https://www.mdu.se/

mdu.sePublications
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
A Framework for Achieving Data-Driven Decision Making in Production Development
Mälardalen University, School of Innovation, Design and Engineering, Innovation and Product Realisation.
2020 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesis
Abstract [en]

Industry 4.0 and the development of novel digital technologies is forcing manufacturing companies to introduce drastic changes to their productions systems. These technologies provide unique opportunities for manufacturing companies to collect, process and store large data volumes, which can be used to facilitate the coordination of factory elements. Previous research indicate that decisions based on data can provide fact-based decisions which can contribute to an increased productivity. However, manufacturing companies are not fully exploiting data as support for decision-making, which is desirable for an increased competitiveness. Currently, much attention is pointed towards the technology instead of the humans responsible for interpreting data and making decisions. Adding to this, there is a lack of guidance on how manufacturing companies can go from current decision making practices (i.e., decisions based on gut feelings) to fact-based decisions driven by data. To address this gap, the purpose of this thesis is to propose a framework for achieving data-driven decision making in production development in the context of Industry 4.0. The purpose is accomplished by using a qualitative-based case study approach at a small and medium sized enterprise in the electronics industry. The results indicate that both challenges and enablers for achieving data-driven decision making in production development are related to perspectives and attitudes, processes for data quality, technology and processes for decision making. Four maturity levels of data-data driven decision making are also identified. The proposed framework can be used by manufacturing companies to help them plan and prepare for their own specific development path towards data-driven decision making. Contributing to current understanding, this thesis considers the human decision makers perspective to develop the ability to collect, process, analyze and use the data to support time efficient and high-quality decisions, an insight lacking in prior academic studies. Future research may include confirmation of the findings presented in this thesis with additional use cases and industry types.

Abstract [sv]

Industri 4.0 och utvecklingen av nya digitala teknologier tvingar tillverkningsföretag att introducera drastiska förändringar i sina produktionssystem. Dessa teknologier skapar unika möjligheter för tillverkningsföretag att samla, processa och lagra stora datavolymer, vilka kan användas för att stödja koordineringen av fabrikselement. Tidigare forskning indikerar att beslut baserade på data kan innebära faktabaserade beslut vilket kan bidra till en ökad produktivitet. Tillverkningsföretag utnyttjar dock inte data som underlag för beslutsfattande, vilket är önskvärt för en ökad konkurrenskraft. I dagsläget är mycket uppmärksamhet riktat mot teknologier istället för de människor som är ansvariga för att tolka data och fatta beslut. Dessutom saknas ledning gällande hur tillverkningsföretag kan gå från nuvarande beslutsrutiner (exempelvis beslut baserade på magkänsla) till faktabaserade beslut på data. Syftet med detta examensarbete är därför att föreslå ett ramverk för att åstadkomma data-baserade beslut genom produktionsutveckling i ett Industri 4.0 kontext. Syftet har uppnått genom en kvalitativ fallstudie på litet och mellanstort företag i elektronikindustrin. Resultaten påvisar att både utmaningar och möjliggörare för att åstadkomma databaserade beslut i produktionsutveckling är relaterade till perspektiv och attityder, processer för datakvalitet, teknologi och processer för beslutsfattande. Fyra olika mognadsnivåer för data-baserade beslut har också identifierats. Det föreslagna ramverket för databaserade beslut kan användas av tillverkningsföretag i syfte att hjälpa dem planera och förbereda sig för deras egna specifika utvecklings mot databaserat beslutsfattande. Genom att bidra till nuvarande kännedom avser detta examenarbete de mänskliga beslutsfattarnas perspektiv gällande utveckling at förmågan att samla, processa, analysera och använda datan för att stödja tidseffektiva och högkvalitativa beslut. Detta är en insikt som saknas i tidigare akademiska studier. Framtida studier kan inkludera verifiering av resultaten presenterade i detta examensarbete med fler tillämpningsområden och typer av industrier.  

Place, publisher, year, edition, pages
2020. , p. 51
Keywords [en]
Decision making, Industry 4.0, Challenges, Enablers, Maturity Assessment
Keywords [sv]
Beslutsfattande, Industri 4.0, Utmaningar, Möjliggörare, Mognadsbedömning
National Category
Production Engineering, Human Work Science and Ergonomics
Identifiers
URN: urn:nbn:se:mdh:diva-48133OAI: oai:DiVA.org:mdh-48133DiVA, id: diva2:1435219
Subject / course
Product and Process Development
Supervisors
Examiners
Available from: 2020-06-05 Created: 2020-06-04 Last updated: 2020-06-05Bibliographically approved

Open Access in DiVA

Agerskans (2020) - A Framework for Achieving Data-Driven Decision Making in Production Development(1689 kB)1310 downloads
File information
File name FULLTEXT01.pdfFile size 1689 kBChecksum SHA-512
2e467419c4508485c37a3c4f2898b7d3100b279c924b5c66168c4c4b0c69f3613d29a102ab152b27fc6a22c4fe16f1785603c170af7c864369fccb86eb5da71a
Type fulltextMimetype application/pdf

By organisation
Innovation and Product Realisation
Production Engineering, Human Work Science and Ergonomics

Search outside of DiVA

GoogleGoogle Scholar
Total: 1325 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 2201 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf