Detta examensarbete är utfört på Astrazeneca Södertälje inom Meto-försteg som är en del av fabriken API, med syftet att effektivisera underhållsarbetet. En kartläggning av det förebyggande underhållet genomfördes, i syfte att identifiera underhållsarbete som utförs dubbelt av både operatörer inom API och underhållsleverantören Caverion. Examensarbetet presenterar en redogörelse för begrepp inom underhåll, TPM (Total Productive Maintenance) och beslutsmodellen QFD (Quality Function Deployment) vilka utgör den teoretiska utgångspunkten för resultat och analys. Examensarbetet bygger på insamlade observationer och intervjumaterial från personal verksamma inom drift och underhåll. Studiens resultat visar att det genomförs överlappningar i underhållsarbetet, exempelvis inom veckotillsyn och förebyggande underhåll (FU) inom fabriksdelen Meto- försteg. Både operatörer och Caverion genomför underhållsåtgärder som innefattar visuell kontroll av oljenivåer, läckage, missljud, vibrationer för ett antal maskiner. En tydligare fördelning av underhållsåtgärder mellan operatörer och Caverion kommer bidra till effektiviseringen av underhållsarbetet. / This thesis was carried out at Astrazeneca Södertälje within Meto-pre stage, which is part of the factory API, intending to streamline the maintenance work. Apreventive maintenance survey was carried out, to identify maintenance work that was performed twice by both API operators and the maintenance provider Caverion. The thesis presents an account of concepts in maintenance, TPM (Total Productive Maintenance), and the decision model QFD (Quality Function Deployment) which constitute the theoretical starting point for results and analysis. The thesis is based on collected observations and interview materials from staff active in operations and maintenance. The results of the study show that there are overlaps in maintenance work, for example in weekly supervision/inspections and preventive maintenance (FU) within the factory part Meto-pre stage. Both operators and Caverion carry out maintenance operations that include a visual control of oil levels, leakage, noise, vibrations for several machines. A clearer distribution of maintenance measures between operators and Caverion will contribute to the streamlining of maintenance work.

Inom tillverkningsindustrin präglas ständig utveckling och förbättringsarbete, speciellt när det kommer till produktionsavdelningen, som är hjärtat för verksamheten. Det är här produkterna vi konsumenter drömmer om visualiseras, definieras och förbereds för att komma till liv. Företagen är därför i mån av att ha en produktion som producerar konkurrenskraftigt i en hög hastighet, men också resurssnålt och tillförlitligt. Teknisk tillgänglighet är det nyckeltal som beskriver huruvida verksamhetens utrustning lever upp till sina förväntningar och är idag ett av de vanligaste nyckeltalen som används inom industrisektorn. Nyckeltalet är en procentsats som beskriver den andel av organisationens utrustning som är tillgänglig under den planerade produktionstiden, och används för att kunna mäta utrustningens prestation men också för att kunna prediktera och förebygga produktionsstopp. I denna studie så har vi beräknat den tekniska tillgängligheten på ett utav Scanias monteringslinjer genom att beräkna maskinernas MTBF och MTTR med hänsyn till seriella och parallella sammankopplingar. I resultatet framgår det att tillgänglighets förluster enkelt kan undvikas genom att använda sig utav redundans samt att enstaka maskiner bristfälliga prestation kan dra ner det slutgiltiga resultatet på grund av maskinernas seriella sammanslutningar till varandra och på så vis göra resultatet missvisande. Vidare kan man dra slutsatsen att värdefull information som kan användas för strategiskt beslutsfattande inom produktionsavdelningen inte nödvändigtvis utvinns ur den tekniska tillgängligheten utan istället av dess byggstenar MTTR och MTBF.Dessa nyckeltal kan användas för att validera organisationens underhållsstrategier, samt för att prediktera och förebygga maskinhaverier. I Scanias fall är tillgängligheten på den avdelningen som studien baserats på så pass hög att det inte riktigt finns rum för förbättring som kan uppnås på personalnivå, och eventuella mål om förbättringar kan kännas långsökta. Som en lösning till detta kan man se över att istället titta på MTBF och MTTR med avseende på samtliga maskiner av samma typ istället för att titta på de individuella. Detta för att få ett medelvärde som representerar maskintypens genomsnittliga presentation på avdelningen. Genom detta så får man en siffra som personalen på underhållsavdelningen kan vara med och påverka denna siffra på en daglig eller veckobasis istället för 6 månaders period. / The manufacturing industry is characterized by continuous development and improvement work, especially when it comes to its production department which is the heart of the business. This is where the products we consumers dream of are visualized, defined, and prepared to come to life. The companies are therefore subject to having a production that produces competitively at a high speed, but also resource-efficient and reliable. Technical availability is the key figure that describes whether the company's equipment lives up to its expectations and is today one of the most common key figures used in the industrial sector. The key figure is a percentage that describes the proportion of the organization's equipment that is available during the planned production period and is used to measure the equipment's performance but also to predict and prevent production stoppages. In this study, we have calculated the technical availability of one of Scania's assembly lines by calculating their machines MTBF and MTTR with regard to serial and parallel interconnections. The result shows that availability losses can easily be avoided by using redundancy and that individual machines' poor performances can reduce the final result due to the machines' serial connections to each other. Furthermore, it can be concluded that valuable information that can be used for strategic decision-making within the production department is not necessarily extracted from the technical availability but instead from analyzing its building blocks MTTR and MTBF. These key figures can be used to validate the organization's maintenance strategies, as well as to predict and prevent machine breakdowns. In Scania's case, the availability of the department on which the study is based is so high that there is not really room for improvement that can be achieved at staff level, and any goals for improvement may feel far-fetched. As a solution to this, you can instead look at MTBF and MTTR with respect to all machines of the same type instead of looking at them individually. This will get you a value that represents the machine group's average performance in the department. With this you will get a figure that the staff in the maintenance department can be involved in and influence on a daily or weekly basis instead of a 6-month period.

A growing use of sensors on the electric grid has opened the door to new methods of asset management: Distribution System Operators are now looking into conditionbased maintenance, as opposed to the traditional corrective or time-based methods. As an emerging field, the methodology must be constructed from the ground, with the little data available. The focus is put on cross-linked polyethylene medium voltage overhead lines (XLPE MVOHL)asthe asset to manage, and the aim of this work is to study under which conditions the use of sensors to improve maintenance scheduling on those lines is economically profitable. Solving this problem starts with a necessary review of key ageing mechanisms of XLPE MV overhead lines, followed by the identification of sensors which can monitor the quantities behind these mechanisms. Statistical models for the lifetime of electrical assets and economic models for the analysis of investments are also described. From this preliminary study, a condition-based maintenance methodology was devised using the concept of Health Index to gather data from multiple types of sensors into one unique indicator. Using existing literature, this health index is used to dynamically estimate the failure rate of the line. This failure rate is the key to condition-based maintenance scheduling: maintenance operations are triggered when the failure rate reaches a threshold. Selecting one ageing mechanism- electrical stress-, and one type of sensorpartial discharge inductive sensors-, a Python simulation was built (and is shared at the end of this thesis) allowing to compare the cost of predictive maintenance to the cost of corrective maintenance over several decades, with the key parameters clearly identified and analysed. Beyond the methodology in itself, the main result of the work is that the use of sensors is economically profitable in most of the studied conditions. This project also reveals the strong influence of some parameters on this profitability: condition monitoring is particularly justified for short-lived assets, with a narrow distribution of failures. The failure rate threshold must be set carefully as it has a major impact on the analysis: setting it too high leads to an unprofitable scenario. / Den ökande användningen av sensorer i elnätet har öppnat dörren för nya metoder för förvaltning av tillgångar: Distributionsnätsoperatörer tittar nu på tillståndsbaserat underhåll, i motsats till de traditionella korrigerande eller tidsbaserade metoderna. Eftersom det rör sig om ett nytt område måste metoden byggas upp från grunden, med de få data som finns tillgängliga. Fokus ligger på luftledningar av tvärbanden polyeten med medelhög spänning (XLPE MV OHL) som den tillgång som ska förvaltas, och syftet med detta arbete är att undersöka under vilka förhållanden det är ekonomiskt lönsamt att använda sensorer för att förbättra underhållsplaneringen på dessa ledningar. För att lösa detta problem börjar man med en nödvändig genomgång av de viktigaste åldringsmekanismerna för XLPE MV luftledningar, följt av identifiering av sensorer som kan övervaka de kvantiteter som ligger bakom dessa mekanismer. Statistiska modeller för livslängden för elektriska tillgångar och ekonomiska modeller för analys av investeringar beskrivs också. Utifrån denna preliminära studie utarbetades en metod för tillståndsbaserat underhåll med hjälp av begreppet hälsoindex för att samla data från flera olika typer av sensorer till en unik indikator. Med hjälp av befintlig litteratur används detta hälsoindex för att dynamiskt uppskatta felfrekvensen för ledningen. Denna felfrekvens är nyckeln till en tillståndsbaserad underhållsplanering: underhålls åtgärder utlöses när felfrekvensen når ett tröskelvärde. Genom att välja en åldringsmekanism- elektrisk belastning- och en typ av sensor- induktiva sensorer med partiell urladdning- byggdes en Python-simulering (som delas i slutet av denna avhandling) som gör det möjligt att jämföra kostnaden för förebyggande underhåll med kostnaden för korrigerande underhåll under flera decennier, med de viktigaste parametrarna tydligt identifierade och analyserade. Utöver själva metoden är det viktigaste resultatet av arbetet att användningen av sensorer är ekonomiskt lönsam under de flesta av de studerade förhållandena. Projektet visar också att vissa parametrar har ett starkt inflytande på denna lönsamhet: tillståndskontroll är särskilt motiverat för tillgångar med kort livslängd och en snäv fördelning av fel. Tröskelvärdet för felfrekvensen måste sättas med omsorg eftersom det har stor inverkan på analysen: om det sätts för högt leder det till ett olönsamt scenario.

Rapporten utforskar möjligheten till implementering av prediktivt underhåll genom maskininlärning för markfordon i svenska Försvarsmakten. Undersökningen syftade till att finna nya metoder att planera och bedriva underhåll av militära fordon. Detta baserades på en litteraturstudie där civila och militära tillämpningar av maskininlärning granskades. Därefter analyserades empirin utifrån Kent Anderssons teori om militär nytta.  Analysen visar att det ur en teknologisk synpunkt skulle vara möjligt att implementera maskininlärning för prediktiva analyser av underhåll i militära fordon. Däremot tillkommer många utmaningar kopplade till datainsamling, interoperabilitet, cybersäkerhet, krav på höga kompetenser och ett behov av avancerade algoritmer. Militär verksamhet präglas även av mycket osäkerhet och fordon nyttjas i väldigt varierande miljöer. Detta försvårar omständigheterna för en AI att förutspå framtida utfall.  För att prediktiva analyser skulle kunna nyttjas effektivt skulle Försvarsmakten behöva ändra sitt förhållningssätt till materielunderhåll. Vidare forskning är emellertid nödvändig för att undersöka en faktisk implementering, eller ett maskininlärningssystems fullständiga militära nytta. / This work explores the possibility of implementing predictive maintenance through machine learning for ground vehicles in the Swedish Armed Forces. The investigation aimed to find new methods for planning and carrying out maintenance of military vehicles. This was based on a literature review that reviewed civilian and military applications of machine learning. The empirical data was then analyzed based on Kent Andersson's theory of military utility.  The analysis shows that from a technological point of view it would be possible to implement machine learning for predictive analysis of maintenance in military vehicles. However, there are many challenges linked to data collection, interoperability, cyber security, requirements for high skills and a need for advanced algorithms. Military operations are also characterized by a lot of uncertainty and vehicles are used in very varied environments. This makes it difficult for an AI to predict future outcomes.  For predictive analyzes to become a reality, the Swedish Armed Forces would have to change their approach to maintenance. However, further research is necessary to investigate an actual implementation and the full military utility of a machine learning system.

To improve sustainability, social, environmental and economic aspects needs to be considered. The most optimal result appears when all three aspects are balanced equally, this is however often overseen by private investors, who focuses only on reaching economic sustainability at the expense of social and environmental sustainability. Building digitization is one way to potentially improve the sustainability of a building socially, environmentally and economically. Focusing on the aspects that often are neglected, this thesis aims to investigate if digitizing a building improves social and environmental sustainability. The investigation is made by evaluating the implementation of a digital building automation tool from selected social and environmental sustainability criteria at the University hospital of Northern Sweden. This by performing an interview survey with the maintenance organisation and the tenants in the building, as well as performing CO2-e calculations on emissions connected to energy usage, transportation and production of HVAC-products. The evaluation indicated that the implementation had resulted in improved sustainability in the studied building, both socially and environmentally. Showing that digitizing a building improves social and environmental sustainability. The social sustainability had been positively affected from increased efficiency and effectiveness of the maintenance work in the building and improved well-being of the maintenance staff. However, the tenants were not completely satisfied when asked if reported errors were being solved, but on the other hand had the maintenance organisation experienced an improvement in satisfaction among the tenants since the implementation of the digital building automation tool. Furthermore, the tenants were generally more satisfied than dissatisfied with the indoor climate, except for experienced low temperatures in the winter and dry air. The environmental sustainability had been improved from a reduction in emitted CO2-e, generated from less energy usage and minimized transportation connected to maintenance operations. Furthermore, an estimation on increased technical lifetime of HVAC-products demonstrated on a potential further reduction in emitted CO2-e during the building's whole life span. Finally, the evaluation identified two combined effects between social and environmental sustainability. First, the increased efficiency and effectiveness of the maintenance work was one direct factor for the decrease in CO2-e emissions connected to transportation. Second, the tenants in the building expressed that they would feel prouder of their choice of employer if their employer focused more on reducing their climate impact, which motivates to work with environmental sustainability to achieve satisfaction and moreover an improved social sustainability.  The results of this case study indicate that digital building automation improves the social and environmental sustainability of a building, strengthening the statement on potential sustainability improvements from building digitization. For property owners wanting to increase their building's sustainability, digital building automation is therefore a proposed course of action. However, the performance on sustainability and the balance between the different aspects should continuously be evaluated, as the study showed that further improvements on the social and environmental sustainability still could be made. Property owners working towards an improved sustainability through digitization will both see long term positive effects on people's health, as well as help fulfilling the climate goals in the Paris agreement, resulting in a more sustainable world for present and future generations. / För att skapa en bättre hållbarhet måste hänsyn tas till både den sociala, miljömässiga samt den ekonomiska aspekten. Fokuset på dessa tre aspekter bör balanseras lika för att uppnå optimal hållbarhet, dock efterföljs detta inte vanligtvis av privata investerare som ofta endast fokuserar på att uppnå ekonomisk hållbarhet på bekostnad av den sociala- och miljömässiga hållbarheten. En byggnads hållbarhet kan potentiellt förbättras genom digitalisering av byggnaden, vilket kan förbättra den sociala, miljömässiga och ekonomiska hållbarheten. Genom att fokusera på de aspekter som ofta blir nedprioriterade undersöker denna studie om den sociala och miljömässiga hållbarheten i en byggnad ökar vid digitalisering. Detta genom att utvärdera implementeringen av ett digitalt verktyg på Norrlands Universitetssjukhus från några utvalda kriterier för social och miljömässig hållbarhet. Den sociala hållbarheten utvärderas med hjälp av en intervjustudie med underhållspersonalen och hyresgästerna i byggnaden, medan den miljömässiga hållbarheten utvärderades genom att beräkna CO2-e utsläpp kopplade till energianvändning, transporter samt produktionen av HVAC-produkter. Utvärderingen indikerade att implementeringen hade resulterat i en ökad social och miljömässig hållbarhet i byggnaden, vilket visar att en byggnads sociala och miljömässiga hållbarhet kan förbättras genom digitalisering. Den sociala hållbarheten hade ökat på grund av en ökad effektivitet i underhållsarbetet samt ett förbättrat välmående hos underhållspersonalen. Dock visade undersökningen att hyresgästerna i byggnaden inte var helt nöjda med arbetet kring felanmälningar, underhållsorganisationen hade dock upplevt att hyresgästerna var nöjdare efter implementeringen av det digitala verktyget än de var innan. Hyresgästerna var också mer nöjda än missnöjda med inomhusklimatet, förutom att de upplevde låg inomhustemperatur på vintern och att luften var torr. Den miljömässiga hållbarheten hade förbättrats genom en minskning av CO2-e utsläpp från minskad energianvändning och minskade transporter kopplade till underhållsarbetet. Den estimerade ökningen av den tekniska livslängden på HVAC-produkter visade också på potentiella minskningar av CO2-utsläpp under byggnadens hela livslängd. Denna studie identifierade också två kombinerade effekter mellan social- och miljömässig hållbarhet. Den första var att genom ökad effektivitet i arbetet för underhållspersonalen så minskade även CO2-e utsläppen från transporterna. Den andra var att hyresgästerna i byggnaden uttryckte att de skulle känna sig stoltare över sitt val av arbetsgivare om deras arbetsgivare fokuserade mer på att minska sin klimatpåverkan, vilket motiverar att arbeta med miljömässighållbarhet för att uppnå ökad tillfredsställelse hos hyresgästerna och därav ökad social hållbarhet.  Resultaten från denna fallstudie indikerar att digital fastighetsautomation förbättrar den sociala och miljömässiga hållbarheten av en byggnad, vilket styrker argumentet att en byggnads hållbarhet potentiellt kan förbättras genom digitalisering. För fastighetsägare som vill öka en byggnads hållbarhet är digital fastighetsautomation därför rekommenderat. Hållbarheten samt balansen mellan de olika hållbarhetsaspekterna behöver däremot kontinuerligt utvärderas, eftersom denna studie har visat att den sociala- och miljömässigahållbarheten fortfarande kan förbättras. Fastighetsägare som arbetar med att öka hållbarheten i byggnader genom digitalisering kommer uppleva långvariga positiva effekter för människors hälsa samt så kommer de bidra till att uppnå klimatmålen i Parisavtalet. Detta resulterar i en mer hållbar värld för nutida och framtida generationer.

Underhåll är en aktivitet som varje produktion vill undvika så mycket som möjligt på grund av kostnaderna och tiden som anknyts till den. Trots detta så är en väl fungerande underhållsverksamhet väsentlig för att främja produktionens funktionssäkerhet och tillgänglighet att tillverka. En effektiv underhållsorganisation går däremot inte ut på att genomföra mer underhåll än vad som egentligen är nödvändigt utan att genomföra underhåll i rätt tid. På traditionellt sätt så genomförs detta genom att ersätta slitage delar och serva utrustningen med fastställda mellanrum för att förebygga att haveri, vilket kallas för förebyggande underhåll. De tidsintervaller som angivits för service bestäms av leverantörerna och grundar sig i en generell uppskattning av slitagedelarnas livslängd utifrån tester och analys. Till skillnad från att köra utrustningen till den går sönder som kallas för Avhjälpande underhåll så kan underhåll genomföras vid lämpliga tider så att det inte påverkar produktion och tillgänglighet. Men de tidsintervall som leverantörerna rekommenderar till företagen garanterar inte att slitage delen håller sig till det intervallet, delarna kan exempelvis rasa tidigare än angivet eller till och med hålla längre. Av denna anledning är det naturliga steget i underhållets utveckling att kunna övervaka utrustningens hälsa i hopp om att kunna förutspå när och varför ett haveri ska uppstå. Den här typen av underhåll kallas för tillståndsbaserat och prediktivt underhåll och medför ultimat tillgänglighet av utrustning och den mest kostnadseffektiva underhållsorganisationen, då god framförhållning och översikt uppnås för att enbart genomföra underhåll när det behövs. Det som gör tillståndsbaserat och prediktivt underhåll möjligt är den fjärde industriella revolutionen “Industri 4.0” och teknologierna som associeras med den som går ut på absolut digitalisering av produktionen och smarta fabriker. Teknologier som IoT, Big Dataanalys och Artificiell Intelligens används för att koppla upp utrustning till nätet med hjälp av givare för att samla in och lagra data som ska användas i analyser för att prognosera dess livslängd. Uppdragsgivaren AstraZeneca i Södertälje tillverkar olika typer av läkemedel som många är livsviktiga för de patienter som tar dessa mediciner. Om AstraZenecas produktion står still på grund av fel i utrustningen kommer det inte enbart medföra stora ekonomiska konsekvenser utan även påverka de människor som med livet förlitar sig på den medicin som levereras. För att försäkra produktionens tillgänglighet har AstraZeneca gjort försök att tillämpa tillståndsbaserat och prediktivt underhåll men det är fortfarande enbart i startgroparna. Eftersom ventilation är kritisk del av AstraZeneca produktion då ett fel i ventilationssystemet resulterar i totalt produktionsstopp i byggnaden förens problemet åtgärdas och anläggningen sanerats blev det även rapportens fokusområde. Arbetets uppgift går därför ut på att undersöka möjligheter för AstraZeneca att utveckla deras prediktiva och tillståndsbaserat underhåll på deras ventilationssystem, för att sedan kunna identifiera och presentera förslag på åtgärder. Dessa förslag analyserades sedan med hjälp av verktygen QFD-Matris och Pugh-Matris för att kunna uppskatta vilket förslag som är mest kostnadseffektivt, funktions effektivt samt vilket förslag som kommer tillföra mest nytta för underhållet på AstraZeneca. / Maintenance is an activity that every production wants to avoid as much as possible due to the costs and the time associated with it. Despite this, a well-functioning maintenance operation is essential to promote the production's availability to manufacture and operational reliability. Running an efficient maintenance operation is not about carrying out more maintenance than is necessary but carrying out the right amount of maintenance at the right time. Traditionally speaking this is done by replacing worn parts and servicing the equipment at set intervals to prevent breakdowns, this method is called preventive maintenance. The intervals specified for service are determined by the suppliers and are based on general estimates of the service life for the spare parts from test and analytics. Preventive maintenance allows for maintenance to be carried out at appropriate time to not affect production and availability unlike running the equipment until breakdown, which is called reactive maintenance. However, these intervals that the suppliers recommend do not guarantee that the parts adhere to the given interval, the part can for example break down earlier than expected or even outlast its prescribed lifetime. Because of this, the natural step in the development of maintenance is giving companies the ability to monitor the health of the equipment in hope of being able to predict potential breakdowns. This is what Condition-Based and predictive maintenance is and it provides the ultimate availability of equipment and the most cost-effective maintenance organization, because the good foresight and overview allows maintenance to be carried out only when needed. The fourth industrial revolution “Industry 4.0”, absolute digitalization of production, smart factories and all the technologies associated with this is what makes this type of maintenance possible. Technologies such as IoT, Big Data Analytics and Artificial Intelligence are used to connect equipment to the network using sensors so that data can be stored and collected to be analyzed to forecast the lifespan of parts and equipment. AstraZeneca in Södertälje manufactures different types of medicine, many of which are vital for the patients who take them. If their production comes to a standstill due to equipment failure, it will not only have major financial consequences but also greatly affect the people who rely on the medicine offered with their lives. To ensure the availability of production, AstraZeneca has made attempts to apply condition-based and predictive maintenance, but it is still only in its infancy. Since ventilation is a critical part of AstraZeneca's production, as a failure here will result in a total production stoppage for the building affected and will not resume before the problem is remedied and the plant is decontaminated, it also became the report's focus area. The task at hand is therefore to investigate the opportunities AstraZeneca must develop their predictive and condition-based maintenance for their ventilation systems, in order to be able to present proposals for measures. The proposals will then be analyzed using tools like the QFD-Matrix and the Pugh-Matrix in order to estimate which is more cost effective, function effective and which one will bring the most benefit to AstraZeneca.