Detta arbete undersöker den militära lämpligheten med additiv tillverkning för reservmaterielförsörjning. Arbetet avgränsas till att undersöka hur additiv tillverkning kan användas på ett trosskompani och ifall det är lämpligt utifrån teorin om militär nytta. Frågeställningen besvaras genom en tematisk analys där olika källor som behandlar additiv tillverkning i en militär kontext analyseras utifrån ett antal indikatorer som avgör den militära lämpligheten, enligt teorin om militär nytta. De indikatorer som analysen bygger på är: materiel, doktrin, infrastruktur och anläggningar samt interoperabilitet. Arbetet kommer fram till att additiv tillverkning kan vara lämpligt på ett trosskompani men främst vid uteblivet underhåll under en längre period. I annat fall krävs stora anpassningar i Försvarsmaktens doktriner för att additiv tillverkning ska vara lämpligt, detta framförallt kopplat till tidsförhållanden för respektive underhållsnivå. Dessutom identifieras en problematik med kvalitetskontroller och vem som bär ansvaret om tillverkade reservdelar inte är av tillräckligt hög kvalitet, detta speciellt i fredstid då riskbenägenheten är lägre. Slutligen kommer arbetet fram till att en kostnadsnyttoanalys, där förändringarna i organisationen behöver vägas mot den militära effektiviteten och kostnaden, är nödvändig för att avgöra om additiv tillverkning bör implementeras på ett trosskompani eller inte. Behov av ytterligare undersökningar innan additiv tillverkning kan börja användas i Försvarsmakten identifieras också i arbetet. Bland annat behöver en mer precis kravställning kopplat till additiv tillverkning och doktriner som beskriver hur tillverkningen ska nyttjas tas fram. Försvarsmakten behöver även ta fram metoder för uppföljning av reservdelar, så att förbanden vet vilka nyttjade reservdelar som är konventionellt tillverkade och vilka som är utskrivna med additiv tillverkning. Dessutom behöver Försvarsmakten i kommande upphandlingar ställa krav på digitala ritningar för additiv tillverkning av reservdelar för att möjliggöra en framtida implementering av tekniken och nyttjande för reservmaterielförsörjning. / This project investigates the military suitability with additive manufacturing of spare material supply. The project was delimited by investigating how additive manufacturing can be utilized and whether additive manufacturing is suitable, according to the theory on military utility, at a logistics company. The question was answered through a thematic analysis, examining various sources on additive manufacturing in a military context across four indicators that decide the suitability of a system, according to the theory on Military utility. The indicators that were analysed are equipment, concepts and doctrine, infrastructure, and interoperability. The project concludes that additive manufacturing can be suitable for a logistics company when maintenance is out for a longer period. Otherwise, it requires significant adaptations in the Swedish Armed Forces’ concepts to achieve suitability for additive manufacturing, mostly because of the time conditions in the maintenance concept. Moreover, a problem regarding quality control and the responsibility for inadequate spare material was identified, especially in peacetime when the risk propensity is lower than in wartime. Finally, the project determined that a cost-benefit analysis is imperative. The cost-benefit analysis will weigh the changes in the organization against both the associated costs and the military effectiveness that the system can deliver. The needs for further investigations before additive manufacturing can be utilized in the Swedish Armed Forces were also identified in the project. For instance, a more precise set of requirements related to additive manufacturing and a doctrine describing how additive manufacturing should be utilized need to be developed. The Swedish Armed Forces also need to produce methods to follow up on which spare material, used for reparations, that is produced conventional, and which is produced with additive manufacturing. Furthermore, the Swedish Armed Forces need to demand digital files for additive manufacturing of spare material in future procurement processes. This is essential to enable the use of this technique for spare material supply in the future.

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.