LUTPub (LUT University)
Not a member yet
24632 research outputs found
Sort by
Improving operational supply chain planning with integration-supporting methods : a case study in food industry company
No full textTässä diplomityössä kehitettiin suuren elintarviketeollisuuden yrityksen operatiivista toimitusketjun suunnittelua, tavoitteena kasvattaa suunnittelun kypsyyttä ja integraatiota. Kohdeyrityksen kehittämistarve muodostui ennen kaikkea sisäisen kehittämistarpeen kautta. Tavoitteena oli tunnistaa suunnittelun integraatiota edistäviä menetelmiä ja suunnittelun parhaita käytäntöjä, analysoida kohdeyrityksen toimitusketjusuunnittelun nykytila, sekä laatia kehittämissuunnitelma kohdeyritykselle suunnittelun kypsyyden kasvattamiseksi.
Diplomityön empiirinen osuus rakentui 4-vaiheisen Gap-analyysin avulla, joka koostui nykytilan- ja tavoitetilan määrittelystä, näiden välillä vallitsevien kuilujen tunnistamisesta, sekä kehittämissuunnitelman laatimisesta. Aineiston analysointiin hyödynnettiin kohdeyrityksen toimitusketjun suunnittelun arviointiin räätälöityä arviointimallia (Supply Chain Maturity Model, SCMM).
Työn tuloksena tunnistettiin toimitusketjujen suunnittelun integraatiota edistäviä integroituja suunnitteluprosesseja, kuten kattavasti kirjallisuudessa määritelty S&OP, sekä kehittyvät operatiiviset prosessit S&OE ja ITP. Suunnittelun integraatiota kasvatetaan lisäksi ERP- ja APS-järjestelmiä, tiedonhallintaa, organisaatiorakenteita, osaamista sekä poikkifunktionaalista yhteistyötä kehittämällä. Aiheesta saatavilla oleva akateeminen kirjallisuus on vielä vähäistä. Kohdeyritykselle määriteltiin projektiaihiot, joita jalostamalla ja toteuttamalla kohdeyritys kykenee kasvattamaan suunnittelun integraatiota ja kypsyyttä tulevaisuudessa.In this Master’s thesis, the operational supply chain planning of a food industry company was developed. The aim of this study was to increase the maturity of planning with integration-supporting methods. Case company’s development rose primarily from internal needs. The objectives were to identify methods that increase the integration of supply chain planning and best practices, analyze the current state of the case company’s supply chain planning, and form a development plan to increase planning maturity.
The empirical part of the thesis was built using a four-step gap analysis, which consisted of defining the current and target states, identifying the gaps between them, and preparing a development plan. For data analysis, an assessment model tailored to the evaluation of the case company’s supply chain planning was used (the Supply Chain Maturity Model, SCMM).
As a result, integrated planning processes that increase the integration of supply chain planning were identified, such as S&OP as comprehensively defined in the literature, as well as the emerging operational processes S&OE and ITP. Planning integration is further increased by developing ERP and APS systems, information management, organizational structures, competencies, and cross-functional collaboration. The academic literature available on the topic is still limited. For the case company, project initiatives were defined which will enable the case company to increase the integration and maturity of planning in the future
Digitalisaation ja kestävän kehityksen vauhdittaminen pilvipohjaisten immersiivisten työ- ja oppimisympäristöjen avulla
No full textIn this master's thesis it is studied how cutting-edge technologies like Extended Reality (XR) can be used to transform remote education and workforce training, with a particular focus on African markets and African universities. Commissioned by 5G Mökki Tech Space, the study responds to identified customer needs for an immersive online learning platform and what would be needed to improve local African university infrastructure to support XR based education. By examining the integration of XR tools, physical tech hubs, and digital HR matchmaking systems, it is investigated how can 5G Mökki Tech Space reduce greenhouse gas emissions and contribute to the United Nations Sustainable Development Goals. The research combines literature review and qualitative interviews to provide insights into the challenges and opportunities of scaling a Mökki platform globally.Tämä diplomityö tutkii, kuinka kehittyneitä teknologioita, kuten laajennettua todellisuutta (XR), voidaan hyödyntää etäopetuksen ja työvoimakoulutuksen uudistamisessa, erityisesti Afrikan markkinoilla ja afrikkalaisten yliopistojen kontekstissa. Työ on tehty 5G Mökki Tech Spacen toimeksiannosta ja vastaa asiakastutkimuksessa havaittuihin tarpeisiin kehittää immersiivinen verkkopohjainen oppimisalusta sekä selvittää, mitä paikallisten afrikkalaisten yliopistojen infrastruktuurin kehittäminen edellyttää XR-pohjaisen opetuksen tukemiseksi. Tarkastelemalla XR-työkalujen, fyysisten teknologiakeskittymien ja digitaalisten HR-yhteensovitusjärjestelmien integraatiota työssä tutkitaan, kuinka 5G Mökki Tech Space voi vähentää kasvihuonekaasupäästöjä ja edistää Yhdistyneiden kansakuntien kestävän kehityksen tavoitteita. Tutkimuksessa yhdistetään kirjallisuuskatsaus ja laadulliset haastattelut, jotka tarjoavat näkemyksiä alustan globaaliin laajentumiseen liittyvistä haasteista ja mahdollisuuksista
Return predictability in equity options : a supervised machine learning analysis of delta-hedged call option returns
Full text linkThis thesis aims to explore whether machine learning models can predict cross-sectional variation in next-day delta-hedged returns for at-the-money (ATM) call options and whether these predictions translate into economically exploitable information. The empirical work depends on a snapshot dataset constructed from two consecutive trading days for a group of actively traded U.S. stocks. The analysis integrates option, stock, and market-level variables. The study evaluates three linear models (OLS, Ridge, LASSO) and two nonlinear models (Extreme Gradient Boosting and a feed-forward Multilayer Perceptron using an 80/20 train-test split with nested five-fold cross-validation. The findings indicate that nonlinear models, particularly XGBoost, outperforms linear models, achieves highest out-of-sample accuracy and shows stable performance under liquidity-based robustness checks for this study sample. To assess the economic usefulness of the XGBoost model, predicted returns were sorted into quantiles to examine whether the model establishes a monotonic relationship between predicted and realised delta-hedged returns. The monotonic ordering test confirmed that higher predicted returns are systematically associated with higher realised returns, reflecting meaningful cross-sectional ranking ability. Interpretability for the model is examined using Shapley Additive Explanations (SHAP), which identify the most influential predictors and reveal that gamma, realised volatility, option price, and implied volatility are primary drivers of predicted return, while lower order Greeks and market variables contribute minimally. Overall, the thesis demonstrates that machine learning can uncover short-horizon predictability in delta-hedged call option returns and that these predictions contain economically exploitable information within the limitations of the snapshot-based setting
Sähköisen liikenteen ajurit : sosiodemografisten taustatekijöiden ja ympäristöasenteiden vaikutus sähköauton käyttöönottoon
No full textThis thesis examines how sociodemographic factors and environmental attitudes shape the intention to adopt fully electric vehicles (EVs) in Finland. The study is situated within the context of Finland’s climate targets, which require a rapid reduction in transport-related emissions, and responds to recent fluctuations in EV uptake that highlight the need for a deeper understanding of adoption dynamics. Using the Theory of Planned Behavior (TPB) as a conceptual framework, sociodemographic characteristics are treated as background variables, environmental attitudes as an attitudinal mediator, and EV adoption intention as the outcome. A quantitative path analysis was conducted using nationally representative survey data.
The results suggest that environmental attitudes are the strongest predictor of EV adoption intention, indicating that pro-environmental values play a central role in willingness to switch to an EV. Socioeconomic characteristics and access to charging infrastructure had small but statistically significant direct effects, with an unexpected trend of higher EV adoption intention in regions with sparse public charging infrastructure. The indirect effect of environmental attitudes was the strongest between gender and education: interestingly, women reported higher EV adoption intention through environmental attitudes, whereas for men, the direct effect was more prominent. Age resulted to a full mediation effect.
Overall, the findings suggest that EV adoption intention in Finland is shaped by an interplay of socioeconomic characteristics, environmental attitudes, and contextual conditions. The results underline that in addition to improving affordability and charging infrastructure, policies supporting Finland’s transport decarbonization should also address psychological and informational barriers influencing EV adoption.Tämän tutkielman tarkoituksena oli tarkastella sosiodemografisten taustatekijöiden ja ympäristöasenteiden vaikutusta täyssähköautojen käyttöönottoaikomuksiin Suomessa. Taustalla ovat Suomen ilmastotavoitteet, jotka edellyttävät liikenteen päästöjen nopeaa vähentämistä, sekä sähköautojen käyttöönoton viimeaikaiset vaihtelut, jotka korostavat tarvetta ymmärtää paremmin sähköautojen käyttöhalukkuuteen vaikuttavia tekijöitä. Suunnitellun käyttäytymisen teoria (TPB) toimi viitekehyksenä, jossa sosiodemografisia tekijöitä käsiteltiin taustamuuttujina, ympäristöasenteita asenteellisena välittäjänä ja sähköauton käyttöönottoaikomusta selitettävänä muuttujana. Analyysi perustuu kvantitatiiviseen polkumallinnukseen ja kansallisesti edustavaan kyselyaineistoon.
Tulokset osoittivat, että ympäristöasenteet ovat vahvin sähköauton käyttöönottoaikomusta selittävä tekijä. Sosioekonomisilla tekijöillä ja latausinfrastruktuurin saatavuudella oli pieniä mutta tilastollisesti merkitseviä suoria vaikutuksia: yllättäen käyttöönottoaikomukset olivat korkeampia alueilla, joilla julkinen latausinfrastruktuuri on niukempaa. Ympäristöasenteiden epäsuora efekti oli voimakkain sukupuolen ja koulutuksen suhteen: naisilla vaikutus välittyi selkeämmin asenteiden kautta, kun taas miehillä suora vaikutus oli merkittävämpi. Iän suhteen havaittavissa oli täysi mediaatiovaikutus.
Johtopäätöksenä käyttöönottoaikomukset muotoutuvat sosioekonomisten tekijöiden, ympäristöasenteiden ja kontekstuaalisten olosuhteiden yhteisvaikutuksesta. Tulokset korostavat, että latausinfrastruktuurin parantamisen ja sähköautojen hinnan alentamisen ohella päästövähennyksiä tukevissa poliittisissa päätöksissä tulee huomioida myös psykologisia- ja informaatioesteitä
Evaluating enterprise product recommendation chatbot using LLM : the case of easy selection
Full text linkIn recent years, the application of Large Language Models has been significantly growing, particularly in evaluating open-domain chatbots. However, there has been limited exploration when it comes to evaluating task-oriented chatbots, especially across different cognitive levels. Cognitive levels refer to a concept of progressively complex forms of reasoning processes. The study aimed to investigate how LLMs (GPT-4) perform as evaluators of task oriented chatbots across three cognitive levels, i.e. remember, understand and evaluate. As a case study, a product-suggestion chatbot called Easy Selection was used. In short, effectiveness and coherence were evaluated by leveraging GPT-4, with coherence measured across the three cognitive levels. Agreement between GPT-4 and human raters was quantified using Cohen’s kappa, and score relationships were analysed using Spearman’s rho. Results indicate that the GPT-4 aligned well with human evaluations at lower cognitive levels. However, agreement and correlation decrease as cognitive complexity increases, indicating limitations in evaluating higher level reasoning. In conclusion, the results show that LLMs can be effective for simpler cognitive levels, but they struggle as the complexity of reasoning increases. Further research should be conducted with a larger sample size, improved chatbot models, or different prompting techniques to identify factors that can improve the effectiveness of LLMs in evaluating task oriented chatbots across complex cognitive processes
Revitalizing the popularity of basketball in France : marketing strategies to drive fan engagement and brand equity for the French basketball league (LNB)
Full text linkBasketball is one of the most played sports in France, producing elite players such as Tony Parker or Victor Wembanyama recently. Despite the rising number of French players being drafted to the NBA, competing at the highest level, the French professional league (LNB) struggles to find its audience due to limited visibility in the sports industry and insufficient financial sustainability. This paradox highlights the potential that French basketball could have in its territory and the need for modern digital marketing strategies to drive fan engagement. The research focuses on four dimensions: brand equity, fan engagement, and consumer behaviour, all applied in the realm of digital marketing. Using sport marketing literature and empirical observations, the study develops a theoretical framework to figure out how digital marketing can positively impact these dimensions. To assess it, quantitative research is used to test several hypotheses on the relationships advanced in the framework. Findings show the lack of entertainment and interest of the LNB towards sports fans. The brand equity seems to be a significant factor for success, often combined with greater fan engagement. However, certain analyses were unsuccessful, considering the hypotheses made there is a need for more research on that subject. The thesis contributes to recommendations for the LNB and insights on how smaller leagues can compete with true sports brands
Technical and economic analysis of a partial discharge measurement system for medium-voltage cable networks
No full textTämän opinnäytetyön tavoitteena oli selvittää, miten keskijännitekaapeliverkkojen osittaispurkausmittauksiin (PD-mittauksiin) perustuva palveluliiketoiminta voidaan rakentaa taloudellisesti kannattavaksi. Tutkimus toteutettiin case-organisaatio Destia Oy:ssä, jossa lähtökohtana oli erityisesti tuulivoimapuistojen rakennusaikainen tarve varmistaa kaapeliverkon laatu ja ehkäistä käyttöönotto- sekä elinkaarivikoja. Työssä arvioitiin eri mittausmenetelmiä, määriteltiin laitehankinnan tekniset ja liiketoiminnalliset vaatimukset sekä laadittiin investointilaskelmiin perustuva kannattavuusanalyysi. Palvelumalli rakennettiin Business Model Canvas -kehystä hyödyntäen, jolloin tunnistettiin arvolupaus, asiakassegmentit, asiakassuhteet, kanavat, resurssit, kriittiset tehtävät, kumppanit sekä kustannus- ja tulorakenne. Tulosten perusteella case-organisaatio päätti hankkia PD-mittalaitteen ja käynnistää palveluliiketoiminnan ensin tuulivoimapuistoissa, ja laajentaa sitä 2–3 vuoden kuluessa muihin asiakassegmentteihin.The aim of this thesis was to examine how a service business based on partial discharge (PD) measurements of medium-voltage cable networks can be made economically viable. The study was conducted at the case organization Destia Oy, specifically focusing on the construction phase of wind farms, where ensuring cable network quality and preventing both commissioning and lifecycle faults are crucial. The work evaluated different measurement methods, outlined the technical and business requirements for equipment procurement, and developed a profitability analysis based on investment calculations. The service model was created using the Business Model Canvas framework, which helped identify the value proposition, customer segments, customer relationships, channels, resources, key activities, partners, and the cost and revenue structure. Based on these results, the case organization decided to acquire a PD measurement device and initially launch the service in wind farms, with plans to expand to other customer segments within 2–3 years
Material and resource efficiency in sustainable railway infrastructure projects
No full textTässä diplomityössä tarkastellaan materiaali- ja resurssitehokkuuden toteutumista rautatierakentamisen hankkeissa urakoitsijan näkökulmasta. EU:n vihreä siirtymä kiristää kestävän rakentamisen vaatimuksia ja raportointia. Lisäksi pörssiyhtiöiden strategioissa näkyy materiaalitehokkuuden merkitys kilpailukyvyn ja riskienhallinnan kannalta. Työssä tarkastellaan lainsäädäntöä sekä raportointivaatimuksia, käyttäen referenssinä laajan rautatiejärjestelmän modernisointiprojektia.
Projektin suunnittelu-, hankinta- ja toteutusvaiheita analysoitiin materiaalien ja resurssien käytön näkökulmista. Keskeisiksi teemoiksi nousivat suunnitteluratkaisujen optimointi, hankintaprosessien kehittäminen sekä toteutusvaiheen organisointi erityisesti urakkarajapintojen ja työmaaohjauksen osalta. Referenssiprojektissa havaittiin konkreettisia mahdollisuuksia parantaa tehokkuutta muun muassa tarkemman mitoituksen, aikataulusuunnittelun ja Lean-periaatteiden avulla.
Työn tuloksena esitetään käytännönläheisiä suosituksia ja toimintatapoja, jotka tukevat kestävän projektitoiminnan tavoitteiden saavuttamista. Lisäksi kehitettiin mittareita, joiden avulla on mahdollista arvioida kestävän projektitoiminnan toteutumista, ja tuottaa vertailukelpoista tietoa yrityksen raportointiin. Työssä todetaan, että selkeä vastuunjako, suunnitteluratkaisujen optimointi ja materiaalien hallittu käyttö ovat keskeisiä tekijöitä, joilla voidaan parantaa hankkeiden kokonaiskestävyyttä.This master’s thesis assesses implementation of material and resource efficiency in railway construction project from contractor’s perspective. EU Green Transition is tightening requirements and reporting of sustainability perspective. In addition, it can be seen from publicly listed companies’ strategies that importance of material efficiency for competitiveness and risk management is well understood. Thesis reviews legislation and reporting requirements through example of large-scale railway system modernization project.
Design, procurement and implementation phases were analyzed from perspective of material and resource use. Key themes include design principal optimizations, development of procurement processes and organization of implementation phase, especially concerning contract interfaces and site management. The reference project revealed concrete opportunities to improve efficiency through more precise dimensioning, scheduling and using Lean principles.
Result of the thesis provides practical recommendations and approaches that help support achieving project sustainability goals. In addition, performance indicators were developed to assess realization of sustainability in projects and to produce comparable data for corporate reporting. The thesis concludes that clear definition of responsibilities, optimized design solutions, and controlled use of materials are key factors for improving the overall sustainability of projects
Functional membranes in water and gas purification
No full textTyössä tarkastellaan kehitysvaiheessa olevien ja uudenaikaisten membraaniteknologioiden käyttöä veden ja kaasujen puhdistuksessa. Erityistä huomiota kiinnitetään membraanien ominaisuuksiin kuten hintaan, selektiivisyyteen ja läpäisykykyyn, sovelluskohteisiin sekä niiden mahdollisuuksiin vähentää energiankulutusta ja ympäristökuormitusta perinteisiin erotusmenetelmiin, kuten kryogeeniseen tislaukseen verrattuna.
Työssä esitellään eri kehitysvaiheessa olevia ja uudenaikaisia membraanityyppejä, kuten metalliorgaanisia-, sekoitematriisi- ja keraamisia membraaneja. Osan näistä toimivuutta arvioidaan vedynpuhdistuksessa.
Työssä havaittiin, että nanosuodatuksessa ja käänteisosmoosissa käytettävät membraanit soveltuvat hyvin haitallisten aineiden, kuten per- ja polyfluorialkyyliyhdisteiden (PFAS) poistoon vedestä. Membraanien tehokkuus on korkea erityisesti lyhytketjuisten PFAS:n osalta. Kaasunpuhdistuksessa tietyt metalliorgaaniset membraanit kykenevät erottamaan vetyä muista kaasuista selektiivisesti ja tehokkaasti, mikä tukee vedyn käyttöä puhtaana energialähteenä tulevaisuudessa.
Työ osoittaa, että on olemassa metalliorgaaninen membraani, jolla on merkittävää potentiaalia kestävien erotusratkaisujen kehittämisessä verrattuna perinteisiin erotusmenetelmiin Haasteita aiheuttavat kuitenkin mm. PFAS:n poistoon tarkoitettujen membraanien valmistuskustannukset, käyttöiän rajoitteet sekä suodatuksessa syntyvien jätteiden käsittely. Tulevaisuuden tutkimuksessa painopisteen odotetaan siirtyvän enemmän kustannustehokkaampiin membraaniratkaisuihin.This thesis examines the use of emerging and advanced membrane technologies in water and gas purification. Special attention is given to membrane properties such as cost, selectivity, and permeability, as well as their potential to reduce energy consumption and environmental impact compared to conventional separation methods like cryogenic distillation.
This thesis also presents various types of membranes at different stages of development, including metalorganic frameworks, mixed matrix-, and ceramic membranes. The performance of some of these is evaluated in hydrogen purification.
The research found that membranes, that are used in nanofiltration and reverse osmosis are well suited for removing harmful substances such as per- and polyfluoroalkyl substances (PFAS) compounds from water. Membrane performance was especially effective for shortchain PFAS compounds. In gas purification, certain metal-organic frameworks demonstrated selective and efficient hydrogen separation from other gases, supporting hydrogen’s role as a clean energy source in the future.
The results suggest that certain metal organic framework membranes have significant potential in the development of sustainable separation solutions compared to conventional separation methods. However, challenges remain, including production costs in PFAS removal membranes, limited membrane lifetime, and post-filtration waste handling. Future research is expected to focus increasingly on more cost-effective membrane solutions
Koneoppimiseen perustuvan työkalun ja robottiprosessiautomaation työnkulun suunnittelu ja toteutus SAP S/4HANA -nimikkeiden perustamiseen
No full textDuring the study, an intelligent automation solution was developed for SAP S/4HANA item setup. The approach combines machine learning and robotic process automation. The Design Science Research process was used as the method. The objective was to design a feasible architecture and demonstrate its performance relative to the manual baseline.
The core of the solution is a Python-based machine learning application that validates and standardizes the input, predicts fields, and produces an Excel file. The output file serves as an interface to two robots. A user review is required before the robotic stage. The implementation is deliberately modular and file-based. At the time of evaluation, the robot workflows operated in pre-production and passed functional verification. The original objective was to deliver a production-ready robotic solution applying machine learning. Due to time constraints and resource allocation, the scope was refined so that the application was delivered as production-ready and the robotic stage was brought to functional readiness in pre-production. Only large-scale testing remained before moving to production, and the work focused on strengthening version control of the artefacts and the application’s installation, user, and update documentation.
The evaluation was conducted in an iterative pilot. Prediction accuracy typically ranged from 96 to 99 percent. Product data quality improved by 6 percent. The robotic stage was measured by straight-through processing, exceptions, and throughput time. When moved to production, the solution replaces manual entry and yields approximately 431 hours of annual savings. The results indicate improvements in efficiency, data quality, and division of labor within the agreed scope. Future work concerns retraining, increasing explainability, full automation, and the use of direct interfaces where possible.Tutkimuksen aikana kehitettiin älykäs automaatio ratkaisu SAP S/4HANA -nimikkeiden perustamiseen. Lähestymistapa yhdistää koneoppimisen ja robottiprosessiautomaation. Menetelmänä käytettiin suunnittelutieteellistä tutkimus -prosessia. Tavoitteena oli suunnitella toteutuskelpoinen arkkitehtuuri ja osoittaa sen suorituskyky suhteessa manuaaliseen lähtötasoon.
Ratkaisun ydin on Python-pohjainen koneoppimis-sovellus, joka validoi ja vakioi syötteen, ennustaa kenttiä ja tuottaa Excel-tiedoston. Tulostiedosto toimii kytkentäpintana kahdelle robotille. Ennen robottivaihetta vaaditaan käyttäjän tarkistus. Toteutus on tietoisesti modulaarinen ja tiedostopohjainen. Arviointihetkellä robotin työnkulut toimivat esituotannossa ja läpäisivät toiminnallisen verifioinnin. Alkuperäinen tavoite oli toimittaa tuotantovalmis koneoppimista soveltava robotti ratkaisu. Aikarajojen ja resurssien kohdennuksen vuoksi laajuutta täsmennettiin siten, että sovellus toimitettiin tuotantokelpoisena ja robottivaihe saatettiin toiminnallisesti valmiiksi esituotantovaiheeseen. Tuotantoon viemistä varten oli enää suoritettava laajamittainen testaus, ja työn painopiste oli artefaktien versionhallinnan sekä sovelluksen asennus-, käyttö- ja päivitysdokumentaation vahvistamisessa.
Arviointi toteutettiin iteratiivisessa pilotissa. Ennusteiden tarkkuus asettui tyypillisesti 96– 99 prosentin välille. Tuotedatan laatu parantui noin 6 prosenttia. Robottivaihetta mitattiin suoran läpimenon, poikkeamien ja läpimenoajan perusteella. Tuotantoon siirrettynä ratkaisu korvaa manuaalisen syötön ja tuottaa arviolta noin 431 tuntia vuotuisia säästöjä. Tulokset osoittavat tehokkuuden, datalaadun ja työnjaon parantumista sovitussa laajuudessa. Jatkokehitys koskee uudelleenkoulutusta, selitettävyyden lisäämistä, täysautomaatiota sekä suorien rajapintojen hyödyntämistä silloin, kun se on mahdollista