I byggindustrin står entreprenadföretagen för utförandet av byggnationen. För dessa företag är det en stor investering att anskaffa nödvändiga resurser i form av maskiner. Vanligtvis finns två val, att hyra eller köpa maskinerna från leverantörer. Minskas maskinkostnaderna så ökas istället lönsamheten för projekten. Syftet med undersökningen är att få produktionsledningen på entreprenadföretaget COBAB Sverige AB att göra medvetna val gällande anskaffningsform för ökad lönsamhet i projekten. Tydliggöra interna regler för inköp, hantering, avskrivning, lagring samt avyttring av maskiner. Samt jämföra kostnader för köpta respektive hyrda maskiner för underlag till prissättning för extern uthyrning i projekt.

Byggbranschens resurs och energianvändning är en av de främsta orsakerna till global uppvärmningoch står i Sverige för 20% av de totala utsläppen under ett år. För att minska utsläppen frånbyggarbetsmaskiner kan bland annat energieffektivare maskiner användas på byggarbetsplatser.Examensarbetet har utförts på Skanska Rental i syfte att i framtiden kunna synliggöra utsläppen fråndessa maskiner. Detta genom att ta fram hur uppskattningar av utsläppen kan utföras, samt presenterasför kunder som hyr maskiner. I denna förstudie genomfördes en gruppintervju med kunder, enlitteraturgranskning av fem olika beräkningsmetoder samt två individuella intervjuer angåendedatainsamling. Gruppintervjun visade att kunder gärna vill ta del av hur mycket utsläpp en maskinproducerar, och att de med informationen kan fatta mer hållbara beslut än de gör idag.Litteraturgranskningen visade att alla fem beräkningsmetoder kan användas för att uppskattautsläppen i drift för en anläggningsmaskin, men att de har olika för- och nackdelar. Europeiskamiljöbyråns nivå tre beräkning anses vara bäst lämpad för Skanska Rental. Detta eftersom den utgårfrån en hög detaljnivå vilket ger möjlighet att jämföra specifika maskiner mot varandra. Den användersig även främst av information som är tillgänglig från tillverkare och standardvärden från EEAshandbok för utsläppsberäkningar (Winther & Dore, 2019). Den data som kan behöva samlas in ärtiden en maskin spenderar i drift samt vilket arbetsmoment maskinen utfört under den tiden. Detta kanöka träffsäkerheten av uppskattningen, eftersom mer representativa belastningsfaktorer kan användasför maskinens arbetstid. I de individuella intervjuerna lyfts bland annat sensorer som ett alternativ tillatt samla den typen av data. Avslutningsvis uppmuntras tillverkare att ta fram livscykelanalyser avsina maskiner, samt att fler studier utförs med livscykelperspektivet inkluderat. Detta eftersomelektriska maskiner identifierats som en framtida utveckling inom branschen. / The construction industry's use of resources and energy is one of the main causes of global warming,and is responsible for 20% of Sweden's annual emissions. In order to reduce the emissions fromconstruction equipment, more energy efficient equipment can be used on construction sites. Thisbachelor's thesis was carried out at Skanska Rental in the purpose of, in the future, being able to showthe emissions of their products. This work was done to find out how emissions from constructionequipment can be estimated and presented to customers. In this prestudy, one group interview withcustomers was conducted, as well as a literature review of five different calculation methods foremissions, and two individual interviews regarding data collection. The group interview showed thatcustomers would like to know how much emissions the equipment produces, and that their sustainabledecision making can improve with that information. The literature review showed that all fivecalculation methods can be used to estimate the emissions, but that they have different pros and cons.The European environment agency’s tier 3 calculation is seen as the best suited for Skanska rental.The main reason for this is the high level of detail, which allows specific equipment to be compared toeach other. The method mainly uses information which can be acquired from manufacturers andstandard values from the EEA handbook for calculating emissions (Winther & Dore, 2019). The datawhich might need to be collected is the operating time of the equipment, and what work is being doneduring that time. This can be used to increase the accuracy of the estimate, since more representativeload factors can be used for the operating time of the equipment. In the individual interviews, sensorsare brought up as an alternative for gathering this data. Finally, more studies are encouraged to becarried out with the life cycle perspective included, and that manufacturers should produce life cycleanalyses of their equipment. This is because electric equipment has been identified as a futuredevelopment within the field.

Sedan industriella revolutionen har hastigheten av global uppvärmning och föroreningar i miljön ökat betydligt. Företag i fordonsindustrin arbetar aktivt för att göra sina produkter mer hållbara genom att bland annat minska utsläppen, minimera användningen av icke-förnybara resurser samt att återvinna. En batteridriven elbil (BEV) är en möjlig lösning för renare transport och marknaden har ökat signifikant. Men med den nuvarande batteriteknologin skulle stora byggmaskiner som grävmaskiner behöva tunga batterier för att möta sina energibehov, vilket ökar den totala vikten. Bränslecellshybriddrivna fordon (FCHEV) med vätgas är en potentiell lösning för medelstora och stora byggmaskiner som kombinerar bränsleceller och batterier för att tillhandahålla energin. Byggmaskiner har en växlande effekt och utför vanligtvis upprepande arbetsmönster, men en bränslecell reagerar långsammare på grund av den kemiska processen. Därför behövs ett effektivt energihanteringssystem för att möta effektbehovet, uppfylla systembegränsningar, minska vätgasförbrukningen samt att begränsa bränslecell- och batteridegraderingen. Syftet med denna avhandling är att utveckla en kontrollenhet och ett estimeringsinstrument för maskinbelastning för ett sådant FCHEV system. En ny energihanteringsstrategi föreslås genom att formulera den som ett optimeringsproblem och använda modellprediktiv reglering (MPC) för att minimera målfunktionen som involverar vätgasförbrukning och hastighetsbegränsningar. Kontrollenheten ger en optimal fördelning av bränslecell- och batterikraft över en tidsperiod som uppfyller det efterfrågade effektbehovet och följer systembegränsningarna. Maskinbelastningsestimeringen är baserad på autokorrelation och integreras med kontrollenheten. Estimeringsinstrumentet fungerar som en ingång till kontrollenheten som optimerar fördelningen av kraften mellan batteriet och bränslecellen. Jämfört med den tidigare realtidsfördelningsfunktionen för effekt som användes av Volvo Construction Equipment AB (Volvo CE) visade det sig att MPC kombinerat med autokorrelationsbaserad belastningsestimering främst använde ett mycket smalare fönster för batteriets laddningstillstånd (SoC), vilket öppnar upp möjligheten att minska batteristorleken i maskinen. Transienter i bränslecellens effekt minskar också, vilket minskar dess nedbrytning och förbättrar livslängden. / Ever since the industrial evolution, the rate of global warming and pollution in the environment have gone up significantly. Automotive companies are actively working towards making their products more sustainable in terms of reducing emissions, minimizing resource utilization of non-renewables, recycling, and several other steps. A pure battery electric vehicle (BEV) is a possible solution for cleaner transport and has seen widespread adoption among users. However, with the current battery technology, large construction machines such as excavators would need heavy batteries to meet their energy demand, pushing up the overall weight. Hydrogen driven Fuel Cell Hybrid Electric Vehicles (FCHEV) are a potential solution for medium and large sized construction machines having both fuel cells and batteries to supply energy. Construction machines have a highly transient power and generally perform repeating patterns of work but a fuel cell is slow reacting device due to the chemistry involved. Hence there is a need for an efficient energy management system to meet the power demand, satisfy system constraints, reduce hydrogen consumption and limit fuel cell and battery degradation. This thesis aims to develop a controller and a machine load predictor for such a FCHEV. A novel energy management strategy is proposed by formulating it as an optimization problem and using Model Predictive Control (MPC) to minimize the objective function that involves hydrogen consumption and rate constraints. The controller yields an optimal fuel cell and battery power split over a time-horizon that fulfills the demanded power and obeys the system constraints. An auto-correlation-based machine load predictor is integrated with the controller. The predictor serves as an input to the controller that optimizes the power split between the battery and fuel cell. Compared to the previous real-time power-split function used by Volvo Construction Equipment AB (Volvo CE), the MPC combined with the auto-correlation-based load predictor was found to primarily use a much narrower battery State of Charge (SoC) window, thus opening up the potential to reduce battery size in the machine. Transients in the fuel cell power are also reduced, thus slowing down its degradation and improving the lifetime.