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.

In the rapidly evolving landscape of the Internet of Things (IoT), ensuring consistency and reliability becomes a top priority for a seamless user experience. In many instances, reliability is assessed through Quality of Service (QoS) metrics, sidelining traditional reliability metrics that thrive on time-dependent failure rates. The lack of a comprehensive framework that fully integrates all layers of an IoT system adds to the complexity. This gap makes it difficult to pinpoint specific areas that need improvement and to conduct a thorough assessment of the system’s reliability. This project addresses this intricate challenge, which holds significant relevance for industry professionals but remains unresolved. The project introduced an IoT architecture spanning the Power, Device, Edge, Application, and Cloud Layers. Within each layer, potential failure points were identified, and the reliability was analysed deploying time-based failure rates with an exponential distribution. Reliability Block Diagrams (RBDs) were employed to map the intricate inter-dependencies, though the framework’s adaptive nature allows for other system reliability methodologies. One of the primary outcomes of this research is the development of a new framework tailored for evaluating the reliability of various IoT system components. This framework yields insights into both system reliability and availability over time, serving as a pivotal tool for stakeholders such as device manufacturers, system integrators, network providers, and research institutions. The results show how the framework emerges as a pivotal starting point for IoT system reliability evaluation. Before this thesis, the feasibility of such a framework was uncertain, with concerns about its potential bias – being either too pessimistic or optimistic. Yet, the tangible results from this work affirm its capability to provide a balanced and reasonable reliability estimation, given the intricacies of IoT devices. This paves the way for subsequent research, enabling a deeper dive into targeted enhancements and fostering a nuanced understanding of IoT reliability. / I det snabbt föränderliga IoT-landskapet (Internet of Things) är det av högsta prioritet att säkerställa konsekvens och tillförlitlighet för en sömlös användarupplevelse. I många fall bedöms tillförlitligheten med hjälp av QoSmått (Quality of Service), vilket innebär att traditionella tillförlitlighetsmått som bygger på tidsberoende felfrekvenser åsidosätts. Avsaknaden av ett heltäckande ramverk som integrerar alla lager i ett IoT-system bidrar till komplexiteten. Denna brist gör det svårt att identifiera specifika områden som behöver förbättras och att göra en grundlig bedömning av systemets tillförlitlighet. Detta projekt tar itu med denna komplicerade utmaning, som har stor relevans för branschfolk men som fortfarande inte har lösts. Projektet introducerade en IoT-arkitektur som spänner över kraft-, enhets-, Edge-, applikationsoch molnlagren. Inom varje lager identifierades potentiella felpunkter och tillförlitligheten analyserades med hjälp av tidsbaserade felfrekvenser med en exponentiell fördelning. Tillförlitlighetsblockdiagram (RBD) användes för att kartlägga de komplicerade ömsesidiga beroendena, även om ramverkets adaptiva natur möjliggör andra metoder för systemtillförlitlighet. Ett av de främsta resultaten av denna forskning är utvecklingen av ett nytt ramverk som är skräddarsytt för att utvärdera tillförlitligheten hos olika IoT-systemkomponenter. Detta ramverk ger insikter om både systemets tillförlitlighet och tillgänglighet över tid, och fungerar som ett viktigt verktyg för intressenter som tillverkare av enheter, systemintegratörer, nätverksleverantörer och forskningsinstitutioner. Resultaten visar hur ramverket framstår som en viktig utgångspunkt för utvärdering av IoT-systemens tillförlitlighet. Före den här avhandlingen var det osäkert om ett sådant ramverk var genomförbart, med farhågor om dess potentiella partiskhet - att vara antingen för pessimistisk eller optimistisk. De konkreta resultaten från detta arbete bekräftar dock ramverkets förmåga att ge en balanserad och rimlig uppskattning av tillförlitligheten, med tanke på IoT-enheternas komplexitet. Detta banar väg för efterföljande forskning, vilket möjliggör en djupare analys av riktade förbättringar och främjar en nyanserad förståelse av IoT-tillförlitlighet.

The term Industry 4.0, sometimes referred to as a buzzword, is today on everyone’s tongue and the benefits undeniably seem to be promising and have potential to revolutionize the manufacturing industry. But what does it really mean? From a high-level business perspective, the concept of Industry 4.0 most often demonstrates operational efficiency and promising business models but studies show that many companies either lack understanding for the concept and how it should be implemented or are dissatisfied with progress of already implemented solutions. Further, there is a perception that it is difficult to implement the concept without interference with the current production system.The purpose of this study is to interpret and outline the main characteristics and key components of the concept Industry 4.0 and further break down and conclude the potential benefits and enablers for a manufacturing company within the heavy automotive industry. In order to succeed, a case study has been performed at a manual final assembly production unit within the heavy automotive industry. Accordingly, the study intends to give a deeper understanding of the concept and specifically how manual assembly within an already existing manual production system will be affected. Thus outline the crucial enablers in order to successfully implement the concept of Industry 4.0 and be prepared to adapt to the future challenges of the industry. The case study, performed through observations and interviews, attacks the issue from two perspectives; current state and desired state. A theoretical framework is then used as a basis for analysis of the result in order to be able to further present the findings and conclusion of the study. Lastly, two proof of concept are performed to exemplify and support the findings. The study shows that succeeding with implementation of Industry 4.0 is not only about the related technology itself. Equally important parts to be considered and understood are the integration into the existing production system and design and purpose of the manual assembly process. Lastly the study shows that creating understanding and commitment in the organization by strategy, leadership, culture and competence is of greatest importance to succeed. / Begreppet Industri 4.0, ibland benämnt som modeord, är idag på allas tungor och fördelarna verkar onekligen lovande och tros ha potential att revolutionera tillverkningsindustrin. Men vad betyder det egentligen? Ur ett affärsperspektiv påvisar begreppet Industri 4.0 oftast ökad operativ effektivitet och lovande affärsmodeller men flera studier visar att många företag antingen saknar förståelse för konceptet och hur det ska implementeras eller är missnöjda med framstegen med redan implementerade lösningar. Vidare finns det en uppfattning att det är svårt att implementera konceptet utan störningar i det nuvarande produktionssystemet. Syftet med denna studie är att tolka och beskriva huvudegenskaperna och nyckelkomponenterna i konceptet Industri 4.0 och ytterligare bryta ner och konkludera de potentiella fördelarna och möjliggörarna för ett tillverkande företag inom den tunga bilindustrin. För att lyckas har en fallstudie utförts vid en manuell slutmonteringsenhet inom den tunga lastbilsindustrin. Studien avser på så sätt att ge en djupare förståelse för konceptet och specifikt hur manuell montering inom ett redan existerande manuellt produktionssystem kommer att påverkas. Alltså att kartlägga viktiga möjliggörare för att framgångsrikt kunna implementera konceptet Industri 4.0 och på så sätt vara beredd att ta sig an industrins framtida utmaningar. Fallstudien, utförd genom observationer och intervjuer, angriper frågan från två perspektiv; nuläge och önskat läge. Ett teoretiskt ramverk används sedan som underlag för analys av resultatet för att vidare kunna presentera rön och slutsats från studien. Slutligen utförs två experiment för att exemplifiera och stödja resultatet. Studien visar att en framgångsrik implementering av Industri 4.0 troligtvis inte bara handlar om den relaterade tekniken i sig. Lika viktiga delar som ska beaktas och förstås är integrationen i det befintliga produktionssystemet och utformningen och syftet med den manuella monteringsprocessen. Slutligen visar studien att det är av största vikt att skapa förståelse och engagemang i organisationen genom strategi, ledarskap, kultur och kompetens.