Den globala industrin har under det senaste decenniet genomgått en enorm digital transformation, där tillämpandet av digitala och smarta verktyg inom företag aldrig har varit mer påtagligt. Under november 2011 presenterades begreppet Industrial 4.0 i en artikel skriven av den Tyska regeringen som beskriver en teknikintensiv strategi för år 2020 och omfattar vad idag betraktas som den fjärde industriella revolutionen. Industri 4.0 utgörs till stor del av integrationsprocessen mellan teknik och övrig verksamhet inom ett tillverkningsföretag, vilket i sin tur ger upphov till teknik såsom; automation, förstärkt verklighet, simuleringar, intelligenta tillverkningsprocesser samt övriga processindustriella IT-verktyg och -system. Flertal forskningsstudier hävdar att Industri 4.0-teknologier har potential att revolutionera sättet företag idag tillverkar produkter, men i och med att begreppet är relativt nytt, abstrakt samt består av väldigt komplexa tekniker och komponenter, är införandet av dessa inom en tillverkningsmiljö för närvarande en stor utmaning för tillverkande företag. Denna studie syftar alltså till att belysa de utmaningar och hinder som större tillverkande företag möter vid implementering av digital och smart teknik, samt åtgärder för att motverka dessa. Målet med studien är att leverera ett användbart resultat både för aktiva företag inom tillverkningsindustrin i form av stöd vid analys och diskussion av eventuella implementeringsstrategier och -satsningar inom Industri 4.0, men också ge övriga intressenter en uppfattning kring ämnet med tanke på att det, som sagt, är ett abstrakt system. En litteraturstudie genomfördes både för att få en överblick kring ämnet Industri 4.0 och hur det har behandlats i tidigare examensarbeten, avhandlingar samt forskningsstudier, men även för att identifiera tidigare identifierade hinder. Därefter genomfördes fältstudier på två tillverkande företag, Scania och Atlas Copco, samt teknikkonsultföretaget Knightec. Syftet med detta var framförallt att få en mer påtaglig och verklighetsförankrad uppfattning av Industri 4.0 men även verifiera att informationen i den teoretiska delen är relevant i praktiken för en tillverkande verksamhet. Studien påvisade därtill att identifierade utmaningar och hinder återfinns bland flertal organisatoriska områden inom ett tillverkande företag, varav de mest framgående aspekterna omfattade strategi, ledarskap, kunder, kultur, anställda, juridik samt teknik. Resultatet avslöjade vidare att tillverkande företag präglas av bristfälliga planer och strategier för att identifiera samt implementera nya tekniska lösningar, konflikter bland de anställda, svårigheter att integrera kundsystem enhetligt inom produktionen, avsaknad av lämplig teknisk kompetens, juridiska problem vad gäller hantering av data samt svårigheter att integrera nya och gamla teknologier. / The global industry has during the last decade undergone a considerable digital transformation, whereas the application of digital and smart technology within companies has never been more of a relevant field. During November of 2011, the term Industrial 4.0 was presented in an article written by the German government to describe a technology intensive strategy for the year 2020 and signifies what today is defined as the fourth industrial revolution. Industry 4.0 largely consists of the integration process between technology and remaining operations within a manufacturing company, which enables the development of technologies such as; automation, augmented reality, simulations, intelligent manufacturing processes and other process industrial IT-tools and systems. Several research studies has suggested that Industry 4.0 technologies has the potential to revolutionize the way companies today manufacture products, however, since the concept is relatively new, abstract and consists of various complex technologies and components, the implementation process of these within a manufacturing environment is one largest challenges that manufacturing companies are facing. This study therefore aims to highlight the challenges and difficulties that large manufacturing companies are facing when implementing digital and smart technology, as well as provide solutions regarding how they can be overcome. The overall goal is to deliver useful results both for active companies within the manufacturing industry in regards to serving as support when analyzing and discussing possible implementation strategies as well investments related to Industry 4.0, but also to provide surrounding stakeholders with a perception of the subject. At the commencement of the project, a literature study was performed to develop an overview of how Industry 4.0 has been discussed in previous theses and research studies as well as to find previously identified difficulties regarding the implementation process. Finally, a field study was performed at Scania and Atlas Copco and at the technology consulting firm Knightec. The main purpose was to gain a more realistic perspective regarding how digitalization and Industry 4.0 systems are applied and to verify that the information from our theoretical study is relevant and applicable within an actual manufacturing company. The study furthermore revealed that the identified difficulties and challenges can be found within multiple organizational areas of a manufacturing company, whereas the most distinct aspects consisted of strategy, leadership, customers, culture, employees, legal governance as well as technology. The results showed that companies were characterized by an overall lack of strategy to implement new technologies, conflicts with employees during implementation, difficulties to integrate customer orders with production, lack of technical skills in staff, legal issues regarding data storage and difficulties integrating new and old technologies.

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.

AstraZeneca är ett medicinskt företag lokaliserat i Södertälje som har cirka 900 luftfilterboxar hos sin anläggning i Gärtuna. Dessa filterboxar kan vara opraktiska att hålla koll på eftersom de är utspridda uppe på vindarna, samt att det behövs bra framförhållning vid filterbyten eftersom vissa filter innehåller farliga ämnen. Filterboxar är utrustade med analoga tryckmätare vilket innebär att det kan bli omständigt för personalen att övervaka filtrets tryckfall. Målet med det här examensarbetet är att hitta en digital lösning som underlättar övervakningen av tryckfall över filter i realtid, samt informerar via sms eller mejl när det är dags att planera in filterbyte. Visionen är att det ska bli enklare att få en bild över luftfiltrets underhållsmässiga skick. Genom att jämföra olika produkter och delta i regelbundna möten med IT kunnig personal valdes en lämplig produkt. Projektet har arbetat metodiskt och strukturerat genom att följa projektmodellen projekt case där verktygen GANTT-schema, SWOT-analys, FMEA och maxiriskmetoden har använts. Projektet resulterade i användningen av digitala differentialtryckgivare som mäter tryckfallet över filter. Differentialtryckgivaren samlar data som sedan skickas via radiofrekvens till en Ethernet gateway som är trådad in till AstraZenecas segregerade nätverk så kallat FAB-net. Därefter förs datan från ethernet gatewayen till mjukvara. I mjukvaran kommer AstraZenecas filtergrupp kunna se över tryckfall hos de olika filtrena i filterboxarna. Detta kommer underlätta personalens arbete och eventuellt spara AstraZeneca tid och pengar. / AstraZeneca is a medical company located in Södertälje that has around 900 air filter boxes at its facility in Gärtuna. These filter boxes can be impractical to keep track of as they are scattered up in the attics and good foresight is needed for multiple filter changes as some filters contain harmful substances. Filter boxes are equipped with analog pressure gauges, which means that there is a lot of walking for the staff in order to monitor the filter's pressure drop. The goal of this thesis is to find a digital solution that can facilitate the monitoring of pressure drops across filters in real time and that also informs by text message or email when it is time to schedule a filter change. The vision is that it will be easier to get a digital image of the maintenance condition of the air filter. By comparing different products and participating in regular meetings with AstraZeneca's IT personnel, a suitable product was chosen. The project has worked methodically and structured by following the project model project case where tools such as GANTT chart, SWOT analysis, FMEA and maxirisk method have been used. The project resulted in the use of digital differential pressure sensors that measure the pressure drop across filters. The differential pressure sensor collects data which is then sent by radio frequency to an ethernet gateway which is wired into AstraZeneca's segregated network called FAB-net. The data is then transferred from the ethernet gateway to the software. AstraZeneca's filter group will be able to review the pressure drop of the various filters within the software, which will facilitate their way of working and potentially save AstraZeneca time and money.

Recent breakthroughs within technology and data science have initiated talks of a new emerging industrial revolution, being the fourth of its kind. This revolution, titled as Industry 4.0, implies further digitalization with AI and machine learning helping pave the way for improved robotic interconnection, decentralized decisions and linking the physical world with the virtual world. An important enabler for the transformation is 5G which will allow higher data speed, lower latency of communication, and improved network resilience, compared to its precursor 4G. That being said, a successful 5G rollout and adoption is not an easy task, especially for low-middle income countries. The 5G technology and the innovations it enables, could act as major economical catalysts for these countries and thus it is important to understand the potential barriers they are facing. To help clarify the matter, this study included a conduction of semi-structured interviews with some of the most important actors in the Malaysian 5G ecosystem. The ambition was to uncover the biggest barriers impeding the adoption of 5G technologies, as well as key enabling factors accelerating it. The results showed that low fibre infrastructure development, obscure pricing of 5G spectrum, high trait of complexity among 5G technology and associated innovations, customer unawareness, potential hampering of innovation due to a Single Wholesale Network approach (SWN), and a “Chicken or Egg”-dilemma between infrastructure providers and 5G application providers, represent the main barriers for a successful 5G implementation in Malaysia. At the same time, enabling factors such as a strong governmental backing, increased demand amongst end-users, high competitiveness of the telecommunication industry, and the SWN potentially mitigating the "Chicken or Egg"-dilemma were also identified and presented. An external validity assessment showed that most of the barriers could also be applied to neighbouring countries within the Southeast Asia region, providing practical implications for policy makers and industry actors working with the adoption of 5G technology within low-middle income countries. / De senaste genombrotten inom teknik och datavetenskap har föranlett diskussioner om närmandet av en ny industriell revolution, som blir den fjärde av sitt slag. Denna revolution som har fått tituleringen ”Industry 4.0”, väntas innebära ytterligare framsteg inom digitalisering med hjälp av AI och maskininlärning, vilket banar vägen för förbättrad robotkoppling, decentraliserade beslut och sammanlänkning av den fysiska och virtuella världen. En viktig delkomponent för denna transformation är 5G som väntas möjliggöra högre datahastighet, lägre kommunikationsfördröjning och förbättrad nätverkselasticitet jämfört mot sin föregångare 4G. En framgångsrik utrullning av 5G är dock inte en lätt uppgift, särskilt för låg- och medelinkomstländer. Tekniken bakom 5G och de innovationer den möjliggör, kan agera viktiga ekonomiska katalysatorer för dessa länder och därför blir det viktigt att förstå de potentiella hinder som de står inför. För att bättre förstå problemet genomfördes i den här studien semistrukturerade intervjuer med några av de viktigaste aktörerna i Malaysias 5G-ekosystem. Ambitionen var att avslöja de största hindren som hämmar införandet av 5G-teknik, samt viktiga möjliggörande faktorer som påskyndar denna process. Resultaten visade att låg fiberutveckling, oviss prissättning av 5G-spektrum, hög komplexitet bland 5G-teknik och tillhörande innovationer, kundomedvetenhet, potentiella innovationshämningar till följd av en ”Single Wholesale Network”-strategi (SWN) samt ett "Kyckling eller ägg"-dilemma mellan infrastrukturleverantörer och leverantörer av 5G-applikationer, utgör de främsta barriärerna för en framgångsrik 5G-utrullning i Malaysia. Samtidigt identifierades de viktigaste möjliggörande faktorerna som statligt stöd, ökad efterfrågan bland slutanvändare, den höga konkurrenskraften inom telekommunikationsindustrin samt SWN-strategins potentiellt positiva påverkan på "Kyckling eller ägg"-dilemmat. En extern validitetsbedömning visade att de flesta av barriärerna även kunde tillämpas på närliggande inom Sydostasien, vilket genererade praktiska implikationer för beslutsfattare och branschaktörer som arbetar med införandet av 5G-teknik inom låg-och medelinkomstländer.

The forth industrial revolution has risen the born of new mega trends for the improvement of the time to market and the spare of resources in the development and manufacturing of a new product. Among these trends, the Digital Twin (DT) is the one of major interests for developers and strategy analysts. The perfect transposition of a real entity into a digital environment enables the exploration and testing of the different components within the defined object, taking a further step towards a perfect correct-by-design approach. STMicroelectronics (ST) is exploring the benefits that this technology offers to the developers. The company’s primary focus revolves around the creation of SystemC models for the manufactured components so that a co-simulation between an Hardware (HW)/Software (SW) platform and a kinematic simulator is possible. This innovative approach facilitate the comprehensive validation of the designed Firmware (FW), relying on the intricate interplay with sensory aspects influenced by both device behavior and environmental circumstances. Furthermore, many applications nowadays implement an Artificial Intelligence (AI) algorithm: its performance is strictly dependent on the quality of the signals sensed and on the dataset on which the model is built. The creation of a proper DT allows to implement its development during the design phase, creating not only a valid AI for the real product, but also improving the quality and the performance of the model built. This conclusion is proven through the construction of a simple robotic arm implementing an anomaly detection algorithm based on a Machine Learning (ML) model. / Den fjärde industriella revolutionen har gett upphov till nya megatrender för förbättring av time-to-market och spara resurser vid utveckling och tillverkning av tillverkning av en ny produkt. Bland dessa trender är DT av stort intresse för utvecklare och strategianalytiker. Den perfekta överföringen av en verklig enhet till en digital miljö gör det möjligt att utforska och testa de olika komponenter inom det definierade objektet, vilket tar ytterligare ett steg mot en perfekt korrekt-från-design-metod. ST utforskar fördelarna som denna teknologi erbjuder utvecklare. Företagets huvudsakliga fokus kretsar kring skapandet av SystemC-modeller för tillverkade komponenter så att en samkörning mellan en HW/SW och en kinematisk simulator blir möjlig. Denna innovativa metod underlättar den omfattande valideringen av utformad FW och bygger på den intrikata interaktionen med sensoriska aspekter som påverkas av både enhetens beteende och miljöförhållanden. Dessutom implementerar många applikationer nuförtiden en algoritm för AI: dess prestanda är strikt beroende av kvaliteten på de uppfångade signalerna och den dataset på vilken modellen bygger. Skapandet av en korrekt DT möjliggör genomförandet av detta steg under designfasen, vilket inte bara resulterar i en giltig AI för den verkliga produkten utan också förbättrar kvaliteten och prestandan hos den skapade modellen. Denna slutsats bevisas genom konstruktionen av en enkel robotarm som implementerar en algoritm för avvikelsedetektering baserad på en ML model.

Solid waste management is a global issue that affects everyone. The management of waste collection routes is a critical challenge in urban environments, primarily due to inefficient routing. This thesis investigates the use of real-time virtual replicas, namely Digital Twins to optimize waste collection routes. By leveraging the capabilities of digital twins, this study intends to improve the effectiveness and efficiency of waste collection operations. The ‘gap’ that the study aims to uncover is hence at the intersection of smart cities, Digital Twins, and waste collection routing. The research methodology comprises of three key components. First, an exploration of five widely used metaheuristic algorithms provides a qualitative understanding of their applicability in vehicle routing, and consecutively waste collection route optimization. Building on this foundation, a simple smart routing scenario for waste collection is presented, highlighting the limitations of a purely Internet of Things (IoT)-based approach. Next, the findings from this demonstration motivate the need for a more data-driven and intelligent solution, leading to the introduction of the Digital Twin concept. Subsequently, a twin framework is developed, which encompasses the technical anatomy and methodology required to create and utilize Digital Twins to optimize waste collection, considering factors such as real-time data integration, predictive analytics, and optimization algorithms. The outcome of this research contributes to the growing concept of smart cities and paves the way toward practical implementations in revolutionizing waste management and creating a sustainable future. / Sophantering är ett globalt problem som påverkar alla, och hantering av sophämtningsrutter är en kritisk utmaning i stadsmiljöer. Den här avhandlingen undersöker användningen av virtuella kopior i realtid, nämligen digitala tvillingar, för att optimera sophämtningsrutter. Genom att utnyttja digitala tvillingars förmågor, avser den här studien att förbättra effektiviteten av sophämtning. Forskningsmetoden består av tre nyckeldelar. Först, en undersökning av fem välanvända Metaheuristika algoritmer som ger en kvalitativ förståelse av deras applicerbarhet i fordonsdirigering och således i optimeringen av sophämtningsrutter. Baserat på detta presenteras ett enkelt smart ruttscenario för sophämtning som understryker bristerna av att bara använda Internet of Things (IoT). Sedan motiverar resultaten av demonstrationen nödvändigheten för en mer datadriven och intelligent lösning, vilket leder till introduktionen av konceptet med digitala tvillingar. Därefter utvecklas ett ramverk för digitala tvillingar som omfattar den tekniska anatomin och metod som krävs för att skapa och använda digitala tvillingar för att optimera sophämtningsrutter. Dessa tar i beaktning faktorer såsom realtidsdataintegrering, prediktiv analys och optimeringsalgoritmer. Slutsatserna av studien bidrar till det växande konceptet av smarta städer och banar väg för praktisk implementation i revolutionerande sophantering och för skapandet för en hållbar framtid.

Teknik och fastighetsförvaltningen är en förvaltning inom Västerås stad som ansvarar för byggandet av Västerås stad. Förvaltningen är intresserad av att få en bredare kunskap om optimering av underhållssystem för luftkvalitet och hur det skulle leda till energibesparing. Uppkomsten till deras intresse för om optimering av underhållssystem för luftkvalitet och energibesparing, är av anledning att de söker nya innovativa möjligheter att optimera luftkvalitet inom deras befintliga och nya fastigheter inom Västerås stads kommun. Projektgruppen samt teknik och fastighetsförvaltningen valde att lägga fokus på Hamreskolan där de i dagsläget har ett gediget underhållssystem för luftkvaliteten men har en önskan till förbättring. Skälet är deras upplevelse av luftkvalitet som inte är optimal, upplevelsen är att man känner sig trött, att det är kallt och kvavt ibland även för varmt inne i lokalerna. Bra luftkvalite är väsentligt för det påverkar både personalen och eleverna prestationsförmåga prioriterades detta. Målet med detta examensarbete är att presentera förbättringsförslag för att optimera underhållssystemet i Hamreskolan. Underhållssystemet innefattar ventilationssystemet och styrsystemet där dess syfte är att underhålla luftkvaliteten. De metoder som användes för framtagandet av förbättrings förslagen är djup litteraturstudie, platsbesök i Hamreskolan, brainstorming med förvaltare från Teknik och fastighetsförvaltningen samt pugh matris för validering av förbättrings förslagen. I detta examensarbete presenteras och diskuteras de förbättringsförslag som kommer medföra positiva effekter för Hamreskolan vid implementation. Dessa förbättringsförslag behövs inte nödvändigtvist begränsas till endast implementation vid Hamreskolan, det går även att implementera vid flera fastigheter inom Västerås stad, Teknik och fastighetsförvaltning. Vid utvecklande av förbättringsförslagen har realitet för funktionalitet och dess effekt vid implementation i Hamreskolan varit i åtanken. / Technology and property management is an administration within the city of Västerås that is responsible for the construction of the city of Västerås. The administration is interested in gaining a broader knowledge of optimizing maintenance systems for air quality and how it would lead to energy savings. The emergence of their interest in optimizing maintenance systems for air quality and energy savings, is due to seeking new innovative opportunities to optimize air quality within their existing and new properties within the City of Västerås. The project group as well as technology and property management chose to focus on Hamreskolan, where they currently have a solid maintenance system for air quality but have a desire for improvement. The reason is their experience of air quality which is not optimal, the experience is that you feel tired, that it is cold and sometimes even too hot inside the premises. Good air quality is essential because it affects both the staff and the student's performance priorities. The aim of this thesis is to present improvement proposals to optimize the maintenance system in Hamreskolan. The maintenance system includes the ventilation system and the control system where its purpose is to maintain the air quality. The methods used for the preparation of improvement proposals are in-depth literature study, site visits to Hamreskolan, brainstorming with managers from Technology and Property Management and a pugh matrix for validation of improvement proposals. In this thesis, the improvement proposals that will have positive effects for Hamreskolan upon implementation are presented and discussed. These improvement proposals do not necessarily have to be limited to only implementation at Hamreskolan, it is also possible to implement at several properties within the City of Västerås, Technology and property management. In developing the improvement proposals, the reality for functionality and its effect when implemented in Hamreskolan has been in mind.

Materialet i rapporten är 10% av det totala materialet som presenterats till SCA, de viktigaste resultaten redovisas i rapporten. Vid SCA:s sågverk Rundvik i Nordmaling finns en automatiserad emballeringsmaskin. Ingen bra anvisning för bruk/drift och underhåll för maskinen finns, vilket har gjort det svårt för personalen att hantera den. Syftet med detta arbete var att kartlägga maskinens delar, funktioner och därefter framta en bruksanvisning. Detta gjordes genom att först kartlägga placeringen av maskinens axlar samt dess funktioner. Därefter intervjuades personalen på hyvleriet för att reda ut svårigheter och problem med maskinen. En problemlösning som löser de mest förekommande felen har framställts. En underhållsplan har tagits fram för att underlätta underhåll av maskinen. En offert på en programuppdatering har skickats till maskinprogrammerare. En offert gällande en säkerhetsanordning till maskinen har skickats till maskintillverkare. Resultatet är en fullt användbar, enkelt läsbar bruksanvisning. Syftet har inte fullföljts helt då operatör inte hunnit testa instruktionerna. / The material in the report is 10% of the total material presented to SCA, the most important results are reported here. At SCA's sawmill Rundvik in Nordmaling, there is an automated packaging machine. There is no good user manual for use/operation and maintenance of the machine, which has made it difficult for the staff to handle it. The purpose of this work has been to map the machine's parts, functions and then produce a user manual. This was done by first mapping the location of the machine's axles and its functions. The staff at the planer were then interviewed to sort out difficulties and problems with the machine. A problem solution that solves the most common errors has been produced. A maintenance plan has been developed to facilitate maintenance of the machine. A quote for a software update has been sent to the machine programmer. A quote regarding a safety device for the machine has been sent to the machine manufacturer. The result is a fully usable, easy-to-read user manual. The purpose has not been fully fulfilled as the operator has not had time to test the instructions.

This report explores the implementation of AI techniques in the manufacturing process at Ovako, focusing on process optimization, individual traceability, and quality control. By integrating advanced AI models and techniques at various levels within the production process, Ovako can improve efficiency, reduce material consumption, and prevent production stops. For example, predictive maintenance can be applied to anticipate and prevent machine problems, while image recognition algorithms and optical character recognition enable individual traceability of each rod throughout the process. Furthermore, AI-based quality control can detect defects and deviations with high precision and speed, leading to reduced risk of faulty products and increased product quality. By carefully considering the role of the workforce, safety and ethical issues, and the benefits and challenges of AI implementation, Ovako can maximize the benefits of these techniques and enhance its competitiveness in the market. / Denna rapport utforskar implementeringen av AI-tekniker i tillverkningsprocessen hos Ovako, med fokus på processoptimering, individuell spårbarhet och kvalitetskontroll. Genom att integrera avancerade AI-modeller och tekniker på olika nivåer inom produktionsprocessen kan Ovako förbättra effektiviteten, minska materialförbrukningen och förhindra produktionsstopp. Exempelvis kan prediktivt underhåll tillämpas för att förutse och förebygga maskinproblem, medan bildigenkänningsalgoritmer och optisk teckenigenkänning möjliggör individuell spårbarhet av varje stång genom processen. Dessutom kan AI-baserad kvalitetskontroll detektera defekter och avvikelser med hög precision och hastighet, vilket leder till minskad risk för felaktiga produkter och ökad produktkvalitet. Genom att noggrant överväga arbetskraftens roll, säkerhets- och etikfrågor samt fördelarna och utmaningarna med AI-implementeringen kan Ovako maximera nyttan av dessa tekniker och förbättra sin konkurrenskraft på marknaden.

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.