Tuotetiedon hallintaprosessin kehittäminen teollisuusyrityksessä
Bibliographic record
Abstract
Opinnäytetyö toteutettiin toimeksiannon pohjalta Flender Finland Oy:lle, joka on tuuliturbiinien vaihteistoja huoltava yritys Jyväskylässä. Valmistavalle teollisuudelle on tyypillistä nimikkeiden lukumäärällisesti suuri määrä, jolloin nimikehallinnan merkitys korostuu. Yrityksessä havaittiin tarve selkeyttää nimikehallintaprosessia, joka työn edetessä laajennettiin koskemaan tuotetiedon hallintaprosessia. Tehtävänä oli tutustua tuotetiedon hallinnan prosessiin ja tuottaa tietoa yrityksen eri sidosryhmille, jotka tuotetiedon parissa työskentelevät. Työn tavoitteena oli selvittää tuotetiedon hallintaprosessin nykytilannetta sekä kehittää sitä saatujen tulosten perusteella. Tutkimus toteutettiin tapaustutkimuksena hyödyntäen sekä kvalitatiivisia että kvantitatiivisia menetelmiä. Aineisto kerättiin havainnointien ja haastatteluiden avulla, joissa haastateltiin sekä eri yritysten edustajia että Jyväskylän ammattikorkeakoulun opettajia. Haastattelut toteutettiin puolistrukturoituina teemahaastatteluina. Teoriapohjassa käytettiin alan kirjallisuutta ja erilaisia tieteellisiä julkaisuja tukemaan johtopäätöksiä. Työn tuloksena luotiin yritykselle kehitysehdotuksia, joilla kehittää tuotetiedon hallintaprosessia. Haastatteluissa yrityksiltä saatujen vastausten pohjalta voidaan todeta, että tuotetiedon hallinnassa on edelleen kehitettävää ja yritykset kohtaavat arjessaan samankaltaisia haasteita liittyen tiedon oikeellisuuteen ja sen saatavuuteen. Yritykset kyllä kokevat esimerkiksi tullikoodit tärkeäksi, mutta niiden hallitsemiseksi ei kaikissa tapauksissa ole löydetty tehokkaita hallintaprosesseja. Tullikoodien hallinnalla on myös taloudellisia vaikutuksia, joten niiden merkitys tulisi tunnistaa paremmin. Tämän lisäksi työssä pohdittiin tuotetiedon hallinnan opetuksen kehittämistä Jyväskylän ammattikorkeakoulussa. Haastatteluissa havaittiin, että opetussuunnitelmien myötä tullaus aihepiirinä oli jätetty opetuksesta pois kokonaan, jolloin nykyiset insinööriopiskelijat eivät ole opiskelleet tullausta opinnoissaan. Tuotetietoon on olemassa erilaisia kursseja, mutta niissä tullikoodeja ei käsitellä. Kehitysehdotuksena esitetään, että tullikoodeja tulisi ottaa kiinteämmin mukaan tuotetiedon hallinnan opetusta. Lisäksi ehdotetaan, että opetusta tulisi tarkastella laajemmaltikin eri ammattikorkeakouluissa.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.101 | 0.030 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".