Μπουλάς Κωνσταντίνος

Printer-friendly version
First name: 
Κωνσταντίνος
Last name: 
Μπουλάς
Adjunct Faculty Member
Area of expertise: 
Τεχνητή Νοημοσύνη
Short Curriculum vitae: 

 

Ο Κωνσταντίνος Σταματίου Μπουλάς είναι Διπλωματούχος Μηχανικός Οικονομίας και Διοίκησης του Πανεπιστήμιου Αιγαίου (2006) και κάτοχος του Μεταπτυχιακού Διπλώματος Ειδίκευσης Οικονομική και Διοίκηση για Μηχανικούς , του ιδίου Τμήματος (2007). Είναι διδάκτορας του ιδίου Τμήματος απο το 2021 στη γνωστική περιοχή της Τεχνητής Νοημοσύνης (Artificial Intelligence) και συγκεκριμένα στην ανάπτυξη και τη χρήση μεθόδων Εξελικτικών Αλγορίθμων (Evolutionary Algorithms) όπως Γενετικός Προγραμματισμός (Genetic Programming) και Γενετικοί Αλγόριθμοι (Genetic Algorithms) σε προβλήματα παραγωγής.

Για τη λήψη του Διδακτορικού Διπλώματός του, εκπόνησε διατριβή με τίτλο Προσεγγίσεις Γενετικού Προγραμματισμού για Διαχείριση της Πολυπλοκότητας Συστημάτων με Εφαρμογή στη Διοίκηση Παραγωγής , υπό την επίβλεψη του κ. Δούνια Γεωργίου (Καθηγητή Πανεπιστήμιου Αιγαίου, Τμήμα Μηχανικών Οικονομίας και Διοίκησης).

Μετά τη λήψη του Διπλώματός του έγινε μέλος του Πανελλήνιου Συλλόγου Διπλωματούχων Μηχανικών Οικονομίας και Διοίκησης (ΠΑ.Σ.ΔΙ.Μ.Ο.Δ.), στον οποίο  είναι μέλος του Διοικητικού Συμβουλίου από τον Ιανουάριο του 2021, ενώ από τον Σεπτέμβριο του 2018 είναι δόκιμο μέλος της Ελληνικής Εταιρίας Τεχνητής Νοημοσύνης (ΕΕΤΝ).Είναι μέλος του Τεχνικού Επιμελητηρίου Ελλάδος (ΤΕΕ), και της Ενώσης Μηχανικών Δημοσίων Υπαλλήλων Διπλωματούχων Ανωτάτων Σχολών Χίου (ΕΜΔΥΔΑΣ Χίου).

Από το 1999 είναι υπάλληλος στο νυν Δήμο Χίου έχοντας υπηρετήσει σε διάφορές θέσεις ευθύνης ως προϊστάμενος Διεύθυνσης και Τμήματος. Αυτό το διάστημα έχει τοποθετηθεί προϊστάμενος στο Τμήμα Ηλεκτρομηχανολογικών Έργων και Σηματοδότησης της Διεύθυνσης Τεχνικών Υπηρεσιών του Δήμου Χίου.

Office: 
Α9
Address: 
Κουντουριώτου 41
Telephone: 
+ 30 22710 35483
Office hours: 
Παρασκευή 15:00-18:00
Email: 
kboulas [at] aegean [dot] gr
Publications: 

Boulas KS, Dounias GD, Papadopoulos CT (2021) A hybrid evolutionary algorithm approach for estimating the throughput of short reliable approximately balanced production lines. Journal of Intelligent Manufacturing. https://doi.org/10.1007/s10845-021-01828-6

Boulas KS, Dounias GD, Papadopoulos CT (2019) Throughput estimation of small flow lines using hybrid evolutionary techniques. In: SMMSO 2019. Leibniz University Hannover Institute of Production Management Hannover, Goslar, Germany, pp 79–81

Androvitsaneas VP, Boulas K, Dounias GD (2019) Intelligent Data Analysis in Electric Power Engineering Applications. In: Tsihrintzis GA, Sotiropoulos DN, Jain LC (eds) Machine Learning Paradigms: Advances in Data Analytics. Springer International Publishing, Cham, Switzerland, pp 269–313

Boulas KS, Androvitsaneas VP, Gonos IF, et al (2018) Ground enhancing compound selection using genetic programming. International Journal of Decision Support Systems 3:263–285. https://doi.org/10.1504/IJDSS.2018.100193

Boulas K, Tzanetos A, Dounias G (2018) Acquisition of approximate throughput formulas for serial production lines with parallel machines using intelligent techniques. In: Proceedings of the 10th Hellenic Conference on Artificial Intelligence. ACM Press, Rio Patras, Greece, p 18:1-18:7

Karampotsis E, Boulas K, Tzanetos A, et al (2017) Computational Intelligence Techniques for Modelling the Critical Flashover Voltage of Insulators: From Accuracy to Comprehensibility. In: Benferhat S, Tabia K, Ali M (eds) Advances in Artificial Intelligence: From Theory to Practice: 30th International Conference on Industrial Engineering and Other Applications of Applied Intelligent Systems, IEA/AIE 2017, Arras, France, June 27-30, 2017, Proceedings, Part I. Springer International Publishing, Cham, pp 295–301

Boulas K, Dounias G, Papadopoulos C (2017) Approximating Throughput of Small Production Lines Using Genetic Programming. In: Grigoroudis E, Doumpos M (eds) Operational Research in Business and Economics: 4th International Symposium and 26th National Conference on Operational Research, Chania, Greece, June 2015. Springer International Publishing, Cham, pp 185–204

Boulas K, Androvitsaneas VP, Gonos IF, et al (2016) Ground Resistance Estimation using Genetic Programming. In: Spyridakos A, Vryzidis L (eds) 5th International Symposium and 27th National Conference on Operation R esearch. Aigaleo, Athens, pp 66–71

Boulas K, Dounias G, Papadopoulos C, Tsakonas A (2015) Acquisition of Accurate or Approximate Throughput Formulas for Serial Production Lines through Genetic Programming. In: Proceedings of the 4th International Symposium & 26th National Conference on Operational Research. Hellenic Operational Research Society, Chania, Greece, pp 128–133

Boulas K, Dounias G (2014) A review of methods for the extraction of accurate formulas, the calculation of exact solutions and the optimal buffer allocation in serial production lines. IJEM 6:117–129

Kaldellis JK, Boulas K, Blahou D (1997) Optimum Hub Height for Wind Turbine Installations. In: Clean Energy for the New Century. Firenze, Italy

Koronakis P, Boulas K, Konstantinou P (1997) Going Solar on Wheel-chair A low cost developmen. SunWorld 21:

Κουκούμιαλος Σ, Μπουλάς Κ (2008) Προσεγγιστική Μέθοδος για την Εκτίμηση της Απόδοσης Ενός Συστήματος Extended Kanban. Στα πρακτικά συνεδρίου: Επιχειρησιακή Έρευνα και Τουριστική Ανάπτυξη. ΕΕΕΕ, Σπέτσες, Ελλάδα, pp 415–428


Διατριβές:

Μπουλάς Κ (2021) Προσεγγίσεις Γενετικού Προγραμματισμού για Διαχείριση της Πολυπλοκότητας Συστημάτων με Εφαρμογή στη Διοίκηση Παραγωγής, Διδακτορική Διατριβή, Πανεπιστήμιο Αιγαίου, Τμήμα Μηχανικών Οικονομίας και Διοίκησης

Μπουλάς Κ (2007) Μία αναλυτική μέθοδος για την εκτίμηση της απόδοσης ενός συστήματος ελέγχου παραγωγής extended kanban. Μεταπτυχιακή Διπλωματική Εργασία, Πανεπιστήμιο Αιγαίου, Τμήμα Μηχανικών Οικονομίας και Διοίκησης

Μπουλάς Κ (2006) Εκτίμηση απόδοσης σταθμού συγχρονισμού συστήματος ελέγχου και προσπάθεια παραγωγής extended kanban σε περιβάλλον matlab και προσπάθεια για την εκτίμηση της απόδοσης ενός συστήματος extended kanban. Διπλωματική εργασία, Πανεπιστήμιο Αιγαίου Τμήμα Μηχανικών Οικονομίας και Διοίκησης

Κωνσταντίνου Π, Μπουλάς Κ (1995) Μελέτη και Προσαρμογή ηλεκτροκίνητου αναπηρικού αμαξιδίου υποστηριζόμενου από φωτοβολταϊκά στοιχεία. Πτυχιακή Εργασία, ΤΕΙ Πειραιά, ΣΤΕΦ, Τμήμα Μηχανολογίας


Τεχνικές Αναφορές:

Μπουλάς, Κ., 1995. Υπολογισμός βέλτιστου ύψους τοποθέτησης ανεμογεννήτριας (Παραδοτέο στο Μάθημα Σεμινάριο 2-2-95). ΤΕΙ Πειραιά, ΣΤΕΦ, Τμήμα Μηχανολογίας, Πειραιάς.

Research interests: 

Τα ερευνητικά ενδιαφέροντα του Κωνσταντίνου Μπουλά άπτονται στην χρήση και ανάπτυξη μεθόδων Τεχνητής Νοημοσύνης (Artificial Intelligent) με εφαρμογές σε πραγματικά προβλήματα Μηχανικού. Ειδικότερα, στο χώρο των Εξελικτικών Αλγορίθμων (Evolutionary Algorithms), ιδιαίτερα στο Γενετικό Προγραμματισμό και στους Γενετικούς Αλγορίθμους. Τα προβλήματα που αντιμετωπίζονται με αυτές τις μεθόδους είναι κυρίως προβλήματα που αντιμετωπίζει ένας Μηχανικός όπως μοντελοποίηση πολύπλοκων συστημάτων, λήψη αποφάσεων για τη διοίκηση συστημάτων που συναντόνται στα πεδία της Επιχειρησιακής Έρευνας (Operations Research), της Μηχανικής της Διοίκησης (Management Engineering) και της Μηχανικής των Αποφάσεων (Decision Engineering).

Doctoral
Θέμα: 
Προσεγγίσεις γενετικού προγραμματισμού για διαχείριση της πολυπλοκότητας συστημάτων με εφαρμογή στη διοίκηση παραγωγής
Year of completion: 
2021