Η παρούσα μεταπτυχιακή διπλωματική εργασία διερευνά τον τρόπο με τον οποίο τα ψηφιακά δεδομένα παραγωγής, τα πληροφοριακά συστήματα και τα εργαλεία οπτικοποίησης συμβάλλουν στη βελτίωση της διαχείρισης ποιότητας και ασφάλειας σε βιομηχανικές διεργασίες, υπό το πρίσμα του πλαισίου Quality 4.0. Στόχος της εργασίας είναι η σύνθεση ενός εφαρμόσιμου πλαισίου ψηφιακής ωρίμανσης για βιομηχανικές μονάδες σε φάση ψηφιακής μετάβασης, με ταυτόχρονη γεφύρωση της διαχείρισης ποιότητας με τη διαχείριση κινδύνου και ασφάλειας — μια σύνδεση που παραμένει υπό-αναπτυγμένη στη διεθνή βιβλιογραφία.

Η μεθοδολογία υιοθετεί στρατηγική εμβαθυμένης μελέτης περίπτωσης (single embedded case study) με μικτή μεθοδολογική προσέγγιση παράλληλης σύγκλισης. Η εμπειρική ανάλυση τροφοδοτείται από τέσσερις πηγές δεδομένων: 1.108 ανωνυμοποιημένες εντολές παραγωγής έτους 2025 με 43 πεδία ανά εγγραφή, τέσσερις ημιδομημένες συνεντεύξεις με στελέχη διαφορετικών λειτουργικών περιοχών, εσωτερικά οργανωτικά έγγραφα και στοχευμένη βιβλιογραφική ανασκόπηση της περιόδου 2019–2026. Η ανάλυση συνδυάζει περιγραφική στατιστική, ανάλυση αποκλίσεων, διερευνητική ανάλυση συσχετίσεων, θεματική ανάλυση κατά Braun και Clarke (2006), ανάλυση κενών και συνθετική διαμόρφωση πλαισίου ωρίμανσης.

Τα ευρήματα αναδεικνύουν συστηματικές αποκλίσεις μεταξύ προγραμματισμένων και πραγματικών μεγεθών παραγωγής, υψηλή μεταβλητότητα σε συγκεκριμένους παραγωγικούς πόρους και μερική μόνο μετατροπή των ψηφιακών δεδομένων σε αποφάσεις βελτίωσης — μοτίβο τυπικό της σύγχρονης ευρωπαϊκής μεσαίας βιομηχανίας. Η εργασία προτείνει εφαρμόσιμο Πλαίσιο Ψηφιακής Ωρίμανσης Quality 4.0 με έξι αλληλοτροφοδοτούμενους άξονες: data foundation, real-time visibility, material flow and spatial control, decision support and KPIs, organizational alignment και continuous improvement loop. Συνεισφέρει στη διεθνή βιβλιογραφία με τρία στοιχεία πρωτοτυπίας: εμπειρική τεκμηρίωση σε πραγματικό βιομηχανικό περιβάλλον, συστηματική γεφύρωση Quality 4.0 και Safety 4.0 και εστίαση στο πλαίσιο της μεσαίας ευρωπαϊκής βιομηχανίας.

This master's thesis investigates how digital production data, information systems and data visualization tools contribute to the improvement of quality and safety management in industrial processes, within the Quality 4.0 framework. The objective is to synthesize an applicable digital maturity framework for industrial units in a transitional phase of digitalization, while simultaneously bridging quality management with risk and safety management — a connection that remains under-developed in the international literature.

The methodology adopts a single embedded case study strategy with a convergent parallel mixed-methods approach. The empirical analysis draws on four data sources: 1,108 anonymized production work orders for the year 2025 with 43 fields per record, four semi-structured interviews with executives from different functional areas, internal organizational documents, and a systematic literature review covering the period 2019–2026. The analysis combines descriptive and inferential statistics, thematic analysis following Braun and Clarke (2006), gap analysis, and the abductive synthesis of a maturity framework.

The findings reveal systematic deviations between planned and actual production parameters, high variability across specific production resources, and only partial conversion of digital data into improvement decisions — a pattern typical of contemporary European medium-sized industry. The study proposes an applicable Quality 4.0 Digital Maturity Framework with six interdependent axes: data foundation, real-time visibility, material flow and spatial control, decision support and KPIs, organizational alignment, and continuous improvement loop. It contributes to the international literature through three elements of originality: empirical documentation in a real industrial environment, systematic bridging of Quality 4.0 and Safety 4.0, and a focus on the context of medium-sized European industry.