Πρόγνωση κατανάλωσης ενέργειας σε κινητές συσκευές

Στη σύγχρονη εποχή τα smartphones είναι γεγονός πως αποτελούν ένα βασικό εργαλείο της καθημερινότητας μας προσφέροντας ποικιλία εργασιών και δυνατοτήτων. Οι περισσότεροι άνθρωποι χρησιμοποιούν τις κινητές συσκευές τους κατά την διάρκεια όλης της ημέρας ως μέσο επικοινωνίας, ψυχαγωγίας, πληροφόρησης...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Κορκοτσέλου, Κωνσταντίνα
Άλλοι συγγραφείς: Korkotselou, Konstantina
Γλώσσα:Greek
Έκδοση: 2023
Θέματα:
Διαθέσιμο Online:https://hdl.handle.net/10889/25450
id nemertes-10889-25450
record_format dspace
spelling nemertes-10889-254502023-07-08T03:54:02Z Πρόγνωση κατανάλωσης ενέργειας σε κινητές συσκευές Forecasting energy consumption in mobile devices Κορκοτσέλου, Κωνσταντίνα Korkotselou, Konstantina Κινητές συσκευές Μπαταρίες Φόρτιση μπαταρίας Μηχανική μάθηση Mobile devices Batteries Machine learning Στη σύγχρονη εποχή τα smartphones είναι γεγονός πως αποτελούν ένα βασικό εργαλείο της καθημερινότητας μας προσφέροντας ποικιλία εργασιών και δυνατοτήτων. Οι περισσότεροι άνθρωποι χρησιμοποιούν τις κινητές συσκευές τους κατά την διάρκεια όλης της ημέρας ως μέσο επικοινωνίας, ψυχαγωγίας, πληροφόρησης ακόμα κ ως εργαλείο για επαγγελματικούς σκοπούς. Η συνεχής αυτή χρήση όμως έχει ως αποτέλεσμα τον περιορισμό της διάρκειας ζωής της μπαταρίας των smartphones και αποτελεί μια από τις βασικές δυσκολίες που αντιμετωπίζουν οι χρήστες σε καθημερινή βάση. Για τον λόγω αυτό όσο χρήσιμα κι αν είναι τα smartphones κάνοντας την καθημερινότητα μας πιο εύκολη αλλά τόσο κρίσιμος είναι και ο έλεγχος διάρκειας ζωής της μπαταρίας αυτών καθώς μπορεί να περιορίσει σημαντικά τις δυνατότητες τους. Στα πλαίσια της παρούσας διπλωματικής εργασίας σχεδιάστηκε και αναπτύχθηκε μια Android εφαρμογή η οποία καταγράφει τα χαρακτηριστικά και τις λειτουργίες της κινητής συσκευής ενός πλήθους χρηστών, που μπορούν να έχουν σημαντική επίδραση στη διάρκεια ζωής της μπαταρίας τους (πχ. επίπεδο φωτεινότητας, συνδεσιμότητα στο διαδίκτυο, κλήσεις, ειδοποιήσεις). Αφού συλλέχθηκαν και αναλυθήκαν τα δεδομένα που προέκυψαν από την χρήση της εφαρμογής, εφαρμόστηκαν τεχνικές μηχανικής μάθησης με στόχο την πρόβλεψη της μπαταρίας των κινητών συσκευών για να ενημερώνονται κατάλληλα οι χρήστες αποφεύγοντας μια πιθανή εκφόρτιση της συσκευής τους. In modern times, smartphones are a fact that they are an essential tool of our daily life offering a variety of tasks and possibilities. Most people use their mobile devices throughout the day as a means of communication, entertainment, information and even as a tool for business purposes. However, this constant use results in limiting the battery life of smartphones and is one of the main difficulties that users face on a daily basis. For this reason, as useful as smartphones are in making our daily life easier it is just as crucial to control the battery life of these smartphones, as it can significantly limit their capabilities. In the context of this thesis, an Android application was designed and developed, which records the features and functions of the mobile device of a number of users, that can have a significant impact on their battery life (e.g. brightness level, internet connectivity, calls, notifications). After collecting and analyzing the data obtained from the use of the application, machine learning techniques were applied to predict the battery life of mobile devices in order to inform users properly, avoiding a possible discharge of their device. 2023-07-07T18:50:01Z 2023-07-07T18:50:01Z 2023-07-07 https://hdl.handle.net/10889/25450 el application/pdf
institution UPatras
collection Nemertes
language Greek
topic Κινητές συσκευές
Μπαταρίες
Φόρτιση μπαταρίας
Μηχανική μάθηση
Mobile devices
Batteries
Machine learning
spellingShingle Κινητές συσκευές
Μπαταρίες
Φόρτιση μπαταρίας
Μηχανική μάθηση
Mobile devices
Batteries
Machine learning
Κορκοτσέλου, Κωνσταντίνα
Πρόγνωση κατανάλωσης ενέργειας σε κινητές συσκευές
description Στη σύγχρονη εποχή τα smartphones είναι γεγονός πως αποτελούν ένα βασικό εργαλείο της καθημερινότητας μας προσφέροντας ποικιλία εργασιών και δυνατοτήτων. Οι περισσότεροι άνθρωποι χρησιμοποιούν τις κινητές συσκευές τους κατά την διάρκεια όλης της ημέρας ως μέσο επικοινωνίας, ψυχαγωγίας, πληροφόρησης ακόμα κ ως εργαλείο για επαγγελματικούς σκοπούς. Η συνεχής αυτή χρήση όμως έχει ως αποτέλεσμα τον περιορισμό της διάρκειας ζωής της μπαταρίας των smartphones και αποτελεί μια από τις βασικές δυσκολίες που αντιμετωπίζουν οι χρήστες σε καθημερινή βάση. Για τον λόγω αυτό όσο χρήσιμα κι αν είναι τα smartphones κάνοντας την καθημερινότητα μας πιο εύκολη αλλά τόσο κρίσιμος είναι και ο έλεγχος διάρκειας ζωής της μπαταρίας αυτών καθώς μπορεί να περιορίσει σημαντικά τις δυνατότητες τους. Στα πλαίσια της παρούσας διπλωματικής εργασίας σχεδιάστηκε και αναπτύχθηκε μια Android εφαρμογή η οποία καταγράφει τα χαρακτηριστικά και τις λειτουργίες της κινητής συσκευής ενός πλήθους χρηστών, που μπορούν να έχουν σημαντική επίδραση στη διάρκεια ζωής της μπαταρίας τους (πχ. επίπεδο φωτεινότητας, συνδεσιμότητα στο διαδίκτυο, κλήσεις, ειδοποιήσεις). Αφού συλλέχθηκαν και αναλυθήκαν τα δεδομένα που προέκυψαν από την χρήση της εφαρμογής, εφαρμόστηκαν τεχνικές μηχανικής μάθησης με στόχο την πρόβλεψη της μπαταρίας των κινητών συσκευών για να ενημερώνονται κατάλληλα οι χρήστες αποφεύγοντας μια πιθανή εκφόρτιση της συσκευής τους.
author2 Korkotselou, Konstantina
author_facet Korkotselou, Konstantina
Κορκοτσέλου, Κωνσταντίνα
author Κορκοτσέλου, Κωνσταντίνα
author_sort Κορκοτσέλου, Κωνσταντίνα
title Πρόγνωση κατανάλωσης ενέργειας σε κινητές συσκευές
title_short Πρόγνωση κατανάλωσης ενέργειας σε κινητές συσκευές
title_full Πρόγνωση κατανάλωσης ενέργειας σε κινητές συσκευές
title_fullStr Πρόγνωση κατανάλωσης ενέργειας σε κινητές συσκευές
title_full_unstemmed Πρόγνωση κατανάλωσης ενέργειας σε κινητές συσκευές
title_sort πρόγνωση κατανάλωσης ενέργειας σε κινητές συσκευές
publishDate 2023
url https://hdl.handle.net/10889/25450
work_keys_str_mv AT korkotseloukōnstantina prognōsēkatanalōsēsenergeiassekinētessyskeues
AT korkotseloukōnstantina forecastingenergyconsumptioninmobiledevices
_version_ 1771297172577320960