Η παρούσα μεταπτυχιακή εργασία διερευνά τον τρόπο με τον οποίο οι αρχές της Ποιότητας 4.0 μπορούν να επιταχύνουν τον ψηφιακό μετασχηματισμό της συντήρησης στον τομέα των οχημάτων, με έμφαση στην προβλεπτική συντήρηση (prescriptive maintenance – RxM). Αντί να περιοριστεί στη χαρτογράφηση υφιστάμενων τεχνικών, η εργασία επιχειρεί να αποτυπώσει τη βαθύτερη εννοιολογική και επιχειρησιακή δυναμική της RxM, ως συνέχεια και εξέλιξη της προγνωστικής συντήρησης (predictive maintenance – PdM), εστιάζοντας στις πραγματικές απαιτήσεις στόλων οχημάτων. Η βιβλιογραφική βάση συγκροτήθηκε βάσει συστηματικής ανασκόπησης 58 επιστημονικών και τεχνολογικών πηγών, αξιοποιώντας πρότυπα PRISMA, AMSTAR 2 και ROBIS, ώστε να διασφαλιστεί η εγκυρότητα και η αντικειμενικότητα της ανάλυσης. Μέσω της εννοιολογικής σύνθεσης και της μελέτης περιπτώσεων, αναδεικνύεται η καθοριστική σημασία της ενσωμάτωσης αισθητήρων, τεχνητής νοημοσύνης, ψηφιακών διδύμων και αρχιτεκτονικών cloud στην αποτελεσματική εφαρμογή RxM. Τα αποτελέσματα δείχνουν ότι η υιοθέτηση μοντέλων προβλεπτικής συντήρησης οδηγεί σε σημαντική μείωση κόστους, βελτίωση της διαθεσιμότητας, αύξηση της ασφάλειας και ενίσχυση της διαλειτουργικότητας των συστημάτων. Παράλληλα, προτείνεται ένα ενιαίο πολυεπίπεδο μοντέλο RxM που συνδέει τεχνολογικούς, οργανωσιακούς και στρατηγικούς άξονες με τις αρχές της επιχειρησιακής αριστείας και της βιώσιμης κινητικότητας. Η συμβολή της εργασίας εκτείνεται τόσο στη θεωρητική τεκμηρίωση όσο και στην παροχή εφαρμόσιμων εργαλείων και δεικτών προς χρήση από βιομηχανικούς φορείς, διαχειριστές στόλων και οργανισμούς ποιότητας.

This postgraduate thesis explores how the principles of Quality 4.0 can accelerate the digital transformation of maintenance strategies in the vehicle sector, with a focus on prescriptive maintenance (RxM). Rather than merely mapping existing technologies, the study aims to capture the conceptual and operational dynamics of RxM as a natural progression from predictive maintenance (PdM), tailored to the real-world demands of vehicle fleets. The bibliographic foundation is based on a systematic review of 58 academic and technical sources, following the PRISMA, AMSTAR 2, and ROBIS standards to ensure methodological rigor and objectivity. Through conceptual synthesis and case study analysis, the research highlights the critical role of sensor integration, artificial intelligence, digital twins, and cloud architectures in the effective implementation of RxM systems. The results demonstrate that adopting prescriptive maintenance models leads to significant cost reduction, increased availability, enhanced safety, and improved system interoperability. Additionally, a unified, multi-level RxM model is proposed, linking technological, organizational, and strategic dimensions with the principles of operational excellence and sustainable mobility. The thesis contributes both to the theoretical systematization of the field and to the development of applicable tools and performance indicators for industrial stakeholders, fleet managers, and quality assurance organizations.