För att bibehålla en konkurrenskraftig position på marknaden inom skogsindustrin behövs mer kunskap om vilka faktorer som påverkar ett arbetslags prestation. Problematiken hos Stora Enso Skog är att det finns en markant skillnad i prestationsförmåga mellan arbetslag. Därför är syftet med detta examensarbete att identifiera indikatorer som kännetecknar hög- och lågpresterandearbetslag. En reviderad modell inom arbetsutformning används för att analysera hur olika faktorer påverkar trivsel, motivation och prestation. Syftet med revideringen är att inkludera nyckeltal från företaget samt faktorer som anses vara viktiga för maskinföraryrket. Analysen kan därefter bidra med praktiska implikationer för att skapa arbetslag som är effektiva, utvecklingsinriktade och bygga en kultur som gynnar detta. En litteraturstudie har genomförts för att bygga en kunskapsbas till den kvalitativa studien. Totalt bestod arbetet av 34 intervjuer, varav 27 stycken maskinförare och sju intraprenörer. Alla maskinförarna blev även tilldelade en enkät med frågor gällande faktorer som variation i färdigheter, uppgiftens betydelse, uppgiftens meningsfullhet, autonomi, feedback, motivation och arbetstillfredsställelse. Dessa är baserade specifikt från en modell avseende arbetskarakteristika av Hackman & Oldham, där den reviderade modellen testades i en statistisk analys. Totalt finns det ungefär 160 maskinförare, där 113 stycken svarade på enkäten vilket motsvarar en svarsfrekvens på 75%. Svaren användes till att genomföra en regressionsanalys i programmet Stata. Resultatet visar att god gruppdynamik och gott ledarskap är en grundpelare för motivation och högp restation inom arbetslag. Kunskapsdelning sker sällan inom och mellan arbetslag och är en outnyttjad resurs inom företaget. / In order to maintain a competitive position on the market within the forest industry, more knowledge is needed about which factors affect the performance of a team. The problem at Stora Enso Forestry is that there is a significant difference in performance between teams. Therefore, the purpose of this thesis is to identify indicators that characterize both high- and low performing teams. A revised model in job-design is used to analyze how different factors affect work satisfaction, motivation, and performance. The purpose of the revision is to include key performance indicators from the company as well as factors that are considered important for the machine operator profession. The analysis can then contribute to practical implications for creating teams that are efficient, development-oriented, and building a culture that favors this. A literature study has been carried out to build a knowledge base for the qualitative study. In total, the work consisted of 34 interviews, of which 27 machine operators and seven intrapreneurs. All machine operators were given a survey with questions regarding factors such as skill variety, task identity, task significance, autonomy, feedback, motivation and job satisfaction. These are based specifically from the Job Characteristics Model by Hackman & Oldham, where the revised model was tested in a statistical analysis. In total, there are approximately 160 machine operators, of which 113 answered the survey which corresponds to a response rate of 75%. The responses were used to conduct a regression analysis in the program Stata. The results indicate that group dynamics and good leadership are cornerstones of motivation and high-performance teams. The sharing of knowledge rarely takes place within and between teams, and for that reason an unutilized resource.
Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-329740 |
Date | January 2023 |
Creators | Suurwee, Lovisa, Wassberg, Karolina |
Publisher | KTH, Skolan för industriell teknik och management (ITM) |
Source Sets | DiVA Archive at Upsalla University |
Language | Swedish |
Detected Language | Swedish |
Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
Format | application/pdf |
Rights | info:eu-repo/semantics/openAccess |
Relation | TRITA-ITM-EX ; 2023:352 |
Page generated in 0.0027 seconds