Improving quality by sophisticated data analysis in project industry

 |  Login

Show simple item record

dc.contributor Aalto-yliopisto fi
dc.contributor Aalto University en
dc.contributor.advisor Aho, Jaakko
dc.contributor.author Makkonen, Inga
dc.date.accessioned 2017-05-11T10:36:31Z
dc.date.available 2017-05-11T10:36:31Z
dc.date.issued 2017-05-08
dc.identifier.uri https://aaltodoc.aalto.fi/handle/123456789/26175
dc.description.abstract Quality is vital for the success of an organization since organizations offering high quality products are more likely to retain their customers and enjoy repeat business. Despite the key role of quality, poor quality happens every day in the manufacturing industries, and it may have a remarkable negative effect on the company’s profit in a form of quality costs and lost customers. Therefore, improving quality plays a fundamental role in the business of any manufacturing organization. In order to control and eliminate the unwanted poor quality, the customer company of this thesis utilizes a non-conformance control system. Despite the current controlling system and the great amount of collected non-conformance data, the problem of producing poor quality has not been influenced with desired efficiency. Therefore, this thesis examines the current non-conformance control system and analyzes the existing non-conformance data in order to resolve whether improvement potential can be recognized through the system and the reported data. The aim of the analysis is to define suitable and most efficient methods for processing the non-conformance data in the customer company. The results of this thesis indicate that (1) quantitative, sophisticated data analyses are alone insufficient for improving quality in the project industry and (2) recognizing the potential for improvement requires cross-functional root cause investigations. Additionally, (3) defining of a clear target and process for the non-conformance data analysis seems to be necessary in order to succeed in improving quality. Based on these results, this thesis provides recommendations for efficient, quantitative and qualitative analysis of non-conformance data in the customer company. These results provide similar evidence as has been found in numerous other studies researching non-conformance detection. Therefore, further research might focus on the non-statistical methods of quality control, such as effective and cross-functional communication. en
dc.description.abstract Laatu on keskeinen osa yrityksen menestystä, sillä yritykset jotka pystyvät tarjoamaan laadukkaita tuotteita säilyttävät todennäköisemmin asiakassuhteensa. Huolimatta laadun keskeisestä roolista, laaduttomuutta esiintyy päivittäin tuotantoyrityksissä, mikä saattaa heikentää yrityksen liikevoittoa merkittävästi laatukulujen ja menetettyjen asiakassuhteiden muodossa. Siksi laadun parantaminen on tärkeä osa liiketoimintaa jokaisessa tuotantoyrityksessä. Tämän työn asiakasyritys hyödyntää laatupoikkeamia valvovaa järjestelmää laaduttomuuden seuraamiseksi ja poistamiseksi. Huolimatta poikkeamia valvovasta järjestelmästä sekä suuresta määrästä poikkeamadataa, laaduttomuuteen ei ole pystytty reagoimaan halutulla tehokkuudella. Tässä työssä pyritään siksi tutkimaan nykyisen järjestelmän puutteita ja analysoimaan olevassa olevaa poikkeamadataa, selvittääkseen voidaanko nykyisen systeemin ja sillä kerätyn datan avulla tunnistaa kehityskohteita yrityksen toiminnassa. Analyysiosio pyrkii määrittelemään sopivat ja tehokkaimmat menetelmät poikkeamadatan käsittelemiseksi tämän työn asiakasyrityksessä. Työn tulokset viittaavat siihen että (1) määrälliset analyysit ovat riittämättömiä laadun parantamiseen projektiympäristössä ja (2) parannuskohteiden tunnistaminen vaatii juurisyiden selvittämistä yhdessä eri funktioiden edustajien kanssa. Lisäksi (3) onnistunut laadun parantaminen vaatii selkeän tavoitteen sekä prosessin määrittämistä poikkeamien analysointiprosessille. Näiden tuloksien perusteella tämä työ antaa suosituksia poikkeamadatan tehokkaaseen analysointiin asiakasyrityksessä sekä määrällisin että laadullisin keinoin. Nämä tulokset ovat yhteneväisiä useiden muiden laatupoikkeamien hallintaa käsittelevien tutkimusten kanssa. Tämän vuoksi mahdollisen lisätutkimuksen tulisikin keskittyä ei-tilastollisiin menetelmiin laadunvalvonnassa ja pureutua esimerkiksi yrityksen osastojen välisen viestinnän kehittämiseen. fi
dc.format.extent 95 + 8
dc.language.iso en en
dc.title Improving quality by sophisticated data analysis in project industry en
dc.title Laadun parantaminen tilastollisia menetelmiä hyödyntäen projektiympäristössä fi
dc.type G2 Pro gradu, diplomityö fi
dc.contributor.school Insinööritieteiden korkeakoulu fi
dc.subject.keyword quality improvement en
dc.subject.keyword non-conformance analysis en
dc.subject.keyword data analysis en
dc.subject.keyword orthogonal defect classification en
dc.subject.keyword recognizing improvement potential en
dc.identifier.urn URN:NBN:fi:aalto-201705114696
dc.programme.major Tuotantotekniikka fi
dc.programme.mcode K3002 fi
dc.type.ontasot Master's thesis en
dc.type.ontasot Diplomityö fi
dc.contributor.supervisor Aaltonen, Kalevi
dc.programme Konetekniikan koulutusohjelma fi
dc.ethesisid Aalto 9175
dc.location P1


Files in this item

Files Size Format View

There are no files associated with this item.

This item appears in the following Collection(s)

Show simple item record

Search archive


Advanced Search

article-iconSubmit a publication

Browse

My Account