Kommunikationsproblem mellan konfektionsföretag och tillverkare är vanligt förekommande vid framtagningen av kläder. För företag som inte tillämpar egen mönsterkonstruktion på huvudkontoret är det lätt att feltolkningar uppstår när tillverkarna ska tolka och översätta instruktionerna som de mottar. Studien har gjorts i samarbete med ett företag som upplevt passformsproblem för sina trikåplagg på grund av kommunikationsproblem med tillverkaren. Företaget skickar plaggmåttlistor och instruktioner till tillverkaren. Med hjälp av egna grundkonstruktioner skulle företaget ha större kontroll över mönsterkonstruktionen för sina överdelsplagg i trikå och antalet provplagg skulle kunna reduceras. Detta skulle spara både tid, ekonomiska och klimatekonomiska resurser som även är i enlighet med företagets värderingar och hållbarhetsarbete. Syftet med studien har varit att vidareutveckla redan framtagna grundkonstruktioner för överdelsplagg i trikå för både dam och herr, samt att utveckla en raglanärm med utgångspunkt från grundkonstruktionen. Inom forskning och litteratur saknas dokumentation av passformsproblem och åtgärder vid konstruktion av raglanärmar. Det saknas även information kring hur mönsterkonstruktionen kan anpassas för industriell tillverkning. Studien har därför fokuserat på att identifiera och åtgärda passformsproblem som uppstår kring axelpartiet och över ärmen. För att uppnå syftet har en experimentell metod använts i form av mönsterkonstruktion, sömnad av provplagg och avprovningar. Resultatet av framtagningen av raglanärmen visar att ett axelinsnitt är väsentligt för att uppnå en god passform över axelkulan.

Detta examensarbete har utförts inom Högskoleingenjörsutbildningen i Maskinteknik, Industriell Ekonomi & Produktion vid Kungliga Tekniska Högskolan, Institutionen för Hållbar produktionsutveckling. Projektet har genomförts under våren 2018 på uppdrag av BAE Systems Hägglunds i Örnsköldsvik. Målet och syftet med denna studie har varit att analysera avdelning Prototyp & Skrovs produktionsplanering, beredning, kapaciteter, beläggningar och prioriteringar i verksamheten. Förhoppningen har varit att hitta förbättringsområden och arbetsmetodik för bättre och effektivare planering. Enhet Prototyp & Skrov tillverkar fordonskroppar till bepansrade militära fordon och innefattar även utvecklingsverkstad med förmåga att ta fram nyutvecklade fordon och marknadsvagnar. Studerad avdelning har idag problem och uppenbara brister i beredning, beläggnings‐ och kapacitetsplanering, där uppskattade operationstider från beredning är felaktiga och ny beläggning kan planeras ut utan föregående konsekvensanalys. Avdelningen präglas även av en kortsiktighet i sin produktionsplanering, och saknar standardiserade och enhetliga arbetssätt för att angripa verksamhetens problem. Under projektets genomförande har resultat från intervjuer, observationer och stickprov i verkstaden visat och fastställt flera förbättringsområden för fortsatt arbete inom verksamheten. Ett par av rekommendationerna för att möta företagets problematik belyses av författaren som implementering av standardiserade arbetssätt, korrekta kötider framför stationer i verkstaden, återkoppling av operationstider från operatörer, samt att avdelningen tydligt bör definiera sin kapacitet för att möta verkligt utnyttjande i verkstaden. Författarens förhoppningar med resultatet av denna studie är att arbetet och rekommenderade lösningar ska möjliggöra verksamheten att nå högre leveranssäkerhet och utnyttjande av kapacitet / This thesis project has been carried out within the Degree Programme in Mechanical Engineering, Industrial Business Administration and Manufacturing at the Royal Institute of Technology, Department of Sustainable Production Development. The project was carried out in the spring of 2018, commissioned by BAE Systems Hägglunds in Örnsköldsvik, with the purpose of analyzing the unit of Prototype & Hulls production planning, production preparation, capacity, loading and priorities in the business. The goal by this study has been to find improvement areas and working methods for better and more effective planning. The unit of Prototype & Hull manufactures vehicle bodies for armored military vehicles and includes a development workshop capable of manufacture newly developed vehicles and market wagons. The studied department currently has problems and obvious shortages in production preparation, loading and capacity planning, where estimated operating hours from production preparation are incorrect and new loading can be planned without the previous impact assessment. The unit is also characterized by a short‐term view of its production planning and lacks standardized and unified approaches to address problems. During the project, results from interviews, observations and samples in the workshop have shown and identified several areas of improvement within the business. A couple of recommendations to address the company's problems are highlighted by the author as implementing standardized working procedures, correct queuing times for stations in the workshop, feedback from operators at machining departments to production preparation, and that the department should clearly define its capacity to meet real‐world utilization. The author's hopes with the results of this study are that recommended solutions will enable the business to achieve higher delivery reliability and utilization of capacity.

Adaptations to a fluctuating market and intensified customer demands for unique products are a challenge for manufacturers. Manual manufacturing is still the most flexible, nevertheless, automation ensures stable quality, minimizes wear and tear of the operators, and contributes to a safer and better working environment as the distance between the operator and the process can be increased and screened off. Hence, the manufacturing industry is searching for human-centric automation solutions that are flexible enough to handle these challenges. Conventional automation is tailored for one or a few similar variants of products, in addition, increased flexibility implies increased complexity to handle. This licentiate thesis demonstrates a flexible Plug &amp; Produce automated manufacturing concept where the complexity is redirected to focus on the products and manufacturing processes by utilizing artificial intelligence. Together with digital threads that connect the product design to automatic manufacturing that enables manufacturing companies to manage new production scenarios with their in-house knowledge. Data is picked directly from the computer-based design of the products and process knowledge that normally exists within the manufacturing company is added through graphical user interfaces. The graphical configuration tools visualize the flow of sequential and parallel manufacturing operations together with process-bound information. Plug &amp; Produce relies on pluggable process modules with re-cyclical manufacturing resources that can be plugged in and out as needed. As an example, a module with a robot can be plugged in to help an existing robot and thereby balance the production capacity. In Plug &amp; Produce resources start working and cooperate with other resources automatically when they are plugged in. To achieve this, the resources are provided with distributed artificial intelligence together with intelligent products that know how to be finalized. In this concept, everything is digitally configurable by the in-house knowledge of the manufacturing companies. A Plug &amp; Produce test bed was built to verify the concept in cooperation with industrial representatives. / Denna licentiatavhandling påvisar ett koncept för att öka flexibiliteten och samtidigt rikta om komplexiteten i automatiserade produktionssystem hos tillverkande företag på ett sätt så att deras interna personal på egen hand kan ställa om tillverkningen mot nya produkter. Anpassningar till marknadens fluktuationer och efterfrågan av nya unika produkter är en ständigt pågående process. Alltmer av produktionen flyttas tillbaka till Sverige och övriga Europa vilket ökar efterfrågan på flexibel och omställbar automation. Automation håller nere prisnivån då arbetskraften är dyr, säkerhetsställer jämn kvalité, minimerar förslitningsskador på de anställda och bidrar till säkrare och trevligare arbetsmiljö då distansen mellan operatör och process kan ökas och avskärmas. Produktion som flyttas till hemmamarknaden från låglöneländer ersätter ofta högflexibel och anpassningsbar manuell tillverkning vilket är en stor utmaning för industrin. Ett Plug &amp; Produce koncept för automatiserad tillverkning utvecklas och beskrivs i denna avhandling där automationen enkelt kan ställas om av den interna personalen och anpassas till nya produkter. Omställning med hjälp egen personal möjliggörs genom att så mycket information som möjligt utvinns från produktens datorbaserade design. Processkunskap som normalt besitts inom det tillverkande företaget adderas därtill med hjälp av grafiska användarinterface som visar flödet av tillverkningsoperationer tillsammans med processpecifika uppgifter såsom mått, bearbetningshastigheter, temperaturer och färg. Plug &amp; Produce system är uppbyggda kring processmoduler med tillverkningsresurser som kan pluggas in och ut efter behov. Till exempel kan en modul med en robot pluggas in för att avlasta befintlig robot och därmed öka produktionshastigheten. Specialdesignade resurser kan pluggas in för att öka effektiviteten och minimera energikonsumtionen. För att den inpluggade processmodulen självmant skall börja jobba och samarbeta med de andra modulerna är den försedd med egen lokal artificiell intelligens. Dessa processmoduler kan tack vare sin intelligens pluggas in i olika Plug &amp; Produce system och är därmed återvinningsbara i nya system. Intelligensen kan vara lokalt placerad i en dator på resursen eller i datormolnet kopplat till resursen. På samma sätt kan produkterna förses med intelligens och kallas då för smarta produkter. Dessa produkter har som mål att bli färdigproducerade genom delmål i form av tillverkningsoperationer. Denna intelligens förses med kunskap och erfarenheter av personalen inom det tillverkande företaget genom användarvänliga interface. När användarvänligheten Plug &amp; Produce testbädd har byggts upp tillsammans med representanter frånprefabricerade trähusindustrin. Tillverkning av prefabricerade trähus är i idag ihög grad manuell då existerande automationslösningar inte är flexibla nog eftersom husen är i hög grad är kundanpassade. Arbetet som beskrivs i denna avhandling gynnar trähusindustrin och därmed klimatet då trä binder kol för en lång tid framåt. / <p>Paper A is not included in the digital licentiate thesis due to copyright . </p>

The recharge is the focus of data analysis of the different situations with the integration of the system and development of the two-stage 2/2 proportional cartridge valve for the steel industry machine. Using the statistical analysis technique to visualize the valve signal data behavior identify the accuracy of the machine data and apply the statistical feature extracting model using classification and clustering algorithms of real-time data analysis for the manufacturing. The fundamental principles of data analysis with a particular emphasis on its key function in the collection, cleansing, and analysis of substantial amounts of data to develop significant insights. Moreover, we explore the importance of data visualization in effectively presenting intricate research outcomes. We get the data accuracy of 76 percent for train and test set data in the statistical analysis feature indicating the best accuracy in the early stage. Our model gives high accuracy of the recommendation data automation system of the steel industry. Analysis of the valve data in multiple ways for the predictive maintenance of conditional monitoring of the tubes mail production machine. PdM is used for data processing of predictive manufacturing, behavior patterns of machines data, and correlation of statistical model for decision making for the maintenance activity avoiding downtime.  The data consists of different channels in the steel industry machine. Some automation process is used for the feature combination of the analysis of valve data in industry between each feature and signals. Using a dataset comprised of sensor data, operation logs, and maintenance records industrial control data of machines and use of this predictive model has the potential to yield significant cost savings for the steel industry through the prevention of unplanned maintenance, while also enhancing operational safety manufacturing of machine in the industry.