IT is a well-integrated function within most companies and its importance grows bigger by the day. With new solutions and concepts being introduced continuously it is important to be aware of the ever-changing possibilities found within IT. One of these changes is the concept of Industrie 4.0 which poses as a revolutionary way to do business by connecting the real world with the virtual one to a greater extent than what is done today. Research has shown that there are many possible benefits of implementing Industrie 4.0 and also Smart Factory, such as improved inventory control and faster reaction time. Since these concepts are quite new, no real definition exists and the congruence between the academic and business world is not always at the same level, and therefore the first steps are not yet defined. Therefore, this study tried to reduce the gap between these two worlds by offering concrete recommendations of what needs to be done to be able to apply Industrie 4.0 in the real world at Scania CV AB and Scania IT. Scania CV AB posed as a case company to find out where to start on the road to become smart. Currently there are many functions using the services of Scania IT, but exactly how the systems are used is not known by Scania IT. To be able to provide the necessary services for the various functions of Scania CV AB and start the road of becoming smart, Scania IT needs to know how the systems are used and what information that is currently missing. A formulated strategy of Scania, as a whole, is to be able to collect and analyse information in order to have a more Intuitive Presence and Predictable Future, two words meaning that more proactive work can be conducted and more autonomous decisions can be made. To be able to fulfil this vision, knowledge about the needed information must be acquired by Scania IT. With focus on the information connected to the material flow before the material reaches the assembly lines found at Scania CV AB the purpose of this study was to identify and analyse information and actions needed in the material flow from a user perspective, to become Intuitive and Predictable as part of the concept Industrie 4.0. A set of research objectives were formulated as a guide for the study. By first identifying, with the help of the first research objective, the information input and output for the functions at Scania CV AB connected to the material flow, with a base in the functions planning material, it was identified that at different production sites different standards of working exist, but also differences in the IT usage and system configurations was found.  The second research objective focused on what information should be available for production and material planning according to a literature review and this was later compared with the findings at Scania, which composed the third research objective. As it turned out, Scania uses the correct set of basic information such as forecasting, production plan, and calculations of gross demand, along with information regarding costs, lead times, and inventory. However, how to use the information is not standardized and the users of the IT systems perceived the information as hard to find and difficult to interpret. The fourth research objective focused on the concept of Industrie 4.0 and Smart Factories by studying literature, an external company and the ideas that Scania CV AB have, to see what must be done before a Digital Factory can be created. The recommendations for Scania IT were based on the result on the analyses and they can be summarized by the need of further standardization of information and information usage to be able to start the road of becoming Smart and take one step closer to the concepts of Smart Factory and Industrie 4.0.

På Hannovermässan, världens ledande mässa inom industriell teknologi, i Tyskland år 2011 myntades begreppet Industrie 4.0 som beskriver den fjärde industriella revolutionen. Denna handlar om att integrera affärsprocesser med ingenjörsprocesser och på så sätt göra produktionen mer effektiv, miljövänlig och flexibel. Sedan 2011 har man även börjat tala om smarta fabriker och införande av smart teknik inom tillverkningsindustrin. Många hävdar att smart teknik och Industrie 4.0, tillsammans med vår tids krav på kundanpassade produkter, kommer att revolutionera den tillverkande industrin och förväntningarna är stora på vad smartteknik kan komma att bidra med. Denna studie syftar till att undersöka hur produktionen i tillverkande företag påverkas med hjälp av införande av smart teknik. Studien kommer att identifiera och analysera de främst påverkade faktorerna vid införande av smart teknik från år 2011 och framåt. De faktorer som identifierats och studeras närmare är; flexibilitet, kostnader, ledtider, miljöpåverkan, produktkvalitet och tillförlitlighet. I arbetet att hitta de faktorer som främst påverkar produktionen i tillverkande företag vid införande av smart teknik har främst två metoder använts. En inledande litteraturstudie gjordes för att identifiera de vanligast förekommande faktorerna. Valda faktorer verifierades därefter med hjälp av intervjuer och studiebesök hos två tillverkande företag som implementerat smart teknik, Scania CV AB och Volvo Car Corporation. Under vald tidsperiod har dessa företag tillsammans med KTH genomfört projektet FFI Line informationsystem architecture (LISA), där LISA är en variant av en smart fabrik. En slutsats som dragits i denna studie är att de faktorer som främst påverkas med hjälp av smart teknik inom tillverkningsindustrin är några av de som identifierades vid undersökningens start; flexibilitet, kostnader, miljöpåverkan och tillförlitlighet. Exempel på hur dessa påverkas presenteras vidare; om en informationsarkitektur (såsom LISA) implementeras blir det lättare att genomföra förändringar i maskinparken, det gör processkedjan mer dynamisk vilket ger en ökad flexibilitet för företagen. Med hjälp av uppkopplade enheter kan företagen snabbare informeras om fel i produktionen och på så sätt minska mängden kassationer vilket innebär kostnadsbesparingar. Genom att hastighetsanpassa motorer samt att optimera robotars rörelser, exempelvis genom att i större utsträckning använda mjuka rörelser, kan energi sparas och därmed ge en minskad miljöpåverkan. Dock blir företagen vid införande av smart teknik beroende av uppkoppling och det blir då viktigt att säkerställa att tillförlitliga system används om problem uppstår. Andra faktorer som påverkas är ledtider och produktkvalitet, som dock snarare påverkas som konsekvenser av att ovan nämnda faktorer påverkas. Ytterligare en slutsats är att Industrie 4.0 inom svensk tillverkningsindustri betraktas som en evolution snarare än en revolution och att den smarta tekniken är något som implementerats gradvis. / The term Industrie 4.0 was first coined in Germany 2011, at the Hannover Messe, the world’s leading Trade Fair for Industrial Technology. It is a term describing the fourth Industrial Revolution. This revolution concerns making production more efficient, environmentally friendly and flexible, by integrating business processes with engineering processes. Since 2011, smart factories and implementation of smart technology in manufacturing has also been a major talking point. Many claim that smart technology and Industrie 4.0, together with the increasing demands for customization, will revolutionize the manufacturing industry and the expectations for what smart technology will contribute with are great. The purpose of the study is to investigate what factors of the production in manufacturing companies are affected by the introduction of smart technology, from year 2011 onwards. The factors identified and investigated are; flexibility, costs, lead times, environmental impact, product quality and reliability. The study was conducted in two stages. First, a literature study to identify and investigate the factors, and second, visits, interviews and verification of the factors with two manufacturing companies who have both implemented smart technology; Scania CV AB and Volvo Car Corporation. During the selected time period, these companies have, together with KTH, participated in the FFI Line information system architecture project (LISA) project where LISA is a type of smart factory; an information architecture. A conclusion to be drawn is that the factors mostly affected by smart technology within the manufacturing industry are some of those identified in this study; flexibility, costs, environmental impact and reliability. Examples of impact are; if an information architecture (for example LISA) is implemented, it becomes easier to implement changes in the factory. This makes the process chain more dynamic, which gives the company greater flexibility. With the help of connected units, companies are faster informed about errors in the production, which makes it possible to decrease the amount of scrap. This leads to cost savings. Also, by using speed-controlled engines and by optimizing the movements of robots, energy can be saved, which leads to less environmental impact and also cost savings. Though, by implementing smart technology, companies also make themselves dependent on wireless connectivity. Therefore, it becomes important to make sure reliable systems are used. Other factors affected by the implementation of smart technology are lead times and product quality, but they are rather affected as consequences of the affection of the other factors, mentioned above. Another conclusion to be drawn is that Industrie 4.0, within Swedish manufacturing, is considered to be an evolution rather than a revolution and smart technology is something that is implemented gradually.

This paper discusses the application of a tool for experiencing the usage of Virtual Reality (VR) in the factory layout planning process of Scania. The goal is to evaluate the system's collaborative capabilities and to assess the usability. The study combines existing methodologies in a novel way. The method consists of recording 16 participants in performing a collaborative task, and then coding for Collaborative Joint attention (CJA). Furthermore the evaluation makes use of the System Usability Scale (SUS) and Nielsen's Heuristics. The system's score on the SUS appeared to be above average, but participants with higher experience in factory planning gave higher scores. There were numerous problems related to the physical room being smaller than the virtual room, user control was limited and the embodiment of the users (avatars) proved to be distracting. The findings have implications for builders and evaluators of multiparty VR systems, that allow for collaboration. The evaluators need to consider including CJA as one of their dependent variables. / Denna studie beskriver tillämpningen och utvärderingen av ett system för användning av Virtual Reality (VR) i samband med layoutplanering av Scania-fabriker. Målet är att utvärdera samarbetet inom systemet samt att bedöma användarvänligheten. Studien använder befintliga metoder på nya sätt. 16 deltagare filmas när de utför en gemensam uppgift och kodas sedan för Collaborative Joint Attention (CJA). Utvärderingen använder sig även av System Usability Scale (SUS) och Nielsens Heuristics. SUS-poängen var över genomsnittet, men deltagare med tidigare erfarenhet av layoutplanering gav systemet ett högre betyg. Det fanns många problem relaterade till att det fysiska rummet var mindre än det virtuella rummet, begränsad användarkontroll och att gestaltningen av brukarens avatar visade sig vara distraherande. Resultaten har konsekvenser för byggare och utvärderare av VR-fleranvändarsystem för samarbete. En rekommendation till utvärderare är att överväga användning av CJA som en beroende variabel.

Industry 4.0 comes with the promise of great benefits and transforming towards a Smart Factory is on the agenda for many organizations. The issue is that there is a lack of knowledge about how to make a successful transformation. The purpose of this research is to develop a framework for how a final assembly plant within the heavy automotive industry should structure a plan in order to accelerate the shift towards a Smart Factory in the context of Industry 4.0. To fulfill the purpose of the research, a case study has been performed. A maturity model has been used to assess the current state of the company and perceived importance of Industry 4.0 capabilities. This has been combined with an importance assessment from experts in the area, as well as literature regarding the subjects of Industry 4.0, Smart Factory and challenges with the transition. Theoretical frameworks have then been used to analyze how to structure a plan for the transition, based on the empirical findings and previous research. The transition towards a Smart Factory should incorporate strategic, organization and technical dimensions. A multilayered roadmap should be utilized as it enables for visualizing simultaneous activities and interconnections between dimensions. As external factors are necessary to be included, triggers points should be visualized as it enables checkpoints to be used. The case company importance weightings and challenges found in literature should mainly guide in the prioritization of needed capabilities. The assessed maturity should guide in choosing the Industry 4.0 capabilities which could reap the most benefits. The use of a vision and current state should guide in how to create activities with the purpose to support the chosen Industry 4.0 capabilities. The value of this research is the combination of maturity assessment with roadmap strategy, enabling for concrete actions to be formulated. Thusly, of value to companies that want to accelerate their transition towards a Smart Factory. The contribution of this research is a foundation for the creation of a tailored roadmap framework towards a Smart Factory. / Industri 4.0 kommer med många fördelar och att transformera mot en smart fabrik är på agendan för många organisationer. Problemet är att det är en brist på kunskap om hur man ska åstadkomma en lyckad transformation. Syftet med studien är att utveckla ett ramverk för hur en slutmonteringsfabrik inom lastbilsindustrin ska strukturera en plan för att accelerera skiftet mot en smart fabrik inom konceptet Industri 4.0. För att uppfylla syftet med studien så har en fallstudie genomförts varav en mognadsmodell har använts för att utvärdera mognadsgraden hos ett företag. Utöver det så har företaget viktat möjliggörare inom Industri 4.0 utifrån hur viktiga dessa anses att vara för en transformation mot en smart fabrik. Empiri har tillsammans med experters viktning och tidigare forskning inom området använts för att analysera hur ett företag ska strukturera en plan för att skifta mot en smart fabrik. En transformation mot en smart fabrik bör ta dimensionerna strategi, organisation och teknik i beaktande när en plan struktureras. Dessa dimensioner bör bilda tre lager i planen eftersom det tillåter aktiviteter att genomföras samtidigt och att det tillåter visualisering av sambanden mellan aktiviteter. Externa faktorer är nödvändiga att inkludera i planen och bör visualiseras genom triggerpunkter. Företagets viktning av möjliggörare inom Industri 4.0 tillsammans med hur väl dessa möjliggör anknyter till de vanligaste utmaningarna i ett skifte mot en smart fabrik bör huvudsakligen styra hur möjliggörarna skall prioriteras emellan varandra. Fortsättningsvis ska den utvärderade mognaden styra mot de möjliggörare som kan skörda de största fördelarna. För att skapa aktiviteter med syftet av öka mognaden av de utvalda möjliggörarna bör en vision ställas mot nuläget, för att vägleda vilka aktiviteter som är lämpliga. Värdet av den här studien är hur kombinationen av en mognadsmodell tillsammans med teoretiska ramverk möjliggör för företag att formulera en konkret plan för att accelerera skiftet mot en smart fabrik. Studien bidrar av den anledningen med en grund och ett ramverk för företag att skapa en skräddarsydd plan med syftet att accelerera skiftet mot en smart fabrik.

Industri 4.0, den fjärde industriella revolutionen, kommer att förändra industriell tillverkning. Ofta diskuteras fördelar och stora företag som är en drivande kraft i industrin; men i denna rapport undersöks utmaningarna som små och medelstora företag ställs mot vid införandet av smart teknik. Dessa företag representerar över 90% av svensk industri och är extremt viktiga för ekonomin vilket är anledningen till varför dessa valdes att undersöka. Rapporten består av ett teoriavsnitt och en empirisk studie. Teorin har tillhandahållits från ett flertal tekniska publikationer och sammanfattningar av tekniska konvent. Empirin är baserad på två intervjuer genomförts och en artikel. En intervju med en civilingenjör och chef vid ett mindre tillverkande företag som producerar belysning. Den andra med en expert inom området för införandet av smart teknik inom SMF, engagerad i olika projekt för detta ändamål och arbetserfarenhet inom ABB Robotics. Artikeln är en stor empirisk studie med flertal chefer inom tillverkningsindustrin. Resultatet är att för Industri 4.0 krävs det att resurser i form av kompetens, ekonomi och maskiner finns. Att produktionsprocessen är standardiserad, det ska finnas tjänster som hjälper företag att införa och utveckla smart teknik och att det finns en hög IT-säkerhet. I dagsläget är det en extrem brist på kunskap och kompetens hos SMF gällande smart teknik och industri 4.0. Intresset för det är vagt om ens existerande. Produktionsprocesserna är intestandardiserade. Slutsatsen är att utmaningarna är bristen på kompetens, processerna inte är standardiserade, och att det är svårt att kunna integrera den teknik som finns med de maskiner som finns. Dessa problem är svåra att undvika men lätta att ta sig förbi. Hjälp med kompetens  finns ochautomatiserade robotar för en produktionsprocess som inte är standardiserade är på marknaden. Det viktigaste är att företagen i största möjliga mån har en vilja att utvecklas. / Industry 4.0, the fourth industrial revolution, will change industrial production as we know it. Too often are the pros along with big companies who are a driving force of this revolution discussed; however, in this report the challenges small and medium sized enterprises face when implementing smart technology will be scrutinized. These companies represent over 90% of the Swedish industry and are extremely important for the economy, which is why this was chosen to be examined. The report is based on one theory chapter and one empirical study. The theory has been obtained from several technical publishes and summaries of technical conventions. The empirical study is based on two interviews and one article. One interview with a boss in a smaller industrial company, that focuses on lightning, who has a Master’s of Science in Engineering. The other interview was conducted with an expert in the area for implementing smart technology in SME, engaged in different projects for this purpose and work experience within ABB Robotics. The article is a large empirical study with multiple managers within manufacturing companies. The result is that for Industry 4.0 it is necessary that resources in the shape of competence, economy and machinery exists. That the manufacturing process in standardised, there must be services that helps companies to implement and develop smart technology, and that  there is high IT-security in place. Today there is an extreme lack in knowledge and competence at SME concerning smart technology and Industry 4.0. The interest in the subject is weak if even existing. The manufacturing processes are not standardised. The conclusion is that the challenges are the lack of competence, the processes are not standardised, and that it's hard to integrate he technology with the existing machines. These problems are hard to avoid but easy to overcome. Assistance with competence are available and automated robots are on the market. The most important aspect is that the companies have, in the greatest extent possible, a will to evolve.

Many industries are moving to adapt to the competitive market and customer requirements to increase productivity, flexibility of their production systems, and achieve optimal improvement. This made the simulation attract attention by enabling its users to test several scenarios with different options and concepts before applying them on the ground. The purpose of this thesis is to test the role of simulation in making decisions about the optimal layout design within the available cost and to present a concept for simulating the production system after redesigning the smart factory, which includes the number of machines, tiles and movers as an assumption and the demand for products with a variable dynamic flow. The simulation model addresses the concept of the production process by implementing modern technologies with their effective characteristics to ensure a smooth flow of products between all the machines that present as components of the smart factory. The developed optimal model includes the components of the smart factory in addition to all the requirements that must be considered to ensure increased flexibility and efficiency of the production system. In addition, the optimal design with the lowest cost and the concept of the production process were presented through the results obtained regarding productivity and performance. This thesis presents the challenges might be arise when employing the simulation as a tool to redesign and suggestions mechanisms to reduce them in the discussion chapter. The design model presented in this thesis serves as a connecting point for continuing future initiatives and developing the production concept.

Dans le contexte actuel, la transformation de l’outil industriel par l’intermédiaire de nouveaux paradigmes de performance tels qu’Usine du Futur (Factory of the Future FoF), Industry 4.0 (I4.0) ou encore Smart Factory (SF) est au cœur des préoccupations actuelles des industriels. Les travaux présentés dans cette thèse portent sur la problématique de passage d’une situation spécifique existante (AS-IS) vers une situation cible type Usine du Futur (TO-BE) en prenant en compte la situation souhaitée AS-WISHED et les contraintes de ressources. Dans ce cadre, la principale contribution porte sur une approche reposant sur un modèle de co-évolution permettant de guider ce projet de transition au sein de l’organisation. Sur la base des travaux de Tolio et al. (2010), nous avons proposé un modèle de co-évolution amélioré en intégrant le niveau stratégique, le rôle du système d’information (SI) et celui de la place l’homme. Sur le plan théorique, le nouveau modèle de co-evolution aborde 3 domaines Produit/Production/SI qui sont structurés en deux niveaux d’analyse : externe (stratégique) et interne (structurel). L’ensemble de 6 sous-domaines comportent chacun 3 composants couvrant les choix relatifs à chaque sous-domaine et niveau d’analyse. Sur le plan managérial, la gestion de la co-évolution réside dans la modélisation des ces composants. Ensuite, nous caractérisons des liens de co-évolution existants entre les différents sous-domaines du modèle de co-évolution proposé. La démarche d’exploitation du modèle de co-évolution comporte trois étapes et considère les contraintes opérationnelles et les contraintes dites de co-évolution liées à la gestion des liens ou impacts entrant en jeu dans la co-évolution. Il permet de passer progressivement des modèles AS-IS et AS-WISHED pour aboutir à un modèle TO-BE. / Within the current context, the transformation of industries through new paradigms of performance such as The Factory of the Future (FoF), Industry 4.0 (I 4.0) or even The Smart Factory (SF) is at the heart of the industrials’ current concerns. The present work address the problem of the transition from a specific situation (AS-IS) to a target situation alike FoF (TO-BE) considering the desired situation AS-WISHED and the resources constraints. In this line of action, the main contribution concerns an approach based on a co-evolution model enabling to guide manufacturing industries to perform such a transition. Based on the work of Tolio et al. (2010), we propose an enhanced co-evolution model that integrates the strategic level of decisions, the information system role (IS) and the role of the human workforce. From the theoretical perspective, this new model consists in 3 domains: Product design/ Manufacturing/ IS which are structured into two levels of analysis: external (strategic) and internal (operational). The resulting structure of 6 sub-domains is in turn composed of 3 components covering the decisions related to each sub-domain and level of analysis. From the management perspective, the management of co-evolution relies on the modelling of their components. Hence, we exploit the modelling language constructs of the ISO 19440 (2007) standard for the internal components. Then, we characterize the existing co-evolution links between the different sub-domains of the proposed co-evolution model. At last, a 3 phase approach enabling to exploit the enhanced co-evolution model is proposed. It considers the feasibility constraints and the co-evolution constraints linked to the management of the links or impacts that came into play in the co-evolution. As such, it enables to work out progressively a feasible TO-BE model.

Industrie 4.0 und aktuelle Entwicklungen in dem Bereich der produzierenden Unternehmen erfordern hohe Anpassungsleistungen von Menschen und von Maschinen gleichermaßen. In Smart Factories werden Produktionsmitarbeiter zu Wissensarbeitern. Dazu bedarf es neben neuen, intelligenten, technischen Lösungen auch neuer Ansätze für Arbeitsorganisation, Trainings- und Qualifizierungskonzepte, die mit adaptierbaren technischen Systemen flexibel zusammenarbeiten. Das durch die EU geförderte Projekt Factory2Fit entwickelt Lösungen für die Mensch-Technik-Interaktion in automatisierten Produktionssystemen, welche eine hohe Anpassungsfähigkeit an die Fähigkeiten, Kompetenzen und Präferenzen der individuellen Mitarbeiter bieten und damit gleichzeitig den Herausforderungen einer höchst kundenindividuellen Produktion gewachsen sind. Im vorliegenden Beitrag werden die grundlegenden Ziele und Ideen des Projektes vorgestellt sowie die Ansätze des Quantified-self im Arbeitskontext, die adaptive Automatisierung inklusive der verschiedenen Level der Automation sowie die spezifische Anwendung des partizipatorischen Designs näher beleuchtet. In den nächsten Arbeitsschritten innerhalb des Projektes gilt es nun, diese Konzepte um- und einzusetzen sowie zu validieren. Die interdisziplinäre Arbeitsweise sowie der enge Kontakt zwischen Wissenschafts-, Entwicklungs- und Anwendungspartnern sollten dazu beitragen, den Herausforderungen bei der Realisierung erfolgreich zu begegnen und zukunftsträchtige Smart Factory-Lösungen zu implementieren. Das Projekt Factory2Fit wird im Rahmen von Horizon 2020, dem EU Rahmenprogramm für Forschung und Innovation (H2020/2014-2020), mit dem Förderkennzeichen 723277 gefördert.

The manufacturing industry is shifting, entering a new era with smart and connected devices. The fourth industrial revolution (Industry 4.0) is promising increased growth and productivity by the Smart Factory and within the enabling technologies is Augmented Reality (AR). This is a technology that can be used to augment the reality with digital information. At the same time as the technology is introduced, errors in manufacturing are a problem which are affecting the productivity and the quality. The errors can be caused by humans and companies strive to eliminate the errors caused by humans. This research aims to find the main causes of human errors in assembly lines and thereafter explores whether AR is an appropriate tool to be used in order to address those issues. Based on a literature review that identified and characterized a preliminary set of root causes for human errors in assembly lines, these causes were empirically studied in an exercise that covered an in-depth case study at a multinational automotive company. Data in form of interviews and deviation reports have been used to identify the causing factors and the result showed that the main causes of human errors are the amount of thinking, deciding and searching for information which affected the cognitive load of the operator and in result their performance. Several interviews with experts in AR allowed to verify if this technology would be feasible to solve or mitigate the found causes. Besides that, in repetitive manual assembly operations, AR is better used showing the process in order to train new operators, at the same time as for experienced operators AR show information only when an error occurs and when there is a need of taking an active choice is more appropriate. Nevertheless, while theoretically able to managing human error when fully developed, the desired application makes the augmentation of visual objects redundant and increasingly complex for solving the identified causes of errors which questions the appropriateness of using AR systems. However, the empirical findings showed that for managing human errors, the main bottleneck of an AR system is the software and AI. / Den tillverkande industrin skiftar och går in i en ny era där smart och uppkopplad teknologi introduceras i de operativa delarna av tillverkningen. Denna fjärde industriella revolution (Industry 4.0) som den även kallas för med smarta fabriker, utlovar ökad produktivitet och tillväxt. Bland de teknologier som representeras i detta nya landskap återfinns Augmented Reality (AR), vilket är en teknik som används för att förstärka verkligheten med digital information. I samband med att denna nya teknik introduceras, är avvikelser i produktion ett problem som påverkar företags produktivitet och kvalitet. Den mänskliga faktorn är en bidragande del till detta problem och företag strävar efter att eliminera felen orsakade av människor. Denna studie syftar till att hitta orsakerna till att människor orsakar fel i produktion och därefter utforska om AR är ett lämpligt verktyg att använda för att råda bot på dessa orsaker och därmed eliminera felen. Genom en litteraturstudie har det identifierats ett antal faktorer som påverkar den mentala belastningen hos människor i produktionssammanhang. Dessa faktorer har därefter undersökts genom en fallstudie hos en multinationell tillverkare av kommersiella fordon. Datainsamling i form av intervjuer och avvikelsedata har använts för att identifiera de påverkande faktorerna och resultaten pekade på att behovet av att behöva tänka, leta efter information och fatta beslut påverkade den mentala belastningen mest. Intervjuer hölls med forskare och montörer för att definiera en lämplig AR funktion som sedan undersöktes genom flera intervjuer med forskare inom AR för att verifiera om AR är en lämplig teknik att använda för de identifierade orsakerna. I termer av AR i en arbetsmiljö med repetitiva aktiviteter efterfrågas en funktion som visualiserar fel för montörer som är erfarna medan det för oerfarna montörer är bättre med visualisering av hela arbetsprocessen. Men, trots att systemet i teorin är lämpligt att använda för att hantera orsakerna till att felen uppstår så är den efterfrågade funktionen överflödig då visualisering kommer visas väldigt sällan samt att tekniken är väldigt komplex. Detta gör att det går att ifrågasätta hela funktionen av att använda AR system i det fall som studerades. Dessutom visade sig tekniken vara olämplig att använda i den miljö fallet utspelar sig i på grund av svårigheter med artificiell intelligens (AI).

The project has explored the topic Smart factory with main focus on the future production staff. The project aims to investigate how the production staff is affected by Volvo Cars Skövde Engine Plant (SkEP) becoming a Smart factory, in the era of Industry 4.0. The definition of the Smart factory is a demand of Mobile- and wireless technologies, Human-oriented, pursue a Flexible production with Sustainable manufacturing, as well as utilization of CPS (Cyber-Physical Systems), IoT (Internet-of-Things) and Cloud storage. The current situation and the future five to twenty years were examined in order to define the future production staff. This by conducting an observational study and several interviews. The studies’ results were that SkEP cannot be regarded as smart since several demands are inadequate by definition. Five years are considered too short of a time for the plant to fulfill the demands. However, according to the interviews and literature, SkEP are expected to become smart in twenty years after time refinement of existing technologies and implementation of new ones. The authors estimate Leadership, Information, IT and Production lay-out to be the areas that require the most effort. The future production staff are expected to be flexible with workplace, working hours and able to manage multiple variants. They should be included in self-supporting teams where every individual possesses an expertise, are motivated and participating. Production staff should perform complex, varied jobs with more responsibility by endorsement of decision support systems. The staffs’ competence should consist of technical education, high basic and lay-out knowledge and the ability to contribute to the collection of information and analyses. Interaction with technology is expected to expand and the personnel must therefore have a well-established comprehension of technology. The concept Smart factory is extensive and relatively new, which means that it is constantly evolving. Thus it is important for SkEP to be updated and adjust to the impact from the outside world.