Dalarna University's logo and link to the university's website

This thesis investigates the integration of Artificial Intelligence (AI) into the generation, summarization, and presentation of test reports. The thesis is a cooperation with us, the authors, and Hitachi Energy in Ludvika, Sweden. It focuses on identifying factors that enable a transition to AI tools in the industrial sector. The research evaluates AI tools' feasibility for improving the reporting process within a manufacturing environment. Key challenges identified include significant data integration obstacles and the need to align AI implementation with organizational goals. The study uses a case study approach with empirical data from Hitachi Energy where we evaluate the feasibility of AI tools using a design and creation method. We assess AI's capability to automate the test reporting processes, given the quality and accessibility of data. The study concludes with a set of practical guidelines for AI implementation in industrial settings. These guidelines highlight the importance of high-quality data, integrating AI with existing processes. We discuss employee training to ensure a smooth transition to digitized operations. This research provides insights for industrial companies planning digital transformation initiatives. It focuses on conditions for deploying AI technologies to suit fast-paced technological changes and dynamic industrial demands.

Denna studie undersöker integration av artificiell intelligens (AI) i skapandet av rapporter, och sedan sammanfattning och presentation av. Avhandlingen är ett samarbete mellan oss författare och Hitachi Energy i Ludvika, Sverige. Studien är ett samarbete mellan ossförfattare och Hitachi Energy i Ludvika i Sverige. Den fokuserar på att identifiera faktorer som möjliggör en övergång till AI-verktyg inom industrisektorn. Forskningen utvärderar AI-verktygens användbarhet i rapporteringsprocessen inom en industriell miljö. De centrala utmaningar som identifierats inkluderar integration och digitalisering av data samt behovet av att anpassa AI-implementeringen till organisatoriska mål. Studien använder en fallstudieansats med empiriska data från Hitachi Energy där vi utvärderar genomförbarheten av AI-verktyg med en design- och skapandemetod. Vi identifierar förutsättningar för AI och dess kapacitet att automatisera och processerna för testrapporter utifrån datakvalitet och tillgänglighet. Studien avslutas med en uppsättning praktiska riktlinjer för AI-implementering i industriella miljöer. Dessa riktlinjer understryker vikten av högkvalitativ data och integrering av AI med befintliga processer. Vi diskuterar också personalutbildning för att säkerställa en smidig övergång till digitaliserade operationer. Denna forskning ger insikter för industriföretag som planerar digitala transformationsinitiativ. Den fokuserar på förutsättningar för att implementera AI-teknologier som är anpassade till snabba teknologiska förändringar och dynamiska industriella krav.