Detta är ett examensarbete inom Industriell Ekonomi, inriktning arbetsorganisation och ledarskap som rör sig om att undersöka och analysera CE-märkningsprocessen för företag inom automationsbranschen. Avsikten med examensarbetet att föreslå relevanta metoder och verktyg för att effektivisera processen och att eliminera slöseri och minimera kvarstående arbete för slutförandet av CE-märkningen hos kunden. För att kunna uppfylla avsikten med examensarbetet så har tre frågeställningar tagits fram. För att besvara frågeställningarna har datainsamling gjorts som har bestått av en kombination av kvalitativ och kvantitativ metod. Kvalitativ metod utfördes i form av semistrukturerade intervjuer för att undersöka respondenternas åsikter om processen och identifiera problem. Kvantitativ  metod  utfördes  i  form  av  vetenskapliga  artiklar,  dokumentationer  och litteraturstudie för att samla in data i form av relevanta teorier och undersöka interna dokument från företaget. Resultaten av studien visar att CE-märkningsprocessen består av flera steg som är beroende av varandra. LEAN-förbättringsmetoder och verktyg kan tillämpas i processen för att uppnå effektivitet. Dessutom kan delaktighet och involvering från projektgruppens medlemmar bidra till en förbättring av informationsflödet och bättre informationskvalitet som utbyts under processen. Detta arbete bidrar teoretiskt genom att tillämpa LEAN-filosofin på CE-märkningsprocessen och praktiskt genom att föreslå metoder för att effektivisera processen och minska kvarstående arbete vid CE-märkning hos kunden. Det unika med denna studie är tillämpningen av LEAN- filosofin på CE-märkningsprocessen inom automationsbranschen, vilket öppnar upp nya möjligheter för förbättringar och ökad effektivitet inom området. / In order to fulfill the intention of the thesis, three questions have been developed. To answer these questions, data collection has been done which has consisted of a combination of qualitative and quantitative methods. Qualitative method was carried out in the form of semi- structured interviews to investigate respondents' views on the process and identify problems. Quantitative method was carried out in the form of scientific articles, documentation and literature study to collect data in the form of relevant theories and examine internal documents from the company. The results of the study show that the CE marking process is made up of several interdependent steps. LEAN tools and methods can be applied in the process to achieve efficiency. In addition, the participation and involvement of project team members can contribute to an improvement in the flow of information and better quality of information exchanged during the process. This work contributes theoretically by applying the LEAN philosophy to the CE marking process and practically by suggesting methods to make the process more effective and minimize the remaining work for CE marking at the customer. What is unique about this study is the application of the LEAN philosophy to the CE marking process in the automation industry, which opens new opportunities for improvements and increased efficiency in the field.

Max Gordon is a researcher at the Karolinska Institute who works with developing a deep learning algorithm for interpreting orthopedic X-ray images. It is using radiologist’s reports in order to deduce labels that are of interest such as presence of fracture, osteoarthritis and other features. The previous image viewer’s interface Swagger had issues in terms of managing the stored data. This could potentially be solved by switching to GraphQL according to Max Gordon. On request by Max Gordon studies were conducted in order to conclude if Swagger or GraphQL was more compatible with the medical CE-marking and which was more suited for expanding the system. The studies mainly consisted of measuring interpretability at different target groups and how they faced Swedish law when it came down to handling personal data. Based on the qualitative and quantitative studies, the conclusion was drawn that Swagger was more compatible with the medical CE-marking and expansion of the image viewer. / Max Gordon är en forskare på Karolinska Institutet som arbetar med att utveckla en algoritm och tillämpning vilket kan tolka röntgenbilder. Denna används tillsammans med rapporter från radiologer för att kunna utreda röntgenbilders egenskaper. Den föregående bildvisarens gränssnittsspecifikation Swagger hade problem med att hantera den lagrade datan, detta kunde potentiellt lösas genom att använda GraphQL, enligt Max Gordon. På begäran av Max Gordon skulle kompabiliteten mellan GraphQL och CE-märket utredas. För att kunna dra slutsatsen om GraphQL eller Swagger var mest lämplig för CE-märket och vilken var mest anpassad för vidareutveckling av bildvisaren i framtiden. Detta genom att jämföra resultatet av fallstudier på Swagger och GraphQL som huvudsakligen undersökte hur god språkens tolkbarhet var hos olika målgrupper, samt hur hanteringen av persondata förhåller sig till den svenska lagstiftningen. Baserat på de kvantitativa samt kvalitativa undersökningarna ansågs Swagger mest kompatibelt med CE-märkets krav och vidareutveckling av bildvisaren.