WP 3 Decision-making, potential, and business models

lead by Dr. Mikael Collan, Lappeenranta University of Technology (LUT)
[email protected]
+358 505567185

The ‘Pyramid model’ helps to tune your organization and business models to take advantage of technological innovations

The ‘Pyramid model’ helps to tune your organization and business models to take advantage of technological innovations

Monetization of technological innovation necessitates adjustments to the organization, business model(s), and even ecosystems. How to make money with the innovation or how it contributes to profit generation must be clear. If innovation activity has been business need-driven, you might already have an idea of that. If innovation has been technology-driven i.e., you have developed or tested new technology to understand what could be done, you need to form an understanding of how to monetize it in your case.

Mikko Hirvonen


Strategy advisor & Researcher,
LUT University

Regardless of the driver of innovation, the prerequisite for successful monetization is an alignment of a business strategy and business model(s). When strategy and business model choices are done, it’s time to look at the ‘set of organizational capabilities’ needed to run the business and to meet the strategic objectives. For example, in a case of product innovation, you might need new or adjusted capabilities to commercialize and manufacture it, and to ensure that the customer gains the expected value. At the same time, you and your business partners need to be able to capture enough value that motivates to continue doing business.

The ‘Pyramid model’ is a framework to support this – often quite complex task to realize business benefits from different types of innovation (be it a product, process, organization, or business model innovation) and to monetary value of it. With the ‘Pyramid model’ the organization and its business model(s), where competitive advantage is potentially created, are broken down to a set of organizational capabilities and further into interconnected capability elements.

Depending on the type of innovation, it changes one or more of the capability elements. The ‘Pyramid model helps to identify required adjustments to interdependent capability elements to achieve targeted capability with expected outcomes, but also interconnected capabilities to gain business benefits on business model level and to ultimately monetize the innovation.

The ‘Pyramid model’ is expected to be of significant value to the practitioners when directing innovation efforts and designing value configuration, and organizations and ecosystems around it. For researchers it provides a novel framework for research serving the practice.

Hirvonen, Mikko H. (2022). Pyramid model – Conceptualizing an organizational capability to design IT investments. Proceedings of the 15th IADIS International Conference Information Systems. Virtual Conference 12-14 March 2022.  

Keywords

Pyramid model, business models, business model innovation, business model framework, capabilities, capability system

How to make decisions on complex environmental issues?

How to make decisions on complex environmental issues?

In practice, environmental analytics involves an integration of science, methods, and techniques involving a combination of computers, computational intelligence, information technology, mathematical modelling, and system science to address “real-world” environmental and sustainability problems. Effective environmental decision-making is often challenging and complex where final results often involve inherently subjective political and socio-economic facets. Furthermore, while certain environmental and sustainability decision-making specifications may be self-evident (post hoc analysis always tends to be incredibly accurate), more typical problems possess components that cannot be directly included in the underlying decision process without additional manipulation. Such decision-making is frequently further compounded by additional stochastic uncertainties. Consequently, complex “real world” sustainability problems frequently employ computational decision-making approaches to construct solutions to applications containing numerous quantitative dimensions and considerable sources of uncertainty.

Mariia Kozlova

Post-doctoral Researcher, Docent,
LUT University

Julian Scott Yeomans

Professor, Operations Management and Information Systems,
Director, Master of Business Analytics (MBAN) Program,
Director, Master of Management in Artificial Intelligence (MMAI) Program,
Schulich School of Business,
York University, Canada

We trust that the number and quality of the papers will prove to be of significant value to the many different researchers and practitioners who actively engage in applying disparate computational methodologies to sustainability analysis and environmental decision-making using simulation, optimization, and analytics. It is our sincere hope that this book will not only enlighten readers on the current state-of-the-art applications in computational sustainability, but will also serve to inspire further collaboration and cooperation on extensions to these topics. Continuing advancement on these topics is always necessary as “It is difficult to predict, especially the future” (Danish proverb often attributed to Niels Bohr) but, more to the point and borrowing from the deeply philosophical characters in the cartoon Calvin and Hobbes, “The trouble with the future is that it keeps turning into the present”. 

The book by Mariia Kozlova and Julian Scott YeomansSustainability Analysis and Environmental Decision-Making Using Simulation, Optimization, and Computational Analytic” includes a number of such applied computational analytics contributions that either create new decision-making methods or provide innovative implementations of existing methods for addressing a wide spectrum of sustainability applications, broadly defined. The rich diversity of applications within the papers exemplifies the considerable range of both methodological relevance and practical contributions to research in environmental analysis. The disparate contributions all emphasize novel approaches of computational analytics as applied to environmental decision-making and sustainability analysis –be this on the side of optimization, simulation, modelling, computational solution procedures, visual analytics, and/or information technologies.

 

from Mariia Kozlova, Timo Nykänen and Julian Scott Yeomans Technical Advances in Aviation Electrification: Enhancing Strategic R&D Investment Analysis through Simulation Decomposition Reprinted from: Sustainability 2022, 14, 414, doi:10.3390/su14010414

Keywords

environmental decision-making; simulation; simulation decomposition; optimization; computational analytics; visual analytics; sustainability analysis; waste management; water resource planning; energy policy; climate change; industrial ecology; resource recovery; recycling

Pandemiaan liittyvillä sosiaalipoliittisilla toimilla myös ennaltaehkäistiin uusien riskien toteutumista

Pandemiaan liittyvillä sosiaalipoliittisilla toimilla myös ennaltaehkäistiin uusien riskien toteutumista

Juuri julkaistussa raportissa selvitettiin  pandemiaan liittyviä sosiaalipoliittisia toimia Suomessa ja 12 muussa OECD-maassa vuonna 2020.

Lisäksi analysoitiin, millaisia muutoksia toimet olivat suhteessa pandemiaa edeltäviin politiikkatoimiin. Tutkimusaineisto koottiin ensisijaisesti hallitusten, parlamenttien ja ministeriöiden dokumenteista.

Sosiaalipoliittisissa muutoksissa korostuivat etuuksien tasokorotukset, omavastuupäivien poistot ja etuusjaksojen pidennykset. Suomessa, Ruotsissa ja Norjassa tämänkaltaisten muutosten suhteellinen osuus oli suurin. Sen sijaan viimesijaista sosiaaliturvaa muutettiin vähiten. Sosiaaliturvaa laajennettiin 11 maassa. Uusista toimista yleisimpiä olivat kerta­luontoiset tulonsiirrot kahdeksassa maassa.

Päivi Mäntyneva

tutkijatohtori,
Helsingin yliopisto

Johanna Peltoniemi

tutkijatohtori,
Helsingin yliopisto

Eeva-Leena Ketonen

tutkimusavustaja,
Helsingin yliopisto

Henri Aaltonen

tekninen avustaja,
Helsingin yliopisto

Heikki Hiilamo

professori,
Helsingin yliopisto

Julkisessa keskustelussa eri maiden sosiaalipoliittiset toimet esitettiin erityisesti kriisi- ja hätäapuna keskellä pandemiaa. Vastoin yleistä mielikuvaa eri maiden sosiaalipoliittiset toimet eivät olleet pääasiassa korjaavia toimia ja reagointia jo toteutuneisiin riskeihin. Päinvastoin, sosiaalipoliittiset toimet olivat ennemmin uusia riskejä ennaltaehkäiseviä toimia. Koko tutkimusaineistossa ennaltaehkäisevien toimien osuus oli 55 prosenttia (N=113).

Tutkimustulosten mukaan enemmistö (76 %) tehdyistä toimista oli muutoksia jo olemassa oleviin etuusjärjestelmiin, kuten etuuksien korotuksiin ja etuusjaksojen pidennyksiin. Kaikki muutokset olivat väestön kannalta parannuksia olemassa oleviin etuuksiin; emme havainneet ainuttakaan tapausta etuuksien leikkauksista. Parannukset olemassa oleviin etuuksiin näkyivät etenkin Pohjois-maissa ja Suomessa, Ruotsissa ja Norjassa, joissa yli 90 prosenttia toimista lukeutui tähän ryhmään.

Suomessa toteutetut sosiaalipoliittiset toimet liittyivät työttömyysturvaan, sairausvakuutukseen, lapsiperheiden etuuksiin, viimesijaisiin etuuksiin, työllisyyden edistämiseen ja ylivelkaantumisen ehkäisyyn. Enemmistö toimista oli ennaltaehkäiseviä. Hyvinvointivaltioregiimeittäin tarkasteltuna ennaltaehkäisevien toimien osuus oli suurempi verrattuna korjaaviin toimiin – vaikkakin erot olivat melko pienet. 

Kriisin aikaisiin sosiaalipoliittisiin toimiin ja niiden toimeenpanoon vaikuttivat lukuisat tekijät. Kansallinen kehitys oli yhteydessä myös kansainvälisiin vaikutteisiin. Tällä  puolestaan on merkitystä sosiaalipoliittisten järjestelmien kehittämiseen. Sosiaalipoliittisten ideoiden nähtiin leviävän maasta toiseen. Pandemian aikana vertaisoppiminen – tai ainakin toimien samankaltaisuudet – oli nähtävissä tämän tutkimuksen tuloksissa etenkin työllisyyden edistämistoimina, lomautusjärjestelmien ja palkkatuen laajentamisena sekä erilaisina työajan lyhennysohjelmina, joiden avulla voidaan lievittää ja ennaltaehkäistä sosiaalisia ja taloudellisia ongelmia ja eriarvoistumista.

Tutkimuksessa oli mukana yhteensä 208 sosiaalipoliittista tointa regiimiteorian pohjalta valituissa maissa: Suomi, Norja, Ruotsi, Tanska, Islanti, Alankomaat, Saksa, Espanja, Italia, Iso-Britannia, Yhdysvallat, Etelä-Korea ja Japani. Toimet liittyivät työttömyysturvaan, sairausvakuutukseen, lapsiperheiden etuuksiin, eläkkeisiin, viimesijaisiin tukiin, suoriin tulonsiirtoihin, työllisyyden edistämiseen, asumisen tukemiseen, opiskelijoiden etuuksiin ja ylivelkaantuneisuuden ehkäisyyn.

Mäntyneva, P., Ketonen, E.-L., Peltoniemi, J., Aaltonen, H. & Hiilamo, H. (2021) Sosiaalipoliittiset toimet koronapandemian aikana vuonna 2020 : Vertailututkimus Suomesta ja 12 muusta OECD-maasta. Sosiaaliturvakomitean julkaisuja 2021:2

Summary in English:
The study examines what social policy measures related to the COVID-19 pandemic Finland and 12 other OECD countries implemented in 2020. It also analyses the changes in the social policy measures in relation to pre-pandemic policy measures. The data for this study was collected primarily from documents of governments, parliaments and ministries. The study analyses a total of 208 social policy measures in the following countries selected on the basis of regime theory: Finland, Norway, Sweden, Denmark, Iceland, the Netherlands, Germany, Spain, Italy, the United Kingdom, the United States, South Korea and Japan.

The findings of this study show that the measures were related to unemployment benefits, health insurance cash benefits, benefits for families with children, pensions, last-resort assistance, direct income transfers, employment promotion, housing support, student benefits and prevention of over-indebtedness.

The social policy changes focused on increases in benefits, the removal of the waiting period for unemployment benefits and the extension of benefit periods. The relative share of such changes was the highest in Finland, Sweden and Norway, whereas the last-resort form of social security was changed the least in all countries studied. Social security coverage was extended in 11 countries. One-off income transfers were the most common new measures in eight countries. The social policy measures used due to the COVID-19 pandemic were not only reactive but they also prevented the emergence of new risks.

avainsanat

koronakriisi, sosiaalipolitiikka, sosiaaliturvan muutokset, OECD-maat, sosiaaliturvauudistus

Keywords

COVID-19 crisis, social policy, changes in social security, OECD countries, social security reform

Kohti automaattisia tehtaita

Kohti automaattisia tehtaita

Digitalisaation myötä tuotannon ja valmistuksen tavat ja se miten valmistava liiketoiminta on organisoitu ovat tulossa murroskohtaan, joka ei ole pelkästään tekninen vaan myös ”sosiaalinen”. Historiallisesti katsottuna ensimmäiset massatuotantoon keskittyvät tehtaat syntyivät 1800-luvun puolivälissä, tarkoituksenaan tuottaa standardoitua, enemmän ja halvemmalla, ilman asiakaskohtaista tuotteiden räätälöintiä. Henry Ford lausui tähän liittyen lentävän lauseen: ”mikä tahansa asiakkaan valitsema auton väri on ok, niin kauan kuin se on musta”.

Fordinkin autotuotannossaan käyttöönottaman prosessiajattelun avulla työvaiheet voitiin pilkkoa niin pieniin osiin, ettei erikoistunutta osaamista työntekijöiltä enää vaadittu vaan (lähes) kouluttamattomat tavalliset ihmiset voitiin ottaa tuotantoprosessin osaksi. Ford kiihdytti auton valmistusta myös teollisuusautomaatiota käyttämällä – käytännössä hänen tehtaissaan otettiin käyttöön liukuhihnat.

Jyrki Savolainen

tutkijatohtori,
LUT-yliopisto

Mikael Collan

professori,
LUT-yliopisto

Fredrik Taylor (1856 – 1915) oli yksi ensimmäisistä, jotka sovelsivat ”tieteellistä menetelmää” tai ainakin tarkkaa ja harkittua analyysiä työn ja prosessien kirjaamisessa ja niiden mittaamisessa eri tavoin. Hänen tavoitteenaan oli maksimoida työntekijöistä ja prosesseista saatava teho mm. karsimalla ylimääräisiä fyysisiä liikkeitä työn tekemisestä sekä asettamalla työntekijöille tarkat tuotantotavoitteet aikayksikköä kohti. Suomalaisilla työpaikoilla nämä ei-niin-pidetyt työtehon mittaajat tunnetaan nimellä kellokallet. Se mitä Taylor teki vastaa nykyään toimintaa, joka yhdistetään muun muassa Lean ajatteluun ja mittareilla johtamiseen.

Teollisessa kontekstissa massatuotannon tuottamia skaalaetuja ja tayloristista tehokkuutta on suosittu, mikä on johtanut suurempien ja suurempien ja yhä kalliimpien tehdasinvestointien rakentamiseen, sekä työntekijämäärien kasvuun. Suuret tuotantolaitokset ovat paikkasidonnaisia ja valmistus perustuu toimivaan logistiseen järjestelmään, joka kuljettaa raaka-aineet tehtaalle ja valmiit tuotteet asiakkaalle. Varallisuus koneiden ja laitteistojen muodossa ja työpaikat ovat kiinteästi paikkaan sitoutuneita. Industrialismi eli teollistuminen ja sen osana fordismi on ollut länsimaisen teollisuusyhteiskunnan peruspilareita, joiden vaikutukset näkyvät siinä kehityskaaressa, joka moni valtio on teollisuuspaikkakuntien kasvun myötä myös sosiaalisessa mielessä elänyt. Tehokas tuotannon organisointi on luonut hyvinvointia ja työllisyyttä.

Siellä missä on vaurautta, on myös kysymys sen jakautumisesta ja tyypillisesti tämä kulminoituu voitonjakoon pääomapanoksen ja työpanoksen välillä. Siellä missä työpanoksen hinta ja siis osuus tuotosta on vuosien saatossa noussut, on tuotannon automaatio tullut korvaamaan työtä. Vuosien kuluessa alkaen yksinkertaisista mekaanisista koneista, jotka korvaavat ihmisen raskaissa käsitöissä ja ovat niissä ihmistä tehokkaampia, on automaatiossa menty kohti enemmän ”ajattelua” vaativia työvaiheita, eikä kehitykselle näy loppua.

Puhdas massatuotantomalli näki kulutustavaroiden osalta huippunsa 1970-luvun talousmuutosten myötä teollisuusmaissa, kun markkinat saavuttivat kyllästymispisteensä tuotteiden määrän osalta. Alkoi aikakausi, jota kuvaa tuotteiden kautta erottuminen, kuluttaja ostaa ei vain tuotetta, vaan haluamansalaisen tuotteen. Tuotantojärjestelmien osalta tilanne yhdistää korkean tuottavuuden tuotantoprosessin ja massakustomoinnin. Itse järjestelmät ovat pitkälle automatisoituja ja niitä hoitamaan riittää tyypillisesti hyvin palkattu, mutta kohtalaisen vähälukuinen määrä asiantuntijoita.

 

Idealisoidussa, ”täyden digitalisaation” skenaariossa mahdollistuisi aiempaa paremmin suurten asiakasjoukkojen palveleminen yhtäaikaisesti hyödyntämällä toisiinsa kytkettyjen koneiden verkostoja, jolloin yhden tuotantolaitoksen mittakaava ei mahdollisesti olisikaan enää talouden kannalta määräävä tekijä, vaan kannattavuutta haettaisiin yhä enemmän tuotevalikoimaa kasvattamalla ja nopeudella. 

Ehkä esimerkkinä hajautuneesta ja automaattisesta digitalisoidusta järjestelmästä, vaikkakin ilman fyysisiä koneita, voidaan pitää vastikään ulkomaille myytyä ruuan toimituspalvelu Woltia, jossa asiakkaiden tilaukset pilkkoutuvat automaattisesti verkoston pienimmille osapuolille toteutettavaksi. Periaatteessa samalla tavoin myös tuotantolaitteet olisivat datan avulla ohjattavissa mistä päin maailmaa tahansa. 

Hyödyntämällä keskenään yhteydessä olevien tuotantolaitteiden verkostoja voitaisiin etsiä automaattisesti kullekin tuotteelle sen optimaalinen toteutustapa millä tahansa ajanhetkellä lähimpänä asiakkaan fyysistä sijaintia. Yksi ratkaistava asia verkostoituneessa tuotantomallissa on riittävän laajan tuoteskaalan ja tuotantokapasiteetin varmistaminen, johon 3D-tulostus, eli lisäävä valmistus, voi olla yksi tulevaisuuden ratkaisu.

On toki selvää, että monien kokoluokaltaan suurten massatuotteiden osalta (esimerkiksi luonnontuotepohjaisen perusteollisuuden kuten puunjalostus) verkottunut valmistus ei luultavasti koskaan ole kilpailukykyinen vertailussa nykyisten keskitettyjen tuotantolaitosten kanssa. Kuitenkin keskeisenä teesinämme on, että osa tuotannollisesta toiminnasta automatisoituu ja siirtyy tulevaisuudessa keskitetyistä tuotantolaitoksista eli tehtaista kohti digitaalisesti ohjattuja pienempien tuotantoprosessien esimerkiksi yksittäisten 3D-tulostimien verkostoja.

 

Lähteet

Michelsen, K.-E., Collan, M., Savolainen, J., & Ritala, P. (2021). Changing Manufacturing Landscape: From a Factory to a Network. In C. M. Hussain & P. Di Sia (Eds.), Handbook of Smart Materials, Technologies, and Devices: Applications of Industry 4.0 (pp. 1–21). Springer International Publishing. 

Savolainen, J., & Collan, M. (2020). How Additive Manufacturing Technology Changes Business Models? – Review of Literature. Additive Manufacturing, 32, 101070. 

Savolainen, J., & Knudsen, M. S. (2021). Contrasting digital twin vision of manufacturing with the industrial reality. International Journal of Computer Integrated Manufacturing, 1–18. 

Collan, M., & Michelsen, K.-E. (Eds.). (2020). Technical, Economic and Societal Effects of Manufacturing 4.0 – Automation, Adaption and Manufacturing in Finland and Beyond. Palgrave Macmillan, Cham.

Do we need factories for manufacturing in the future?

Do we need factories for manufacturing in the future?

Traditionally, manufacturing happens within factory walls, where a factory is understood as a place for mass production of goods. It is an assembly of machines and workers who are organized and managed to maximize efficiency and productivity.

 

“Manufacturing-as-a-Network” is unlike the factory as we know it and answers to the needs of the postindustrial society. It is a network structured to perform specific and tailored products in collaboration with customers, for customers, and sometimes by customers.

Karl-Erik Michelsen

Professor, LBM,
LUT University

Jyrki Savolainen

Post-doc. Researcher, LBM,
LUT University

Mikael Collan

Professor, LBM,
LUT University

Paavo Ritala

Professor, LBM,
LUT University

The book chapter written by MFG4.0 researchers focuses on the technological, managerial, and societal transformation from the old manufacturing system into the new, discussing the drivers, the challenges, and the opportunities connected to the transformation.

The suggestion is that we are moving from a Taylorist-Fordian factory model towards “Manufacturing-as-a-Network,” which indicates new types of business possibilities, risks, and transformative implications to society.


Michelsen
, K.-E., Collan, M., Savolainen, J., Ritala, P. (2021). Changing Manufacturing Landscape: From a Factory to a Network. Handbook of Smart Materials, Technologies, and Devices Applications of Industry 4.0

Keywords

Industry 4.0, Manufacturing, Factory, Business model Network