{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:5451872"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:5451872","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Process mining ως data-driven εργαλείο υποστήριξης Lean Management για τη βελτίωση επιχειρησιακών διαδικασιών","abstract":"Η παρούσα διπλωματική εργασία εξετάζει το process mining (εξόρυξη διαδικασιών) ως εργαλείο ανάλυσης δεδομένων που υποστηρίζει το Lean Management (λιτή διοίκηση) στη βελτίωση επιχειρησιακών διαδικασιών. Αφετηρία της έρευνας είναι η διαπίστωση ότι οι παραδοσιακές τεχνικές χαρτογράφησης αποτυπώνουν συνήθως τον τρόπο με τον οποίο αναμένεται να λειτουργεί μια διαδικασία. Ωστόσο, δεν παρουσιάζουν πάντοτε όλες τις διαφορετικές διαδρομές, τις επαναλήψεις και τις καθυστερήσεις που εμφανίζονται στην καθημερινή λειτουργία. Το process mining αξιοποιεί αρχεία γεγονότων από πληροφοριακά συστήματα, ώστε να αποτυπώσει τον τρόπο με τον οποίο εκτελείται πραγματικά η διαδικασία. Παράλληλα, το Lean Management βοηθά στον προσδιορισμό των δραστηριοτήτων που προσθέτουν αξία, στον εντοπισμό της σπατάλης και στον σχεδιασμό ενεργειών συνεχούς βελτίωσης. Η εργασία συνδυάζει βιβλιογραφική ανασκόπηση με δευτερογενή μελέτη περίπτωσης της διαδικασίας Demand Planning (σχεδιασμός ζήτησης) στη φαρμακευτική εταιρεία Valeant. Στην αρχική μελέτη καταγράφηκαν οι ενέργειες έξι demand planners, οι οποίοι ήταν υπεύθυνοι για είκοσι χώρες. Για την ανάλυση χρησιμοποιήθηκαν process mining, στατιστικά μοντέλα παλινδρόμησης και προσομοίωση της διαδικασίας. Η παρούσα εργασία δεν συλλέγει νέα δεδομένα, αλλά αξιοποιεί τα δημοσιευμένα αποτελέσματα και τα ερμηνεύει με βάση τις αρχές του Lean Management. Η ανάλυση επικεντρώνεται στη σύνταξη αναφορών (reporting), στη δημιουργία του forecast pack, στην ποιότητα των δεδομένων, στις διαφορές της ροής εργασίας μεταξύ των χωρών και στον περιορισμένο χρόνο που διαθέτουν οι planners για ουσιαστική ανάλυση. Με βάση τα ευρήματα προτείνονται η κοινή διαχείριση των δεδομένων, η απλοποίηση και η αυτοματοποίηση της διαδικασίας σύνταξης αναφορών, καθώς και η εφαρμογή τυποποιημένης εργασίας με ελεγχόμενες εξαιρέσεις. Προτείνονται επίσης ο προγραμματισμός βάσει εξαιρέσεων (exception-based planning) και η συνεχής παρακολούθηση της διαδικασίας μέσω process mining. Το βασικό συμπέρασμα είναι ότι το process mining δεν αντικαθιστά ούτε το Lean Management ούτε την ανθρώπινη κρίση. Παρέχει, όμως, αντικειμενικά στοιχεία για τον τρόπο με τον οποίο εκτελείται η διαδικασία και για τον χρόνο που απαιτεί κάθε στάδιό της. Έτσι, διευκολύνει τον σχεδιασμό στοχευμένων παρεμβάσεων και τον συστηματικό έλεγχο της αποτελεσματικότητάς τους.","abstract_html":"Η παρούσα διπλωματική εργασία εξετάζει το process mining (εξόρυξη διαδικασιών) ως εργαλείο ανάλυσης δεδομένων που υποστηρίζει το Lean Management (λιτή διοίκηση) στη βελτίωση επιχειρησιακών διαδικασιών. Αφετηρία της έρευνας είναι η διαπίστωση ότι οι παραδοσιακές τεχνικές χαρτογράφησης αποτυπώνουν συνήθως τον τρόπο με τον οποίο αναμένεται να λειτουργεί μια διαδικασία. Ωστόσο, δεν παρουσιάζουν πάντοτε όλες τις διαφορετικές διαδρομές, τις επαναλήψεις και τις καθυστερήσεις που εμφανίζονται στην καθημερινή λειτουργία. Το process mining αξιοποιεί αρχεία γεγονότων από πληροφοριακά συστήματα, ώστε να αποτυπώσει τον τρόπο με τον οποίο εκτελείται πραγματικά η διαδικασία. Παράλληλα, το Lean Management βοηθά στον προσδιορισμό των δραστηριοτήτων που προσθέτουν αξία, στον εντοπισμό της σπατάλης και στον σχεδιασμό ενεργειών συνεχούς βελτίωσης. Η εργασία συνδυάζει βιβλιογραφική ανασκόπηση με δευτερογενή μελέτη περίπτωσης της διαδικασίας Demand Planning (σχεδιασμός ζήτησης) στη φαρμακευτική εταιρεία Valeant. Στην αρχική μελέτη καταγράφηκαν οι ενέργειες έξι demand planners, οι οποίοι ήταν υπεύθυνοι για είκοσι χώρες. Για την ανάλυση χρησιμοποιήθηκαν process mining, στατιστικά μοντέλα παλινδρόμησης και προσομοίωση της διαδικασίας. Η παρούσα εργασία δεν συλλέγει νέα δεδομένα, αλλά αξιοποιεί τα δημοσιευμένα αποτελέσματα και τα ερμηνεύει με βάση τις αρχές του Lean Management. Η ανάλυση επικεντρώνεται στη σύνταξη αναφορών (reporting), στη δημιουργία του forecast pack, στην ποιότητα των δεδομένων, στις διαφορές της ροής εργασίας μεταξύ των χωρών και στον περιορισμένο χρόνο που διαθέτουν οι planners για ουσιαστική ανάλυση. Με βάση τα ευρήματα προτείνονται η κοινή διαχείριση των δεδομένων, η απλοποίηση και η αυτοματοποίηση της διαδικασίας σύνταξης αναφορών, καθώς και η εφαρμογή τυποποιημένης εργασίας με ελεγχόμενες εξαιρέσεις. Προτείνονται επίσης ο προγραμματισμός βάσει εξαιρέσεων (exception-based planning) και η συνεχής παρακολούθηση της διαδικασίας μέσω process mining. Το βασικό συμπέρασμα είναι ότι το process mining δεν αντικαθιστά ούτε το Lean Management ούτε την ανθρώπινη κρίση. Παρέχει, όμως, αντικειμενικά στοιχεία για τον τρόπο με τον οποίο εκτελείται η διαδικασία και για τον χρόνο που απαιτεί κάθε στάδιό της. Έτσι, διευκολύνει τον σχεδιασμό στοχευμένων παρεμβάσεων και τον συστηματικό έλεγχο της αποτελεσματικότητάς τους.","abstract_has_math":false,"creators":["ΚΟΜΝΗΝΑΚΗ ΛΗΔΑ","KOMNINAKI LIDA"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2026,"date_issued":"2026","date_published":"2026","updated_at":"2026-11-19T05:20:47Z","subjects":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5451872"],"render_values":[{"text":"uoadl:5451872","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5451872","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/5451872","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A5451872","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["ΚΟΜΝΗΝΑΚΗ ΛΗΔΑ","KOMNINAKI LIDA"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2026"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:5451872","https://pergamos.lib.uoa.gr/uoa/dl/object/5451872"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η παρούσα διπλωματική εργασία εξετάζει το process mining (εξόρυξη διαδικασιών) ως εργαλείο ανάλυσης δεδομένων που υποστηρίζει το Lean Management (λιτή διοίκηση) στη βελτίωση επιχειρησιακών διαδικασιών. Αφετηρία της έρευνας είναι η διαπίστωση ότι οι παραδοσιακές τεχνικές χαρτογράφησης αποτυπώνουν συνήθως τον τρόπο με τον οποίο αναμένεται να λειτουργεί μια διαδικασία. Ωστόσο, δεν παρουσιάζουν πάντοτε όλες τις διαφορετικές διαδρομές, τις επαναλήψεις και τις καθυστερήσεις που εμφανίζονται στην καθημερινή λειτουργία. Το process mining αξιοποιεί αρχεία γεγονότων από πληροφοριακά συστήματα, ώστε να αποτυπώσει τον τρόπο με τον οποίο εκτελείται πραγματικά η διαδικασία. Παράλληλα, το Lean Management βοηθά στον προσδιορισμό των δραστηριοτήτων που προσθέτουν αξία, στον εντοπισμό της σπατάλης και στον σχεδιασμό ενεργειών συνεχούς βελτίωσης. Η εργασία συνδυάζει βιβλιογραφική ανασκόπηση με δευτερογενή μελέτη περίπτωσης της διαδικασίας Demand Planning (σχεδιασμός ζήτησης) στη φαρμακευτική εταιρεία Valeant. Στην αρχική μελέτη καταγράφηκαν οι ενέργειες έξι demand planners, οι οποίοι ήταν υπεύθυνοι για είκοσι χώρες. Για την ανάλυση χρησιμοποιήθηκαν process mining, στατιστικά μοντέλα παλινδρόμησης και προσομοίωση της διαδικασίας. Η παρούσα εργασία δεν συλλέγει νέα δεδομένα, αλλά αξιοποιεί τα δημοσιευμένα αποτελέσματα και τα ερμηνεύει με βάση τις αρχές του Lean Management. Η ανάλυση επικεντρώνεται στη σύνταξη αναφορών (reporting), στη δημιουργία του forecast pack, στην ποιότητα των δεδομένων, στις διαφορές της ροής εργασίας μεταξύ των χωρών και στον περιορισμένο χρόνο που διαθέτουν οι planners για ουσιαστική ανάλυση. Με βάση τα ευρήματα προτείνονται η κοινή διαχείριση των δεδομένων, η απλοποίηση και η αυτοματοποίηση της διαδικασίας σύνταξης αναφορών, καθώς και η εφαρμογή τυποποιημένης εργασίας με ελεγχόμενες εξαιρέσεις. Προτείνονται επίσης ο προγραμματισμός βάσει εξαιρέσεων (exception-based planning) και η συνεχής παρακολούθηση της διαδικασίας μέσω process mining. Το βασικό συμπέρασμα είναι ότι το process mining δεν αντικαθιστά ούτε το Lean Management ούτε την ανθρώπινη κρίση. Παρέχει, όμως, αντικειμενικά στοιχεία για τον τρόπο με τον οποίο εκτελείται η διαδικασία και για τον χρόνο που απαιτεί κάθε στάδιό της. Έτσι, διευκολύνει τον σχεδιασμό στοχευμένων παρεμβάσεων και τον συστηματικό έλεγχο της αποτελεσματικότητάς τους.","This thesis examines process mining as a data-driven tool for supporting Lean Management and improving business processes. The study starts from the observation that traditional process-mapping techniques often represent the expected workflow and may not fully reveal the variants, repetitions, rework and delays occurring in daily operations. Process mining uses event data to reconstruct how a process is actually executed, while Lean Management provides the principles needed to define value, identify waste and design continuous-improvement interventions. The research combines a literature review with a secondary case study of the Demand Planning process at the pharmaceutical company Valeant. The original study recorded the activities of six demand planners covering twenty countries and applied process mining, regression analysis and simulation. The present thesis uses the published evidence and interprets it through a Lean perspective. Reporting, forecast-pack creation, data-quality problems, country-specific process variants and the limited availability of planners for value-adding analysis emerged as the main areas requiring attention. Based on these findings, the thesis proposes common data governance, simplification and automation of reporting, standardized work with controlled exceptions, exception-based planning and continuous monitoring through process mining. The main conclusion is that process mining does not replace Lean principles or human judgment. Its role is to provide an empirical foundation that makes the real process visible and measurable. When combined with process knowledge, employee participation and balanced performance indicators, it can support better problem selection, more targeted Lean interventions and systematic evaluation of their results. The case also demonstrates the need to distinguish simulated improvements from outcomes that have been verified through implementation."]},{"key":"dc:title","label":"Title","values":["Process mining ως data-driven εργαλείο υποστήριξης Lean Management για τη βελτίωση επιχειρησιακών διαδικασιών"]}]}],"canonical_facts":{"dc:creator":["ΚΟΜΝΗΝΑΚΗ ΛΗΔΑ","KOMNINAKI LIDA"],"dc:date":["2026"],"dc:description":["Η παρούσα διπλωματική εργασία εξετάζει το process mining (εξόρυξη διαδικασιών) ως εργαλείο ανάλυσης δεδομένων που υποστηρίζει το Lean Management (λιτή διοίκηση) στη βελτίωση επιχειρησιακών διαδικασιών. Αφετηρία της έρευνας είναι η διαπίστωση ότι οι παραδοσιακές τεχνικές χαρτογράφησης αποτυπώνουν συνήθως τον τρόπο με τον οποίο αναμένεται να λειτουργεί μια διαδικασία. Ωστόσο, δεν παρουσιάζουν πάντοτε όλες τις διαφορετικές διαδρομές, τις επαναλήψεις και τις καθυστερήσεις που εμφανίζονται στην καθημερινή λειτουργία. Το process mining αξιοποιεί αρχεία γεγονότων από πληροφοριακά συστήματα, ώστε να αποτυπώσει τον τρόπο με τον οποίο εκτελείται πραγματικά η διαδικασία. Παράλληλα, το Lean Management βοηθά στον προσδιορισμό των δραστηριοτήτων που προσθέτουν αξία, στον εντοπισμό της σπατάλης και στον σχεδιασμό ενεργειών συνεχούς βελτίωσης. Η εργασία συνδυάζει βιβλιογραφική ανασκόπηση με δευτερογενή μελέτη περίπτωσης της διαδικασίας Demand Planning (σχεδιασμός ζήτησης) στη φαρμακευτική εταιρεία Valeant. Στην αρχική μελέτη καταγράφηκαν οι ενέργειες έξι demand planners, οι οποίοι ήταν υπεύθυνοι για είκοσι χώρες. Για την ανάλυση χρησιμοποιήθηκαν process mining, στατιστικά μοντέλα παλινδρόμησης και προσομοίωση της διαδικασίας. Η παρούσα εργασία δεν συλλέγει νέα δεδομένα, αλλά αξιοποιεί τα δημοσιευμένα αποτελέσματα και τα ερμηνεύει με βάση τις αρχές του Lean Management. Η ανάλυση επικεντρώνεται στη σύνταξη αναφορών (reporting), στη δημιουργία του forecast pack, στην ποιότητα των δεδομένων, στις διαφορές της ροής εργασίας μεταξύ των χωρών και στον περιορισμένο χρόνο που διαθέτουν οι planners για ουσιαστική ανάλυση. Με βάση τα ευρήματα προτείνονται η κοινή διαχείριση των δεδομένων, η απλοποίηση και η αυτοματοποίηση της διαδικασίας σύνταξης αναφορών, καθώς και η εφαρμογή τυποποιημένης εργασίας με ελεγχόμενες εξαιρέσεις. Προτείνονται επίσης ο προγραμματισμός βάσει εξαιρέσεων (exception-based planning) και η συνεχής παρακολούθηση της διαδικασίας μέσω process mining. Το βασικό συμπέρασμα είναι ότι το process mining δεν αντικαθιστά ούτε το Lean Management ούτε την ανθρώπινη κρίση. Παρέχει, όμως, αντικειμενικά στοιχεία για τον τρόπο με τον οποίο εκτελείται η διαδικασία και για τον χρόνο που απαιτεί κάθε στάδιό της. Έτσι, διευκολύνει τον σχεδιασμό στοχευμένων παρεμβάσεων και τον συστηματικό έλεγχο της αποτελεσματικότητάς τους.","This thesis examines process mining as a data-driven tool for supporting Lean Management and improving business processes. The study starts from the observation that traditional process-mapping techniques often represent the expected workflow and may not fully reveal the variants, repetitions, rework and delays occurring in daily operations. Process mining uses event data to reconstruct how a process is actually executed, while Lean Management provides the principles needed to define value, identify waste and design continuous-improvement interventions. The research combines a literature review with a secondary case study of the Demand Planning process at the pharmaceutical company Valeant. The original study recorded the activities of six demand planners covering twenty countries and applied process mining, regression analysis and simulation. The present thesis uses the published evidence and interprets it through a Lean perspective. Reporting, forecast-pack creation, data-quality problems, country-specific process variants and the limited availability of planners for value-adding analysis emerged as the main areas requiring attention. Based on these findings, the thesis proposes common data governance, simplification and automation of reporting, standardized work with controlled exceptions, exception-based planning and continuous monitoring through process mining. The main conclusion is that process mining does not replace Lean principles or human judgment. Its role is to provide an empirical foundation that makes the real process visible and measurable. When combined with process knowledge, employee participation and balanced performance indicators, it can support better problem selection, more targeted Lean interventions and systematic evaluation of their results. The case also demonstrates the need to distinguish simulated improvements from outcomes that have been verified through implementation."],"dc:identifier":["uoadl:5451872","https://pergamos.lib.uoa.gr/uoa/dl/object/5451872"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Κοινωνικές, Πολιτικές και Οικονομικές επιστήμες","Social, Political and Economic sciences"],"dc:title":["Process mining ως data-driven εργαλείο υποστήριξης Lean Management για τη βελτίωση επιχειρησιακών διαδικασιών"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:20:47Z"}