Bakgrund: Lättillgänglig och reliabel information blir betydande för effektivt beslutsfattande. Således identifieras förbättringen av beslutsfattande som den drivande orsaken till att företag införskaffar affärssystem som avser att skapa underlag, utföra analyser samt ta fram relevant data. Beslutsunderlaget som skapas ökar kvaliteten och understödjer beslutsfattandet. Enterprise Resource Planning (ERP) system, även känt som Affärssystem, är en standardiserad programvara som används för hela organisationer över flera funktioner med avseende till att effektivisera affärsområden som bokföring, inköp, tillverkning och försäljning. Numera finns det alternativ för mindre organisationer att införskaffa affärssystem, vilket resulterar i att fler SMF väljer att vända sig till mjukvaran. Affärssystemets syfte om att underlätta verksamhetens drift och förbättringar i arbetsflöden genom standardisering bidrar till att företagen blir mer resurseffektiva inom de respektive processerna. Syfte: Syftet med studien är att undersöka hur små-och medelstora företag använder sig av affärssystem och vilka konsekvenser det får för beslutsfattandet. Metod: Studien utgår ifrån en kvalitativ forskningsmetod. Empirin utgörs av tolv semistrukturerade intervjuer med tre små och medelstora företag. Respondenterna valdes ut genom ett målstyrt urval. För att besvara studiens problemformulering har det empiriska materialet analyserats med den teoretiska referensramen. Slutsats: Resultatet av studien visar att affärssystemet påverkar små- och medelstora företags beslutsfattning. Följande områden blir påverkade; relevans i beslut, förbättrat beslutsunderlag, delegering av beslut inom organisationen och förbättrad effektivitet vid beslut. / Background: Easily accessible and reliable information becomes essential for effective decision-making. Thus, the improvement of decision-making is identified as the driving reason why companies acquire business systems that intend to create data, perform analyzes and produce relevant data. The decision-making basis that is created increases the quality and supports decision-making. Enterprise Resource Planning (ERP) systems, also known as Business Systems, are a standardized software, used for entire organizations across multiple functions to make business areas such as accounting, purchasing, manufacturing and sales more effective. Nowadays, there are options for smaller organizations to acquire business systems, which results in more SMEs choosing to turn to the software. The purpose of the ERP system to facilitate the operation of the business and improvements in work flows through standardization, contributes to the companies becoming more resource efficient within the respective processes. Purpose: The purpose of this study is to investigate how small and medium-sized companies use ERP systems and what consequences this has for decision-making. Methodology: The study is based on a qualitative research method. The empirics consists of twelve semi-structured interviews with three small and medium-sized enterprises. The respondents were selected through a purposive sampling. In order to answer the study's problem formulation, the empirical material has been analyzed with the theoretical frame of reference. Conclusion: The results of the study show that ERP systems affect the decision-making of small and medium-sized enterprises. The following areas are affected; relevance in decisions,5improved basis for decisions, delegation of decisions within the organization and improved efficiency in decisions.

Underhåll är en aktivitet som varje produktion vill undvika så mycket som möjligt på grund av kostnaderna och tiden som anknyts till den. Trots detta så är en väl fungerande underhållsverksamhet väsentlig för att främja produktionens funktionssäkerhet och tillgänglighet att tillverka. En effektiv underhållsorganisation går däremot inte ut på att genomföra mer underhåll än vad som egentligen är nödvändigt utan att genomföra underhåll i rätt tid. På traditionellt sätt så genomförs detta genom att ersätta slitage delar och serva utrustningen med fastställda mellanrum för att förebygga att haveri, vilket kallas för förebyggande underhåll. De tidsintervaller som angivits för service bestäms av leverantörerna och grundar sig i en generell uppskattning av slitagedelarnas livslängd utifrån tester och analys. Till skillnad från att köra utrustningen till den går sönder som kallas för Avhjälpande underhåll så kan underhåll genomföras vid lämpliga tider så att det inte påverkar produktion och tillgänglighet. Men de tidsintervall som leverantörerna rekommenderar till företagen garanterar inte att slitage delen håller sig till det intervallet, delarna kan exempelvis rasa tidigare än angivet eller till och med hålla längre. Av denna anledning är det naturliga steget i underhållets utveckling att kunna övervaka utrustningens hälsa i hopp om att kunna förutspå när och varför ett haveri ska uppstå. Den här typen av underhåll kallas för tillståndsbaserat och prediktivt underhåll och medför ultimat tillgänglighet av utrustning och den mest kostnadseffektiva underhållsorganisationen, då god framförhållning och översikt uppnås för att enbart genomföra underhåll när det behövs. Det som gör tillståndsbaserat och prediktivt underhåll möjligt är den fjärde industriella revolutionen “Industri 4.0” och teknologierna som associeras med den som går ut på absolut digitalisering av produktionen och smarta fabriker. Teknologier som IoT, Big Dataanalys och Artificiell Intelligens används för att koppla upp utrustning till nätet med hjälp av givare för att samla in och lagra data som ska användas i analyser för att prognosera dess livslängd. Uppdragsgivaren AstraZeneca i Södertälje tillverkar olika typer av läkemedel som många är livsviktiga för de patienter som tar dessa mediciner. Om AstraZenecas produktion står still på grund av fel i utrustningen kommer det inte enbart medföra stora ekonomiska konsekvenser utan även påverka de människor som med livet förlitar sig på den medicin som levereras. För att försäkra produktionens tillgänglighet har AstraZeneca gjort försök att tillämpa tillståndsbaserat och prediktivt underhåll men det är fortfarande enbart i startgroparna. Eftersom ventilation är kritisk del av AstraZeneca produktion då ett fel i ventilationssystemet resulterar i totalt produktionsstopp i byggnaden förens problemet åtgärdas och anläggningen sanerats blev det även rapportens fokusområde. Arbetets uppgift går därför ut på att undersöka möjligheter för AstraZeneca att utveckla deras prediktiva och tillståndsbaserat underhåll på deras ventilationssystem, för att sedan kunna identifiera och presentera förslag på åtgärder. Dessa förslag analyserades sedan med hjälp av verktygen QFD-Matris och Pugh-Matris för att kunna uppskatta vilket förslag som är mest kostnadseffektivt, funktions effektivt samt vilket förslag som kommer tillföra mest nytta för underhållet på AstraZeneca. / Maintenance is an activity that every production wants to avoid as much as possible due to the costs and the time associated with it. Despite this, a well-functioning maintenance operation is essential to promote the production's availability to manufacture and operational reliability. Running an efficient maintenance operation is not about carrying out more maintenance than is necessary but carrying out the right amount of maintenance at the right time. Traditionally speaking this is done by replacing worn parts and servicing the equipment at set intervals to prevent breakdowns, this method is called preventive maintenance. The intervals specified for service are determined by the suppliers and are based on general estimates of the service life for the spare parts from test and analytics. Preventive maintenance allows for maintenance to be carried out at appropriate time to not affect production and availability unlike running the equipment until breakdown, which is called reactive maintenance. However, these intervals that the suppliers recommend do not guarantee that the parts adhere to the given interval, the part can for example break down earlier than expected or even outlast its prescribed lifetime. Because of this, the natural step in the development of maintenance is giving companies the ability to monitor the health of the equipment in hope of being able to predict potential breakdowns. This is what Condition-Based and predictive maintenance is and it provides the ultimate availability of equipment and the most cost-effective maintenance organization, because the good foresight and overview allows maintenance to be carried out only when needed. The fourth industrial revolution “Industry 4.0”, absolute digitalization of production, smart factories and all the technologies associated with this is what makes this type of maintenance possible. Technologies such as IoT, Big Data Analytics and Artificial Intelligence are used to connect equipment to the network using sensors so that data can be stored and collected to be analyzed to forecast the lifespan of parts and equipment. AstraZeneca in Södertälje manufactures different types of medicine, many of which are vital for the patients who take them. If their production comes to a standstill due to equipment failure, it will not only have major financial consequences but also greatly affect the people who rely on the medicine offered with their lives. To ensure the availability of production, AstraZeneca has made attempts to apply condition-based and predictive maintenance, but it is still only in its infancy. Since ventilation is a critical part of AstraZeneca's production, as a failure here will result in a total production stoppage for the building affected and will not resume before the problem is remedied and the plant is decontaminated, it also became the report's focus area. The task at hand is therefore to investigate the opportunities AstraZeneca must develop their predictive and condition-based maintenance for their ventilation systems, in order to be able to present proposals for measures. The proposals will then be analyzed using tools like the QFD-Matrix and the Pugh-Matrix in order to estimate which is more cost effective, function effective and which one will bring the most benefit to AstraZeneca.