This dissertation addresses the operational complexities and regulatory compliance challenges within the medical cannabis industry, focusing specifically on workload management in cultivation and manufacturing processes governed by Good Agricultural and Collection Practices (GACP) and Good Manufacturing Practices (GMP). Medical cannabis operators often face uneven labor distribution, compliance risks, and inefficiencies due to the highly manual, repetitive, and strictly regulated nature of production tasks.

To bridge this gap, a custom workload analysis tool was developed using Microsoft Excel, integrating real-time environmental data, automation adjustments, and productivity allowances to precisely forecast labor demands across a standardized 52-week production cycle. Leveraging a Design Science Research (DSR) methodology, the tool was validated within a real-world operational environment, demonstrating significant improvements in workforce scheduling accuracy, task allocation efficiency, and audit readiness.

The study presents detailed findings from scenario simulations, including the impact of increased plant volumes and automation implementations on labor optimization. Results highlight measurable reductions in labor inefficiencies, enhanced regulatory compliance, and improved operational transparency. The research contributes to existing literature by providing a practical framework that combines digital transformation principles with operational efficiency, specifically tailored for small-to-medium-sized enterprises (SMEs) in regulated agricultural and pharmaceutical contexts. It further provides industry practitioners with an accessible, scalable, and cost-effective solution for proactive workload planning and regulatory compliance assurance.

Η παρούσα διατριβή πραγματεύεται τις λειτουργικές πολυπλοκότητες και τις προκλήσεις της κανονιστικής συμμόρφωσης στη βιομηχανία της φαρμακευτικής κάνναβης, με επίκεντρο τη διαχείριση του φόρτου εργασίας στις διαδικασίες καλλιέργειας και μεταποίησης που διέπονται από τις ορθές γεωργικές και συλλεκτικές πρακτικές (GACP) και τις ορθές πρακτικές παρασκευής (GMP). Οι χειριστές φαρμακευτικής κάνναβης συχνά αντιμετωπίζουν άνιση κατανομή εργασίας, κινδύνους συμμόρφωσης και αναποτελεσματικότητες λόγω της έντονα χειρωνακτικής, επαναλαμβανόμενης και αυστηρά ρυθμιζόμενης φύσης των παραγωγικών εργασιών.

Για να καλυφθεί αυτό το κενό, αναπτύχθηκε ένα εξατομικευμένο εργαλείο ανάλυσης φόρτου εργασίας μέσω της εφαρμογής Microsoft Excel, το οποίο ενσωματώνει δεδομένα πραγματικού χρόνου από το περιβάλλον, παραμέτρους αυτοματοποίησης και ανοχή παραγωγικότητας, ώστε να προβλέπει με ακρίβεια τις ανάγκες σε εργατικό δυναμικό σε ένα τυποποιημένο ετήσιο κύκλο παραγωγής 52 εβδομάδων. Αξιοποιώντας τη μεθοδολογία Design Science Research (DSR), το εργαλείο επικυρώθηκε σε πραγματικό λειτουργικό περιβάλλον, αποδεικνύοντας σημαντικές βελτιώσεις στην ακρίβεια προγραμματισμού βαρδιών, στην αποδοτική κατανομή εργασιών και στην ετοιμότητα για ελέγχους συμμόρφωσης.

Η μελέτη παρουσιάζει λεπτομερή ευρήματα από προσομοιώσεις σεναρίων, συμπεριλαμβανομένου του αντίκτυπου της αύξησης του αριθμού φυτών και της εφαρμογής αυτοματισμών στη βελτιστοποίηση του εργατικού δυναμικού. Τα αποτελέσματα αναδεικνύουν μετρήσιμες μειώσεις στις αναποτελεσματικότητες εργασίας, ενίσχυση της κανονιστικής συμμόρφωσης και βελτίωση της διαφάνειας των λειτουργιών. Η έρευνα συμβάλλει στη βιβλιογραφία παρέχοντας ένα πρακτικό πλαίσιο που συνδυάζει τις αρχές του ψηφιακού μετασχηματισμού με την επιχειρησιακή αποδοτικότητα, ειδικά προσαρμοσμένο για μικρομεσαίες επιχειρήσεις (ΜΜΕ) σε ρυθμιζόμενα αγροτικά και φαρμακευτικά περιβάλλοντα. Επιπλέον, προσφέρει στους επαγγελματίες του κλάδου μια προσβάσιμη, επεκτάσιμη και οικονομικά αποδοτική λύση για προληπτικό σχεδιασμό φόρτου εργασίας και διασφάλιση κανονιστικής συμμόρφωσης.