Strategic supply lead time management. Case Nokia Networks, Hardware Services

Teollisuuden palveluiden on huomattu olevan potentiaalinen lisätulojen lähde. Teollisuuden palveluiden dynaamisessa maailmassa räätälöinti ja kyky toimia nopeasti ovat kriittisiä asiakastyytyväisyyden ja kilpailuedun luomisprosessin osia. Toimitusketjussa käytetyn ajan lyhentämisellä voidaan saavuttaa sekä paremmat vasteajat, että alhaisemmat kokonaiskustannukset. Tutkielman tavoitteena on kuvata teollisuuden palveluiden dynaamista ympäristöä: asiakastarvetta, sekä mahdollisuuksia kaventaa pyydetyn ja saavutetun toimitusajan välistä eroa. Tämä toteutetaan pääosin strategisen toimitusajan hallinnan keinoin. Langattomien tietoliikenneverkkojen operaattorit haluavat vähentää ydinosaamiseensa kuulumatomiin toimintoihin, kuten ylläpitoon sitoutuneita pääomia. Tutkielman case osiossa varaosapalvelujen toimitusketjun kysyntä-, materiaali- ja informaatiovirtoja analysoidaan niin kvalitatiivisten haastatteluiden, sisäisten dokumenttien, kuin kvantitatiivisten tilastollisten menetelmienkin avulla. Löydöksiä peilataan vallitsevaa toimitusketjun ja ajanhallinnan paradigmaa vasten. Tulokset osoittavat, että vahvan palvelukulttuurin omaksuminen ja kokonaisvaltainen toimitusketjun tehokkuuden mittaaminen ovat ajanhallinnan lähtökohtia teollisuuden palveluissa.

Toimintolaskennan hyödyntäminen prosessijohtamisen tukena julkisen sektorin terveydenhuolto-organisaatiossa

Tämän tutkielman tavoitteena on tutkia toimintolaskennan ja toimintojohtamisen käyttöä sekä hyödyntämistä prosessijohtamisen tukena. Työssä keskitytään tarkastelemaan ilmiötä julkisen sektorin terveydenhuoltoalalla. Tutkielmassa sovelletaan kvalitatiivista eli laadullista tutkimusmenetelmää. Tutkielma koostuu kahdesta osasta. Teoriaosassa käsitellään alan kirjallisuutta tieteellisten artikkelien valossa. Empiriaosassa selvitettiin tutkittavan organisaation kustannus- ja toimintolaskennan hyödyntämisestä prosessijohtamisen tukena. Aineistonkeruu empiirisen osion osalta toteutettiin avoimina ja strukturoimattomina haastatteluina. Tutkielman tuloksina muodostui ymmärrys organisaation kustannuslaskennan nykytilanteesta ja hyödyntämismahdollisuuksista prosessienkehittämisessä. Kustannus- ja toimintolaskentaa hyödynnetään nykyisin pääasiassa hinnoittelupäätöksiin. Kustannustietoja ei systemaattisesti hyödynnetä prosessienkehittämisessä eikä arvioitaessa potentiaalisia kehitys- ja parannuskohteita. Toimintolaskennan erityispiirteet tukevat kuitenkin sitä, että toimintolaskenta sopii terveydenhuolto-organisaatioon kustannuslaskentamalliksi. Voidaan todeta kustannuslaskennan tukevan Lean- kehitystyön kohdentamista ja tuloksien arviointia.

IoT Based Pain Management using Physiological Parameters

The continuous technology evaluation is benefiting our lives to a great extent. The evolution of Internet of things and deployment of wireless sensor networks is making it possible to have more connectivity between people and devices used extensively in our daily lives. Almost every discipline of daily life including health sector, transportation, agriculture etc. is benefiting from these technologies. There is a great potential of research and refinement of health sector as the current system is very often dependent on manual evaluations conducted by the clinicians. There is no automatic system for patient health monitoring and assessment which results to incomplete and less reliable heath information. Internet of things has a great potential to benefit health care applications by automated and remote assessment, monitoring and identification of diseases. Acute pain is the main cause of people visiting to hospitals. An automatic pain detection system based on internet of things with wireless devices can make the assessment and redemption significantly more efficient. The contribution of this research work is proposing pain assessment method based on physiological parameters. The physiological parameters chosen for this study are heart rate, electrocardiography, breathing rate and galvanic skin response. As a first step, the relation between these physiological parameters and acute pain experienced by the test persons is evaluated. The electrocardiography data collected from the test persons is analyzed to extract interbeat intervals. This evaluation clearly demonstrates specific patterns and trends in these parameters as a consequence of pain. This parametric behavior is then used to assess and identify the pain intensity by implementing machine learning algorithms. Support vector machines are used for classifying these parameters influenced by different pain intensities and classification results are achieved. The classification results with good accuracy rates between two and three levels of pain intensities shows clear indication of pain and the feasibility of this pain assessment method. An improved approach on the basis of this research work can be implemented by using both physiological parameters and electromyography data of facial muscles for classification.