As a result of digitalization, previously analog systems in the manufacturing industry have become digitalized, including the decision-making processes. Companies are, therefore,becoming more dependent on data for strategic decisions. However, because of the rapid development of digitalization, companies are left blindfolded in the path towards smarter manufacturing which often leads to unsuccessful technological implementations. Therefore, the thesis will explore this problem by asking: What are the required initiatives for successfully implementing digital data-driven decision-making to improve efficiency and sustainability by Swedish manufacturing companies? To answer the research questions, an exploratory multiple case study approach was conducted, where interviews with informants from the industry as well as researchers within the context of smarter manufacturing were made. The findings were then used to derive propositions which worked as the foundation of a conceptual model which functionality would be to illuminate the results in the form of a strategy map. Findings suggest that it is not always necessary for companies to implement technologies linked to large investments to enable digital data-driven decision-making. However, for those that do, there needs to be a clear organizational plan and agenda before executing theprojects since they otherwise often lead to insufficient results. That means, the technological aspects are often not the culprit in failed digital data-driven decision-makingprojects. Additional findings suggest that there are synergies connected to digital data-driven decision-making such as data-sharing possibilities that have the potential of becoming a major aspect within the context of sustainability and efficiency. / Som ett resultat av ökad digitalisering har analoga system i tillverkningsindustrin blivit digitaliserade, vilket inkluderar beslutsfattandet. Företag har därför börjat förlita sig alltmer på data för sina strategiska beslut. Men på grund av den snabba utveckling av digitalisering har tillverkningsföretagen lämnats utan klara riktlinjer för hur de bör gå tillväga för att implementera digitalt datadrivet beslutsfattande på ett effektivt men hållbart sätt. Avhandlingen kommer därför att undersöka detta problem genom att fråga: Vilka är de initiativ som krävs för att framgångsrikt implementera digital datadrivet beslutsfattande med målet att förbättra effektiviteten och hållbarheten hos svenska tillverkningsföretag? För att svara på forskningsfrågorna användes en undersökande metod med flerafallstudier, där intervjuer gjordes med informanter från industrin såväl som forskare inom ramen för smartare tillverkning. Resultaten användes sedan för att härleda förslag som därefter användes till konstruktionen av en konceptuell model vars huvuduppgift var att illustrera resultaten i form av en strategikarta. Slutsatserna pekar på att det inte alltid är nödvändigt för företag att implementera teknik kopplad till stora investeringar för att möjliggöra digitalt datadrivet beslutsfattande. Men för de som valt att implementera sådana system behövs en tydlig organisationsplan innan projekten genomförs eftersom de annars ofta leder till ofördelaktiga resultat. Detta tyder på att de tekniska aspekterna oftast inte är vad som orsakar misslyckade datadrivna beslutsprojekt. Dessutom tyder resultaten på att det finns synergier kopplade till digitalt datadrivet beslutsfattande, till exempel möjligheter att dela data som har potential att bli en viktig aspekt inom hållbarhet och effektivitet.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-297504 |
| Date | January 2021 |
| Creators | Broms, Arvid, Liljenberg Olsson, Simon |
| Publisher | KTH, Industriell ekonomi och organisation (Inst.) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| 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 ; 2021:228 |
Page generated in 0.0022 seconds