Προηγμένη ψηφιοποίηση για τον τομέα κατασκευής ξύλου, επίπλων και φελλού

Το μάθημα αυτό έχει ως στόχο να εισάγει τους φοιτητές στις βασικές έννοιες της ψηφιοποίησης που εφαρμόζονται σε βιομηχανικά περιβάλλοντα (με ιδιαίτερη έμφαση στην παραγωγή ξύλου και επίπλων), παρέχοντάς τους τις γνώσεις και τα πρακτικά εργαλεία για να κατανοήσουν, να αναλύσουν και να υποστηρίξουν τον ψηφιακό μετασχηματισμό σε πραγματικά εργασιακά πλαίσια. Οι φοιτητές θα διερευνήσουν πώς τα δεδομένα, η συνδεσιμότητα, η αυτοματοποίηση και τα ψηφιακά συστήματα (όπως αισθητήρες, λύσεις ERP/MES και πλατφόρμες cloud) βελτιώνουν τον έλεγχο των διαδικασιών, την ιχνηλασιμότητα, την ποιότητα και τη λήψη αποφάσεων, εξετάζοντας επίσης βασικές πτυχές όπως η κυβερνοασφάλεια και η διαχείριση αλλαγών.

Το μάθημα προάγει μια κριτική και εφαρμοσμένη κατανόηση της ψηφιοποίησης, ενθαρρύνοντας τη μεταφορά των γνώσεων που έχουν αποκτηθεί σε πραγματικές καταστάσεις: από τη χαρτογράφηση διαδικασιών και τον εντοπισμό ευκαιριών βελτίωσης έως την επιλογή κατάλληλων τεχνολογιών και τον καθορισμό δεικτών μέτρησης του αντίκτυπου. Στο τέλος του μαθήματος, οι φοιτητές θα μπορούν να ερμηνεύουν ψηφιακές ροές εργασίας, να συνεργάζονται αποτελεσματικά σε ψηφιοποιημένες ομάδες και να συμβάλλουν στη δημιουργία πιο αποδοτικών, ανταγωνιστικών και ανθεκτικών παραγωγικών περιβαλλόντων.

Βασικές ιδέες

1. Εισαγωγή της ψηφιοποίησης στη βιομηχανία ξύλου και επίπλων για τη βελτίωση της διαχείρισης των διαδικασιών μέσω συνδεδεμένων δεδομένων και τεχνολογιών.
2. Κατανόηση των συστημάτων IT και OT και προώθηση της ενοποίησής τους, με στόχο την αποφυγή της δημιουργίας «νησίδων» και τη βελτίωση του συντονισμού μεταξύ γραφείου και εργοστασίου.
3. Διερεύνηση των τεχνολογιών DET και του αντίκτυπού τους, με στόχο την ευθυγράμμιση των εργαλείων με τους επιχειρηματικούς στόχους και την αποδοτικότητα του κλάδου.
4. Ανάπτυξη κριτηρίων για την επιλογή αρχιτεκτονικών cloud-edge και υβριδικών, ανάλογα με τις διαδικασίες και τις ανάγκες σε πραγματικό χρόνο.
5. Εισαγωγή της τεχνητής νοημοσύνης (AI) και των Μεγάλων Δεδομένων (Big Data) με παραδείγματα χρήσης από τη βιομηχανία και τα θεμέλια για την πρακτική εφαρμογή τους.
6. Ανάλυση των διαδικασιών για τον εντοπισμό βελτιώσεων και την επιλογή τεχνολογιών κατάλληλων για τις πραγματικές ανάγκες της εταιρείας