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.

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.

The industry is facing major challenges today. The challenges are tougher global competition, customers who require individualized products and shorter product lifecycles. The predicted industrial revolution is a way to deal with these challenges. Industry 4.0 includes strategies linked to several technologies that will meet the new needs. Smart factory is a central concept in industry 4.0, which involves connected technologies of various kinds. Such as digital manufacturing technology, network communication technology, computer technology, automation technology and several other areas. In this work, these were defined as smart factory technologies. Implementing such technologies will result in improved flexibility, resource productivity and efficiency, quality, etc. But, implementing smart factory technologies poses major challenges for the companies. Laboratory environments can be utilized to address the challenges. This results in a new problem, how to transfer a smart factory technology developed in a laboratory environment to a full-scale production system. In the literature study no, structured approach was identified to handle this challenge. Therefore, the purpose of this work was to: create a work process that supports the technology transfer from a smart factory compliant laboratory environment to a full-scale production system. To justify the purpose, the following research questions were answered: RQ1: What are the differences in the operating environment between the laboratory and the full-scale production system? RQ2: How is a smart factory technology determined ready to be implemented into a full-scale production system? RQ3: What critical factors should a work process for the implementation of smart factory technologies include? The research questions were answered by conducting a multiple-case study in collaboration with Scania CV AB. During the case studies, interviews, observations and other relevant types of data collection were conducted. The results were as follows: RQ1: How difficult it is to transfer a technology from a laboratory environment to a full-scale production system depends on how large the differences between these are. The general difference is that laboratory environments are used to experiment and develop technologies and a full-scale production system is used to produce products. Some want the laboratory environment to be an exact copy of a full-scale production system, but this is not appropriate because it means you lose the freedom of experimentation and it would be much more expensive. RQ2: Determining whether a smart factory technology is ready consists of two parts, laboratory activities and pilot testing. A structured assessment method has been developed. The laboratory operations reduce the risks and contribute to raising the degree of maturity of the technology. In pilot testing, it is important not to interfere with the full-scale production system stability. This is the reason for doing pilot testing in a delimited area first and checking that the technology works as desired. RQ3: The critical factors identified were: competence and knowledge, technology contributing to improvements, considering risks with implementation, cost versus potential improvement, clear goals and reason for implementation and communication.

The manufacturing industry is competitive and is constantly striving to improve OEE. In the transition to smart production, digital technologies such as IIoT are highlighted as important. IIoT platforms enable real-time monitoring. In this sense, digital technologies such as IIoT are expected to improve OEE by enabling the analysis of real-time data and production availability.  A qualitative study with an abductive approach has been conducted. The empirical material has been collected through a case study of a heavy-duty vehicle industry and the theoretical framework is based on a literature study. Lastly, a thematic analysis has been used for the derivation of appropriate themes for analysis. The study concluded that challenges and enablers related to the implementation of IIoT to improve OEE can be divided into technical and cultural factors. Technical challenges and enablers mainly consider the achievement of interoperability, compatibility, and cyber security, while cultural factors revolve around digital acceptance, competence, encouragement of digital curiosity, and creating knowledge and understanding towards OEE. Lastly, conclusions can be drawn that implementation of IIoT has a positive effect on OEE since it ensures consistent and accurate data, which lies a solid foundation for production decisions. Also, digitalization of production enhances lean practices which are considered a key element for improving OEE.

Detta arbete har utforskat interaktionen mellan människa och automation inom det avhjälpande underhållet på två tillverkande företag. Arbetets syfte är bidra till att människor och automationsutrustningar framgångsrikt kan samarbeta i framtidens fabriker. Studien har undersökt hur interaktionen ser ut i dagsläget, var det idag saknas interaktion, hur interaktionen kan komma att se ut i framtiden samt vilka krav som behöver uppnås för att komma dit. Studien har också haft ett fokus på hållbar utveckling och hur interaktionen kan påverka denna. Projektets resultat är framtaget genom att utföra två deltagande observationer, en på vartdera företaget samt fyra semistrukturerade intervjuer per företag. I dagsläget sker mycket kommunikation genom telefon för att påkalla uppmärksamhet hos personal med information om larm och plats. Felsökning sker genom en panel vid maskinen alternativt via dator som kopplas upp mot maskinen vid djupare felsökning. Det finns i dagsläget även teknik såsom kommunikationsradio, tangentbord och mus som undviks att användas i största möjliga mån eftersom de anses vara svåra att manövrera. Resultaten visar att det finns ett behov av att få mer information i underhållets alla faser och att tekniken som används behöver vara mer mobil än i dagsläget. Författarna ger förslag på att handhållna enheter kan användas i framtidens underhåll och att röstigenkänning, Virtual Reality och Augmented Reality kan användas i dessa. Även smarta klockor rekommenderas att användas för att påkalla uppmärksamhet hos personal och samtidigt ge information om larm. Det finns en förhoppning om att mer information och mer mobil teknik kan effektivisera underhållet och därmed minska tiden för att utföra ett avhjälpande underhåll. Författarna rekommenderar starkt att all teknik som är tänkt att bli implementerad först testas i en realistisk miljö av de personer som ska använda tekniken. / The project has explored the interaction between humans and automation within the remedial maintenance on two manufacturing companies. The purpose of the project is to contribute to the interaction between humans and automation and by that make it successful in the future. The study has investigated how the present interaction is designed, where there is a need for interaction, how the interaction can be designed in the future together with the requirements that will need to be achieved to get there. In this study there is also a focus on sustainable development and how the interaction affects it. The result of the project is produced by performing two attendance observations, one at each company and four semi-structured interviews at each company. Today a lot of communication is done by phone to get the attention of personnel and summon them to the machine that has stopped. The troubleshooting of the machine is done in a panel or with a computer if deeper troubleshooting is needed. The computer needs to be connected to the machine. Today there are some technics that are present but these are not used due to the fact that they are perceived tedious to use. These technics are communication radio, mouse and keyboard. The result of the study indicates that there is a need for more information in all the phases of a remedial maintenance work. It also shows that the technics needs to be more mobile compared to how it is today. The authors recommends that handheld devices are used in the future and that softwares such as voice recognition, Virtual Reality and Augmented Reality are used within the handheld devices. Smartwatches are also interesting in an attention point of view where alarm messages can be shown. There is a belief that with more information and more mobility the maintenance will be more effective in the future and that the time for remedial maintenance will reduce. The authors strongly recommend that all technics that will be implemented need to first be tested in a realistic environment and by the people that should use it.