Enabling data-driven continuous improvement in material management through dashboards and digital twins
Pyykkö, Paavo (2026)
Diplomityö
2026
School of Engineering Science, Tuotantotalous
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2026050438139
https://urn.fi/URN:NBN:fi-fe2026050438139
Tiivistelmä
Increasing supply chain complexity has created growing pressure on Material Management to move beyond reactive problem-solving towards data-driven Continuous Improvement. Despite the availability of digital tools, many organizations struggle to translate data into actionable improvement initiatives. This thesis investigates how data-driven Continuous Improvement in Material Management can be enabled through KPIs, Power BI dashboards, and Digital Twins.
The thesis follows the Design Science Research methodology, conducted as a case study for a large Finnish industrial company. The theoretical foundation was established through a Narrative Literature Review and empirical data was collected through six semi-structured interviews, which were translated into design guidelines for the artifact. The central finding is that Material Management is primarily a coordination problem rooted in fragmented information flows and reactive decision logic. The thesis proposes a three-layer artifact consisting of a KPI catalog decomposing performance to root-causes, dashboard architecture mirroring the Plan-Do-Check-Act cycle, and Digital Twin use cases enabling predictive potential.
Stakeholder evaluation confirmed the practical relevance of all three artifact components. The thesis contributes a framework for structuring data-driven Continuous Improvement and demonstrates that KPIs, dashboards, and Digital Twins are most effective when implemented as a system rather than as independent reporting tools. Toimitusketjunen monimutkaistuminen on lisännyt tarvetta siirtyä reaktiivisesta ongelmanratkaisusta kohti datavetoista jatkuvaa parantamista materiaalinhallinnassa. Digitaalisista työkaluista huolimatta monet organisaatiot kamppailevat datan muuttamisessa konkreettisiksi aloitteiksi. Tässä diplomityössä tutkitaan, miten datavetoista jatkuvaa parantamista materiaalinhallinnassa voidaan tukea KPI-mittareiden, Power BI -kojelautojen ja digitaalisten kaksosten avulla.
Työ noudattaa suunnittelutieteellistä tutkimusmenetelmää ja se toteutettiin tapaustutkimuksena suurelle suomalaiselle teollisuusyritykselle. Teoria perustuu narratiiviseen kirjallisuuskatsaukseen ja empiirinen aineisto kerättiin kuudella puolistrukturoidulla haastattelulla, jotka muodostivat artefaktin suunnitteluohjeet. Keskeinen löydös on, että materiaalinhallinta on pääosin koordinaatio-ongelma, jonka juurisyynä ovat hajautuneet tietovirrat ja reaktiivinen päätöksentekologiikka. Työ suosittelee kolmiosaista artefaktia, joka koostuu suorituskyvyn juurisyihin jakavasta KPI-katalogista, Plan-Do-Check-Act-sykliä mukailevasta kojelauta-arkkitehtuurista sekä digitaalisten kaksosten käyttökohteista ennustavan analytiikan mahdollistamiseksi.
Sidosryhmäarviointi vahvisti kaikkien kolmen artefaktikomponentin käytännön arvon. Työ tarjoaa viitekehyksen datavetoisen jatkuvan parantamisen jäsentämiseksi ja osoittaa, että KPI-mittarit, kojelaudat ja digitaaliset kaksoset ovat tehokkaimpia toteutettuna yhdessä toisistaan irrallisena olevan raportointityökalun sijaan.
The thesis follows the Design Science Research methodology, conducted as a case study for a large Finnish industrial company. The theoretical foundation was established through a Narrative Literature Review and empirical data was collected through six semi-structured interviews, which were translated into design guidelines for the artifact. The central finding is that Material Management is primarily a coordination problem rooted in fragmented information flows and reactive decision logic. The thesis proposes a three-layer artifact consisting of a KPI catalog decomposing performance to root-causes, dashboard architecture mirroring the Plan-Do-Check-Act cycle, and Digital Twin use cases enabling predictive potential.
Stakeholder evaluation confirmed the practical relevance of all three artifact components. The thesis contributes a framework for structuring data-driven Continuous Improvement and demonstrates that KPIs, dashboards, and Digital Twins are most effective when implemented as a system rather than as independent reporting tools.
Työ noudattaa suunnittelutieteellistä tutkimusmenetelmää ja se toteutettiin tapaustutkimuksena suurelle suomalaiselle teollisuusyritykselle. Teoria perustuu narratiiviseen kirjallisuuskatsaukseen ja empiirinen aineisto kerättiin kuudella puolistrukturoidulla haastattelulla, jotka muodostivat artefaktin suunnitteluohjeet. Keskeinen löydös on, että materiaalinhallinta on pääosin koordinaatio-ongelma, jonka juurisyynä ovat hajautuneet tietovirrat ja reaktiivinen päätöksentekologiikka. Työ suosittelee kolmiosaista artefaktia, joka koostuu suorituskyvyn juurisyihin jakavasta KPI-katalogista, Plan-Do-Check-Act-sykliä mukailevasta kojelauta-arkkitehtuurista sekä digitaalisten kaksosten käyttökohteista ennustavan analytiikan mahdollistamiseksi.
Sidosryhmäarviointi vahvisti kaikkien kolmen artefaktikomponentin käytännön arvon. Työ tarjoaa viitekehyksen datavetoisen jatkuvan parantamisen jäsentämiseksi ja osoittaa, että KPI-mittarit, kojelaudat ja digitaaliset kaksoset ovat tehokkaimpia toteutettuna yhdessä toisistaan irrallisena olevan raportointityökalun sijaan.