Pris for beste masteroppgave 2024

Fortell om masteroppgaven og valg av tema

Forsvarlig offentlig pengebruk er et stadig tilbakevendende tema i norsk offentlighet. De fleste store anleggsprosjekter i Norge overskrider rammene, hvor usikkerheten tradisjonelt sett har blitt styrt ovenfra og ned. Mangelfulle data gjør at forskningen, til tross for mangfoldige studier, ikke har kunnet gi entydige forklaringer.

Økt vertikalt samspill kan bidra til bedre forståelse for hvordan lokale beslutninger påvirker helhetlig, rasjonell drift. Rammeverket vi utarbeidet viser hvordan prosjekter med relativt enkle digitale verktøy kan oppnå mer presise data uten store investeringer eller avhengighet av andre aktører. Detaljert informasjon om taktiske aktiviteter i sanntid åpner for å se usikkerhet nedenfra og opp. I et større perspektiv kan det bidra til å endre kulturen i gjennomføring av prosjekter – fra å være regelstyrt og reaktiv, til å bli mer datadrevet og proaktiv.

Temaet ble valgt fordi det er håndfast og aktuelt: usikkerhet i store anleggsprosjekter, debatten om forsvarlig bruk av offentlige midler og bransjens betydelige andel av Norges klimagassutslipp, som til sammen indikerer at sektoren vil møte strengere politiske og regulatoriske krav.

Tre viktige faktorer for å få en best mulig masteroppgave:

1. Finn en bedrift å samarbeide med: Samarbeidet vårt med AF Gruppen ga oss et reelt problem å løse, tilgang på ekte data og ikke minst fagpersoner vi kunne sparre med.
2. Identifiser muligheter for vinn-vinn: Problemstillingen balanserte tilført verdi for bedriften og egen motivasjon. Søk å forstå bedriftens verdistrømmer og juster budskapet underveis for å engasjere interessenter.
3. Jobb 8 til 4: Det bidrar til å holde struktur i arbeidet, og sikrer fremgang selv når det ikke er klart hvordan målet kan nås. Samtidig gir det rom for å klarne hodet og la tanker modnes underveis.

Hvordan har masteroppgaven og utdanningen ved NMBU påvirket karrieren?

Samlet sett har oppgaven og utdanningen styrket vår evne til å analysere, forstå og formidle innsikt på en relevant og datadrevet måte.

Oppgaven økte vår tro på at gode resultater skapes gjennom strukturert og målrettet innsats, selv med begrensede ressurser. Arbeidet krevde spesielt å hele tiden veie funksjonelle krav opp mot hva som faktisk lot seg oversette til en operasjonell løsning innenfor eksisterende rammer. Strukturen ga oss samtidig fleksibilitet til å tilpasse budskapet til forskjellige interessenter.

Utdanningen har gjort oss tryggere i møte med ny teknologi og bedre rustet til å løse oppgaver fra flere vinkler - slik vi også møter dem i arbeidslivet. Den har gjort oss i stand til å selvstendig utforske teknologi, som gjør det mulig å raskt tilegne seg nødvendig kunnskap og imøtekomme rask utvikling.

Hvilke arbeidsoppgaver har du i din stilling?

Henrik

Jeg jobber i Applikasjons-avdelingen i Intility, som forvalter våre kunders applikasjonsporteføljer fra ende-til-ende på én standardisert plattform. Vi har ansvar for at applikasjonene er tilgjengelige, responsive og sikre, samtidig som det legger til rette for høy endringstakt. Oppgavene har variert mellom å onboarde nye kunder, lede endringsprosjekter, bidra til drift av disse samt være med på videreutvikling av plattformen og tilhørende ITSM-produkter. Min kjerneoppgave i dag er å bidra til å forbedre vår dokumentasjon. Dette gjøres blant annet gjennom å kartlegge informasjonsflyt for å avdekke muligheter for integrasjon og automatisering.

Yngve

Jeg jobber i Teknologi-avdelingen i OBOS-banken, et tverrfaglig team som sikrer drift og konfigurasjon av banksystemer, følger opp integrasjoner og dataflyt mellom systemene, og kvalitetssikrer løsninger både internt og mot leverandører. Som Data Engineer forvalter jeg bankens interne dataplattform gjennom utvikling av ETL-prosesser og datamodellering i datavarehus. Jeg håndterer forskjellige kilder til data, strukturerer dette for pålitelighet og tilgjengelighet, og sørger for at informasjon kan brukes til analyser og strategiske beslutninger, samt operasjonell effektivisering.

Hvorfor valgte dere master ved Handelshøyskolen NMBU?

Business Analytics ved NMBU skilte seg ut med en bratt læringskurve og tydelig fokus på programmering, databehandling og bruk av avanserte digitale verktøy. Muligheten til å få en kompakt pakke med ettertraktet IT-kompetanse som en integrert del av masterstudiet gjorde at vi kunne kombinere økonomiske fag og arbeidserfaring med aktuelle teknologiske ferdigheter. Studiet var rettet mot å skape verdi i skjæringspunktet mellom forretning og teknologi, noe som ga et godt utgangspunkt for å forstå digitale trender og bidra til utviklingen av moderne virksomheter.

Hvilke råd har dere til kommende studenter?

• Bruk tid til å forstå hvordan kunnskapen fra studiene kan omsettes til etterspurte, praktiske ferdigheter i arbeidslivet.
• Arbeidet med masteren kan være en gylden mulighet til å få et innblikk i hva som ligger bak stillingstitler.
• Generelt opplever vi at det lønner seg å være nysgjerrig på andres erfaringer.

• Juryens begrunnelse

  I vår vurdering har vi vektlagt disse kriteriene: 

  1. Relevans

  2. Originalitet

  3. Avansert metode- og teoribruk

  4. At oppgaven er velskrevet, ryddig og har god struktur

  5. Implikasjoner og bidrag

  Masteroppgaven undersøker integrasjonen av tingenes internet (IoT), maskinlæring og prosessorienterte ledelsesfilosofier for å optimalisere anleggsaktiviteter på anleggsplassen, med fokus på masseforflytning i arbeidet med en ny flyplass i Mo i Rana, Norge. Studien har en omfattende litteraturgjennomgang. Oppgaven har tre delstudier: I det første studiet brukes teknikker for gjenkjenning av maskinaktivitet for å analysere data fra vibrasjonssensorer i dumpere for å identifisere ikke-produktive aktiviteter. Neste studie gir en beskrivelse av prosesseringen av estimert aktivitetsdata for å lage en hendelseslogg for videre deskriptiv analyse, statistisk prosesstyring (SPC). I delstudie tre utvikles en simuleringsmodell for å utforske endringer i ikke-produktiv tid og produktivitet ved varierende ankomstfrekvenser av maskineri fra en annen prosess (leddumpere). Funnene antyder at IoT-data kan gi nøyaktige estimater av maskintilgjengelighet og identifisere betydelige muligheter for å redusere stillstandstid i masseforflytningsoperasjoner. Integrasjonen av SPC og simuleringsmetoder tilbyr en pragmatisk tilnærming til å optimalisere anleggsplasser ved å støtte beslutningstaking på et taktisk nivå. Videre viser rammeverket potensial for bredere anvendelser, inkludert forbedring av miljømessig bærekraft ved å redusere CO2-utslipp knyttet til ikke-produktiv maskinaktivitet. Forskningen bidrar til forståelsen av variasjoner i byggeprosjekter og understreker viktigheten av å utnytte digitale verktøy for empirisk, datadrevet beslutningstaking. 

  Masteroppgaven utmerker seg ved en innovativ tilnærming til prosjekt- og kvalitetsstyring gjennom prosessorienterte analyseverktøy. Den integrerer teorier fra flere disipliner og utvikler en ny metode for å forstå hvordan usikkerhet og årsakssammenhenger påvirker tidsoverskridelser i byggeprosjekter. I stedet for tradisjonelle tilnærminger foreslås et mer datadrevet og dynamisk rammeverk som muliggjør hyppigere og mer presise beslutninger basert på sanntidsdata.

  Forfatterne har taklet et komplekst og ukonvensjonelt problem ved å anvende avanserte analyser og digitale verktøy for å optimalisere masseforflytningsoperasjoner i storskala byggeprosjekter. Temaet har høy relevans for store offentlige byggeprosjekter, hvor forsinkelser ofte resulterer i betydelige tilleggskostnader og ineffektiv ressursbruk. Ved å bruke lett tilgjengelige digitale verktøy og avanserte analyser viser oppgaven hvordan sanntidsdata og prediktive modeller kan redusere usikkerhet, forbedre informasjonsflyt og optimalisere prosjektstyring. Samarbeidet med AF Gruppen øker dens praktiske innvirkning, og gir innsikt som kan bidra til mer effektive og bærekraftige byggepraksiser.

  Studentene kombinerer metoder fra flere disipliner som dyp læring med tidsserier, statistisk prosesskontroll og empirisk simulering. Omfattende databehandling, fra vibrasjonssensorer til prediktive visuelle dashbord, demonstrerer en høy grad av metodologisk modenhet, forståelse og analytiske ferdigheter. Forskningen utfordrer tradisjonelle tilnærminger til prosjektstyring ved å oppsummere og videreutvikle spredt kunnskap innen prosjektstyring, prosessforbedring og dataanalyse, og kaster nytt lys over etablert teori på feltet.

  Oppsummert finner komiteen at oppgaven skiller seg ut med sin innovative tilnærming til å utnytte sensordata for prosessoptimalisering, for sterk bransjerelevans og imponerende metodologiske grundighet.