Εφαρμογές πρακτόρων τεχνητής νοημοσύνης στον προγραμματισμό συντήρησης γραμμής στην εμπορική αεροπορία
| datacite.contributor.RelatedPerson | Μακρής, Χρήστος | |
| datacite.contributor.RelatedPerson | Τσίχλας, Κωνσταντίνος | |
| datacite.contributor.Supervisor | Σιούτας, Σπύρος | |
| dc.contributor.author | Χριστοδουλόπουλος, Απόστολος | |
| dc.contributor.other | Christodoulopoulos, Apostolos | |
| dc.date.accessioned | 2025-06-18T05:11:32Z | |
| dc.date.available | 2025-06-18T05:11:32Z | |
| dc.date.issued | 2025-06-16 | |
| dc.degree | graduateThesis | |
| dc.description.abstract | Η παρούσα διπλωματική εργασία εξετάζει την εφαρμογή προηγμένων τεχνολογιών τεχνητής νοημοσύνης για τη βελτιστοποίηση της διαχείρισης των δελτίων τεχνικής πληροφόρησης (Service Bulletins - SB) στην εμπορική αεροπορία, με στόχο την ενίσχυση του προγραμματισμού συντήρησης για αεροσκάφη και ελικόπτερα. Για τον σκοπό αυτό αναπτύχθηκε το σύστημα Γράφος-Ενισχυμένης Ανάκτησης Πληροφορίας (GraphRAG), το οποίο ενσωματώνει τεχνολογίες γράφων γνώσης, όπως η βάση δεδομένων γράφων Neo4j, με μηχανισμούς ενισχυμένης ανάκτησης και παραγωγής πληροφορίας (Retrieval Augmented Generation - RAG), για την ενίσχυση της ανάκτησης και κατανόησης πληροφορίας από τεχνικά έγγραφα. Μέσω μιας πολυσταδιακής διαδικασίας, το σύστημα μετατρέπει αρχεία σε μορφή PDF σε δομημένα δεδομένα, δημιουργεί γράφους γνώσης και επιτρέπει την υποβολή ερωτημάτων σε φυσική γλώσσα, τα οποία απαντώνται με ακρίβεια και διαφάνεια. Η εφαρμογή του GraphRAG στη διαχείριση πραγματικών δελτίων τεχνικής πληροφόρησης (SB) προσφέρει στους τεχνικούς συντήρησης τη δυνατότητα να εντοπίζουν κρίσιμες αλληλεξαρτήσεις μεταξύ εγγράφων και να αυτοματοποιούν τη δημιουργία τεχνικών εντολών, όπως κάρτες εργασιών (Task Cards) και μηχανολογικές οδηγίες (Engineering Orders). Τα αποτελέσματα καταδεικνύουν ότι η αξιοποίηση γράφων γνώσης και ευφυών πρακτόρων οδηγεί σε σημαντική αύξηση της ακρίβειας ανάκτησης πληροφορίας, μείωση ανθρώπινων σφαλμάτων και βελτιστοποίηση των διαδικασιών συντήρησης, συμβάλλοντας ουσιαστικά στην ασφάλεια, τη διαθεσιμότητα και την αποδοτικότητα των αεροπορικών επιχειρήσεων. | |
| dc.description.translatedabstract | This diploma thesis explores the application of advanced Artificial Intelligence tech nologies for optimizing the management of Service Bulletins (SB) in commercial aviation, focusing on enhancing line maintenance planning for aircraft and helicopters. To this end, the GraphRAG system was developed, integrating knowledge graph te chnologies such as Neo4j with Retrieval Augmented Generation (RAG) mechanisms to improve information retrieval and understanding from technical documentation. Throu gh a multi-stage process, the system transforms PDF files into structured data, builds a knowledge graph, and allows natural language queries to be answered accurately and transparently. By applying GraphRAG to real SBs maintenance technicians can identify critical de pendencies among documents and automate the generation of essential technical work outputs like Task Cards and Engineering Orders. The results demonstrate that combining knowledge graphs and intelligent agents si gnificantly enhances information retrieval accuracy, reduces human error, and optimizes maintenance processes, contributing substantially to the safety, availability, and efficiency of aviation operations. | |
| dc.identifier.uri | https://hdl.handle.net/10889/29660 | |
| dc.language.iso | el | |
| dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Greece | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | |
| dc.subject | Τεχνητή νοημοσύνη | |
| dc.subject | Γράφοι γνώσης | |
| dc.subject | Ενισχυμένη ανάκτηση πληροφορίας | |
| dc.subject | Συντήρηση αεροσκαφών | |
| dc.subject | Δελτία τεχνικής πληροφόρησης | |
| dc.subject.alternative | Service bulletins | |
| dc.subject.alternative | Neo4j | |
| dc.subject.alternative | Engineering orders | |
| dc.subject.alternative | Cypher | |
| dc.title | Εφαρμογές πρακτόρων τεχνητής νοημοσύνης στον προγραμματισμό συντήρησης γραμμής στην εμπορική αεροπορία | |
| dc.title.alternative | Applications of AI agents in commercial aviation line maintenance planning |