Industri 4.0 har medfört stora förändringar och med denna våg av förändringar har artificiell intelligens tillkommit. AI är inget nytt och har forskats på utvecklats sedan den första datorn uppfanns. Tanken var då enligt Alan Turing fadern av datalogi att om en maskin inte kan särskiljas från en människa då är det en AI. Sedan dess har vi sett flera AI modeller slå människan i olika fält och sett AI teknologiers förmåga. Att AI ska implementeras inom den mest innovativa branschen var inte långtsökt. Industriell AI är till skillnad från vanliga AI modeller en kontrollerad process som hittills tillämpats inom begränsade områden. Eftersom standardisering och systematisk tillvägagångsätt kan likställas som synonymer till industriella verksamheter. Är det ingen skillnad på processer inom fabriker, och AI teknologier måste anpassas efter dessa processer. Det har under det senaste decenniet globalt investerats i innovation inom industrier. Länder världen över vill att deras industrier med Industri 4.0 hamnar i framkanten. Där Tyskland introducerade Industri 4.0, USA Smart Manufacturing Leadership Coalition, Kina deras plan kallad China 2025 och EU tillkännagett Factories for the future. Som en konsekvens av dessa enorma satsningar har denna studie som mål att se hur AI kan hjälpa tillverkande företag öka resurseffektiviteten inom produktionsplanering. Eftersom forskningsområdet är relativt nytt kommer studien basera resultaten på fallstudier där ABB och Scania intervjuas. Dock behöver detta område mer forskning. / The global introduction of Industry 4.0 has brought with it changes within industry. The indirect consequence of Industry 4.0 being artificial intelligence. The idea of AI is as old as the invention of computers with Alan Turing the father of computer science stating the first description of AI. His thought was that if a machine could be mistaken for a human then the machine was intelligent. The thought being that machine never could outperform humans back then. Now in modern times we have witnessed great feats made by intelligent algorithms where they outperform humans in various fields. For AI to be implemented in industry the most innovative buisness it has to adapt to the workings of indutrial processes. Systematic approach and standardization being two values that strongly represents industries. During the last decade global initiative and investment in innovation of industry. Has led to global competitors such as Germany creating Industry 4.0, The United States creating Smart Manufacturing Leadership Coalition, China introducing their plan called China 2025 and EU with Factories for the future. This paper is a reaction of these enormous investments made into Industry 4.0. The objective of this paper is to examine how AI can help manufacturing enterprises increase their resource efficiency within production planning. Since this field of science stillbeing in its infancy this paper will base its result on interviews made with companies as ABB and Scania. However this field needs more work.

Den fjärde industriella revolutionen, även kallad Industri 4.0, drivs av ett antal teknologier som medför digitalisering och automatisering av industriella processer. Konceptet innebär en applicering av dataanalys med avancerade analytiska verktyg på stora mängder data, vilka påstås ge stora möjligheter för kvalitetsförbättringar. För att en sådan övergång ska ske är förmågan att hantera data avgörande. Trots det uppvisar många företag idag bristande användning av data för att ta beslut. Frågan är hur företag kan göra för att hantera data och utföra en transformation till Industri 4.0. För att studera det här ämnet har det här examensarbetet utförts som en fallstudie på en stansprocess hos Scania Ferruform. Genom en litteraturstudie, kvantitativ datainsamling samt observationer och intervjuer undersökte examensarbetet den nuvarande användning av data i processen. Därefter undersöktes data med statistiska verktyg för att visa på hur data kan hanteras i en process för att erhålla större kunskap om orsaker till avvikelser. Examensarbetet utredde till sist hur fortsatt arbete med datahantering kan utföras för att uppnå målet Industri 4.0.Analysverktyg har använts för att analysera över 39 000 datapunkter. Resultatet visar på att det finns utvecklingsmöjligheter vad gäller insamling, kvalitet och användning av data. Ett ramverk presenteras för hur företaget bör hantera data för att kunna utvinna ny kunskap från deras processer samt hur Ferruform fortsatt kan arbeta mot Industri 4.0.Slutligen ges rekommendationer om fortsatta studier. Resultatet av examensarbetet blir ett stöd för Ferruform i deras arbete mot mer dugliga processer och den tekniska utveckling företaget eftersträvar. / The fourth industrial revolution, also called Industry 4.0 is powered by several technologies which result in digitalization and automatization of industrial processes. The concept includes the application of big data and advanced analytics, which are said to provide great opportunities for quality improvements. For such a transition to take place, the ability to handle data is crucial. Despite this, many companies today show a lack of use of data to drive decision-making. The question is how companies can manage data and ultimately transition towards Industry 4.0. To research this topic this thesis has been carried out as a case study of a punching process at Scania Ferruform. Through a literature review, quantitative data collection, as well as observations and interviews, the thesis examined the current use of data in the process. Subsequently, data were examined with statistical tools to illustrate how data can be managed in a process to attain increased knowledge about causes of deviations. Lastly, the thesis explored future work towards Industry 4.0. Analysis tools have been used to analyse over 39 000 data points. The result of the study shows that there are opportunities for development in terms of collection, quality and use of data. A framework of how Ferruform should manage data in order to extract new knowledge from its processes is presented. Furthermore, an action plan is presented for a transition towards Industry 4.0. Finally, recommendations are given for further studies. The result of the thesis will be helpful for Ferruform in its transition towards more efficient processes and the technical development of which the company strives towards.