T09:22:42Z
dc.date.issued	2025-10
dc.description	Μ.Δ.Ε. 92	el
dc.description.abstract	Η προσομοίωση διακριτών συστημάτων αποτελεί μια ευρέως χρησιμοποιούμενη μεθοδολογική προσέγγιση στην επιστήμη των δεδομένων, καθώς επιτρέπει την ανάλυση πολύπλοκων και δυναμικών φαινομένων σε περιβάλλοντα που χαρακτηρίζονται από στοχαστικότητα και αβεβαιότητα. Η παρούσα εργασία επικεντρώνεται στη θεωρητική θεμελίωση, στις τεχνικές υλοποίησης και στις πρακτικές εφαρμογές αυτής της μεθόδου, με στόχο να αναδείξει τη χρησιμότητά της ως εργαλείο υποστήριξης λήψης αποφάσεων και βελτιστοποίησης συστημάτων. Αρχικά, παρουσιάζονται τα βασικά χαρακτηριστικά της προσομοίωσης, οι τύποι που εφαρμόζονται στην πράξη —όπως η βασισμένη σε γεγονότα (events) ή πράκτορες (agents)— καθώς και η σημασία της επαλήθευσης και επικύρωσης μοντέλων. Στη συνέχεια, αναλύονται οι σημαντικότερες εφαρμογές στην επιστήμη των δεδομένων, όπως η πρόβλεψη τάσεων, η βελτιστοποίηση της εφοδιαστικής αλυσίδας, η προσομοίωση κυκλοφοριακών και χρηματοοικονομικών ροών, καθώς και η σύγκριση της προσομοίωσης με άλλες τεχνικές ανάλυσης, όπως η στατιστική και η μηχανική μάθηση. Ιδιαίτερη έμφαση δίνεται στον συνδυασμό της προσομοίωσης με τις τεχνολογίες τεχνητής νοημοσύνης και μεγάλων δεδομένων (big data), που επιτρέπουν την αύξηση της ακρίβειας, της ταχύτητας και της προσαρμοστικότητας των μοντέλων. Τέλος, συζητούνται οι προκλήσεις και οι περιορισμοί της μεθόδου, όπως οι υπολογιστικές απαιτήσεις, η εξάρτηση από την ποιότητα των εισόδων και η ανάγκη συνεχούς επικαιροποίησης των μοντέλων. Η εργασία καταλήγει με προτάσεις για μελλοντική έρευνα και περαιτέρω αξιοποίηση της προσομοίωσης στην επιστήμη των δεδομένων.	el
dc.description.abstracttranslated	Discrete event simulation is a widely adopted methodological approach in data science, offering robust means to analyze complex and dynamic systems characterized by uncertainty, stochastic behavior, and interdependent components. This thesis focuses on the theoretical foundations, technical implementation, and practical applications of discrete event simulation, emphasizing its role as a decision-support tool and a mechanism for optimizing system performance. The study first introduces the key principles of simulation, including common paradigms such as event-driven and agent-based models, and outlines essential steps for model verification and validation to ensure reliability and real-world relevance. Subsequently, the thesis investigates critical applications in data science, including trend forecasting, supply chain optimization, traffic and financial flow modeling, and the comparison between simulation and other analytic approaches such as statistics and machine learning. Special attention is given to the integration of simulation with artificial intelligence and big data technologies, which significantly enhance the scalability, adaptability, and predictive accuracy of simulation models. The work also addresses key challenges and limitations—such as computational demands, dependency on input quality, and the need for continuous model updates—while proposing future research directions for expanding simulation's utility in increasingly data-driven environments.	el
dc.format.extent	44	el
dc.identifier.uri	https://amitos.library.uop.gr/xmlui/handle/123456789/9276
dc.language.iso	el	el
dc.publisher	Πανεπιστήμιο Πελοποννήσου	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Διακριτή προσομοίωση γεγονότων	el
dc.subject	Επιστήμη Δεδομένων	el
dc.subject	Μηχανική Μάθηση	el
dc.subject	Μεγάλα Δεδομένα	el
dc.subject	Discrete event simulation	el
dc.subject	Data science	el
dc.subject	Machine Learning	el
dc.subject	Big data	el
dc.subject.keyword	Ανάλυση δεδομένων	el
dc.subject.keyword	Διακριτά συστήματα	el
dc.subject.keyword	Λήψη αποφάσεων	el
dc.subject.keyword	Προσομοίωση	el
dc.subject.keyword	Τεχνητή νοημοσύνη	el
dc.subject.keyword	Artificial intelligence	el
dc.subject.keyword	Data analysis	el
dc.subject.keyword	Decision-making	el
dc.subject.keyword	Simulation	el
dc.subject.keyword	Discrete systems	el
dc.title	Χρήση της Προσομοίωσης Διακριτών Συστημάτων στην Επιστήμη Δεδομένων: Τεχνικές και Προκλήσεις	el
dc.title.alternative	Use of discrete event simulation in data science: techniques and challenges	el
dc.type	Μεταπτυχιακή διπλωματική εργασία	el

Files

Original bundle

Now showing 1 - 1 of 1

Name:: Bourtsouklis_2022202202011.pdf
Size:: 472.12 KB
Format:: Adobe Portable Document Format
Description:: Μεταπτυχιακή Διπλωματική εργασία

Download

License bundle

Now showing 1 - 1 of 1

Name:: license.txt
Size:: 933 B
Format:: Item-specific license agreed upon to submission
Description:

Download

Collections

Τμήμα Πληροφορικής και Τηλεπικοινωνιών (Μ. Δ. Ε.)