Mid Sweden University

Denna studie undersöker hur digital visualisering av data påverkar offensiv kvalitetsutveckling och kvalitetsmedvetenhet inom tillverkningsindustrin. Hörnstensmodellen som består av sex principer, används för att analysera offensiv kvalitetsutveckling. Dessa principer inkluderar faktabaserade beslut, arbeta med processer, kundcentrering, ständiga förbättringar, medarbetares delaktighet och engagerat ledarskap. Kvalitetsmedvetenhet utgår ifrån ett företags fyra påverkansfaktorer som består av kommunikation, utbildning och träning, grundläggande kunskap om kvalitet och planering av verksamheten. Denna studie utgör en multipel fallstudie som använder sig av flermetodsforskning, vilket innebär att både kvalitativa och kvantitativa metoder har använts för att samla in och analysera data. Forskningen har en induktiv ansats, vilket innebär att den utgår från specifika observationer för att dra allmänna slutsatser och mönster. Synsättet som ligger till grund för studien är konstruktionistiskt och interpretativistiskt, vilket betonar betydelsen av att förstå och tolka människors meningsskapande processer och subjektiva upplevelser. Resultaten visar att implementering av en digital visualisering av data kan ha en positiv inverkan på det offensiva kvalitetsarbetet samt leda till ökad kvalitetsmedvetenhet hos medarbetarna. Inom det offensiva kvalitetsarbetet visar studien på högst påverkan på principen basera beslut på fakta och lägst påverkan observeras på principen arbeta med processer. Inom kvalitetsmedvetenhet visar resultatet på att samtliga faktorer är positivt påverkade, med något lägre påverkan inom kunskap om kvalitet. Studiens resultat visar på hur en implementering av digital visualisering av data kan leda till en ökad offensiv kvalitetsutveckling, högre kvalitetsmedvetenhet samt ett förbättrat kvalitetsresultat inom tillverkningsindustrin. att förbättra Studien bidrar till en djupare förståelse av hur digital datavisualisering kan användas för kvalitetsutveckling och kvalitetsmedvetenhet inom tillverkningsindustrin i de pågående paradigmen Industri 4.0 samt Kvalitet 4.0. Det finns behov av ytterligare forskning för att utforska detta ämne mer ingående och för att undersöka hur dessa resultat kan tillämpas i praktiken. Speciellt kan framtida forskning fördjupa sig i de områden som inte påverkas i samma utsträckning av digital datavisualisering, för att förstå de fullständiga implikationerna och potentiella förbättringarna.

This study examines how digital visualization of data impacts the total quality management and quality awareness within the manufacturing industry. The cornerstone model, which consists of six principles, is used to analyze the total quality management. These principles include making fact-based decisions, working with processes, customer centricity, continuous improvement, employee participation and committed leadership. Quality awareness is based on a company's four influencing factors which consist of communication, education and training, basic knowledge of quality and planning. This study is a multiple case study using multi-method research, which means that both qualitative and quantitative methods have been used to collect and analyze data. The research has an inductive approach, which means that it starts from specific observations to draw general conclusions and patterns. The approach underlying the study is constructivist and interpretivist, which emphasizes the importance of understanding and interpreting people's subjective experiences. The results show that implementation of a digital visualization of data can have a positive impact on the total quality management and lead to increased quality awareness among employees. Within the total quality management, the study shows the highest impact on the principle of basing decisions on facts and the lowest impact is observed on the principle of working with processes. Within quality awareness, the results show that all factors are positively influenced, with a slightly lower influence within knowledge of quality. The results of the study show how an implementation of digital visualization of data can lead to increased offensive quality development, higher quality awareness and an improved quality result within the manufacturing industry. The study contributes to a deeper understanding of how digital data visualization can be used to improve quality development and quality awareness within the manufacturing industry in the ongoing Industry 4.0 and Quality 4.0 paradigms. Further research is needed to explore this topic and to examine how these findings can be applied in practice. Future research can delve into the areas that are not impacted to the same extent by digital data visualization, to understand the full implications and potential improvements for businesses.