Στόχος της παρούσας εργασίας είναι η ανάπτυξη ενός μεθοδολογικού σχήματος που συνίσταται από τον CLEAN αλγόριθμο, και την παραγοντική ανάλυση, για τη μελετη χρονοσειρων παραμετρων βιολογικου καθαρισμου βιομηχανιας. Ο CLEAN αλγόριθμος χρησιμοποιείται για την πλήρωση κενών στα αρχικά δεδομένα ώστε να προκύψουν συνεχείς χρονοσειρές, ενώ η παραγοντική ανάλυση ανιχνεύει τις σχέσεις μεταξύ των αρχικών μεταβλητών. Η ανάπλαση των χρονοσειρών αναδεικνύει τις σημαντικότερες πληροφορίες όσον αφορά τη χρονική διακύμανση των κυρίαρχων διεργασιών του βιολογικού καθαρισμού – τα αποτελέσματα ενισχύονται με την εφαρμογή της παραγοντικής ανάλυσης. Η παρούσα εργασία προτείνει ένα σχετικά απλό και αποτελεσματικό μεθοδολογικό σχήμα για τη καλύτερη παρακολούθηση της λειτουργίας μονάδων βιολογικού καθαρισμού. Αναλύθηκαν και μελετήθηκαν δεκατρείς παράμετροι, οι οποίες συλλέχθηκαν σε περίοδο οχτώ ετών. Με την εφαρμογή της CLEAN φασματικής ανάλυσης και της παραγοντικής ανάλυσης επεξεργάστηκαν συνολικά 37.960 δεδομένα. Αρχικά, ο CLEAN αλγόριθμος λειτούργησε με μεγάλη επιτυχία και συμπλήρωσε όλα τα κενά των αρχικών ανεπεξέργαστων δεδομένων και στη συνέχεια με την εφαρμογή της παραγοντικής ανάλυσης φάνηκε ότι επτά διεργασίες ελέγχουν διαχρονικά τη λειτουργία του βιολογικού καθαρισμού. Η CLEAN φασματική ανάλυση σε συνδυασμό με την πολυδιάστατη στατιστική παραγοντική ανάλυση αποτελούν ένα αποτελεσματικό και εξαιρετικά χρήσιμο εργαλείο για την μελέτη περιβαλλοντικών δεδομένων. / The scope of the study is the development of a methodology based on CLEAN algorithm and factor analysis for the study of the time series of parameters from a waste water treatment unit. CLEAN algorithm is used to cover missing data and measurements in order to create a time series without gaps, while factor analysis is used to detect relations and connection between the different parameters. Filling in the gaps in the time series, points out the most important information about frequency and repeatability of the basic procedures in the waste water treatment – those results are further supported by application of the factor analysis. This study suggests a simple and efficient approach for the supervision of waste water treatment units. Thirteen parameters, recorded for an eight years period were analyzed using the suggested methodology. 37.960 data in total were analyzed and processed. CLEAN algorithm was successfully applied to fill the gaps in the data. Factor analysis was used to point out 7 procedures as the key – factors controlling the waste water treatment operation for the whole time period. CLEAN algorithm in combination with the multiparameter statistical factor analysis compose a useful and effective tool for the study of complex environmental systems, like waste water units.