Det blir viktigare för företag att tillämpa lyckade implementeringar på arbetsplatser. Detta för att kunna matcha den ökande standarden som företag ställs inför. Företaget pressas därför från flera olika fronter. Teknologier kan därför implementeras som en del av industri 4.0. Detta för att skapa ökad kommunikation, säkrare arbetsplatser och en bättre arbetsmiljö för den anställde med högre kompetens. Detta samtidigt som det ska vara gynnsamt ekonomiskt. För att behålla sig plats på marknaden krävs därför utveckling. Implementeringar på arbetsplatsen är en typ av utveckling. Implementeringar kräver dock struktur och planering för att uppnå ett lyckat resultat. Frågeställningen blir därmed hur implementeringen av de nya teknologierna påverkar människorna i företaget. Detta då förändringar som sker drastiskt på arbetsplatsen påverka säkerheten för den anställde då struktur och kunskap kan saknas. Företag behöver därför arbeta parallellt och med samspel av andra teknologier för att inte utsätta den anställde för risker. Det finns ett flertal teknologier att tillämpa vid implementering av industri 4.0 som påverkar den anställde. Dessa teknologier påverkar olika aspekter även sammanhängande och bör därför implementeras med samspel. Att skapa fördelar på arbetsplatsen med hjälp av teknologierna som förbättrad kommunikation ger den anställde möjlighet till att kunna ta del av teknologins fördelar vid implementering. Genom studien har slutsatsen dragits att dessa fem aspekter kommunikation, arbetsmiljö, säkerhet, ekonomi, utbildning/kompetens är de viktigaste påverkande på den anställde vid implementering av industri 4.0. Syftet med detta examensarbete är att studera teknologier inom industri 4.0 för att finna dess påverkan på den anställde vid implementering. För att besvara frågeställningen har studien använt sig av sekundärdata som innefattar vetenskapliga artiklar och böcker. Teorierna är analyserade och avgränsades under arbetets gång för att presentera en slutsats på frågeställning.

The industrial company Scania CV AB is a world leader in the manufacturing of commercial vehicles. They offer a modular systems that include heavy trucks and buses that can be configured to a range of different needs. However, this adaptability leads to a problem where each order can have a large variance of assemblers that are re-quired during the manufacturing process. In other words, variant assemblers have a workflow that can shift from high workload to low workload and vice versa in a short period of time. To solve this problem a prototype will be developed. This prototype will be used to check if it’s possible to optimize the work schedule for variant assem-blers with the help of predictive simulations. The result of the study became an implementation in form of a prototype. This prototype is built up in two layers; a data layer and a simulation layer. The data layer provides the simulation layer with two different datasets. The first dataset is based on historical data and is derived from Scania’s production in Zwolle. The second dataset is based on synthetic data which is formed with a high utilization rate in order to mimic a better production situation with less product variants to assemble. The simulation layer consists of a DES-model that is modelled after a station in the final assembly of Zwolle. After a simulation has been executed, this layer generates a simulation result in form of a graph that presents the utilization rate for a group of variant assemblers. This will happened for each dataset in the data layer, in this case two times. The simulation result that got produced shows that it’s possible to create a simulation with predictive characteristics. A long term solution for Scania’s problem statement requires more research within the possibility of combining different technologies such as DES with predictive methods such as ML and GAs. / Industriföretaget Scania CV AB är världsledande inom tillverkning av kommersiella fordon. De tillhandahåller ett modulärt system som inkluderar tunga lastbilar och bussar som kan konfigureras till en rad olika behov. Den här anpassningsförmågan leder dock till ett problem där varje order som tillverkas kan ha en stor varians av hur många montörer som krävs under produktion. I andra ord så har variantmontö-rer ett arbetsflöde som kan skifta från hög arbetsbelastning till låg arbetsbelastning och vice versa under en kort period. För att lösa dessa typer av problem så ska en prototyp med prediktiva egenskaper så som Diskrete Event Simulering (DES). Denna prototyp ska undersöka om det är möjlighet att optimera arbetsscheman för variantmontörer med hjälpa av prediktiva simuleringar. Resultatet av studien blev en implementation i form av en prototyp. Denna prototyp är uppbyggd i två lager; ett datalager samt ett simuleringslager. Datalagret tillhandahåller simuleringslagret med två dataset. Det första datasetet är baserad på historisk data och är härledd från Scania’s produktion i Zwolle. Det andra datasetet är baserat på syntetisk data som är framtagen med en högre utnyttjandegrad för att efterlikna ett bättre produktionssitation med färre produkt varianter att montera. Simuleringslagret består av en DES-model som är modulerad efter en station i slutmontering i Zwolle. Efter att en simulering har exekverats så genererar detta lager ett simuleringsresultat i form av en graf som presenterar utnyttjandegraden för en grupp med variant montörer. Detta sker för varje dataset i datalagret, i detta fall två gånger. Simuleringsresultatet som togs fram visar att det är möjligt att ha skapa simuleringar med prediktiva egenskaper. En långsiktig lösning för Scania’s problem-beskrivningen kräver mer forskning inom möjligheten att kombinera tekniker som DES med prediktiva metoder som ML och GAs.

Den moderna industrin har under senare år präglats av nya utvecklingar i teknikens värld, samt ett alltmer ökande behov av att effektivisera existerande processer och vara i framkant med innovationen av nya. Industri 4.0 är kulmen av detta samhällsbehov, en syn på industrin som till huvudsak drivs av cyberfysiska system, en integration av det fysiska med det virtuella i form av trådlösa uppkopplingar och molnteknologier. Internet of Things, även känd som IoT, är uppkopplingen av fysiska produkter till molnet som möjliggör datautvinning och övervakning under och efter produktionen i realtid. IoT förekommer i skiftande sammanhang och har tillämpats i varierande utsträckning inom olika branscher där det visat sig vara effektivt när det gäller inverkan på resursutnyttjandet. Inom handelsbranschen resulterade en IoT tillämpning på försörjningskedjan till en ökad kundkontakt och en förbättrad samarbetsrelation. Detta som en följd av reell-tids analyser av både behov, brister i försörjningskedjan och efterfrågan. Den har även en plats i moderna matbutiker som Electronic Shelf Labels (ESL). Detta tas reda på med hjälp av sökningar i journaler, konferensrapporter och ett teori baserad studium av tidigare tillämpningar. Målet med studien är att se hur tidigare anmärkningar förhåller sig till fordonsbranschen. Fordonsbranschen är i framkant vad gäller tillämpningar av industri 4.0 och IoT. Tillverkaren Scania är i begynnelsefasen av en eventuell storskalig övergång, och redan har tillämpningen fört med sig förbättringar. Dock återstår det mycket som måste uppklaras, bland annat sekretess angelägenheter och en omfattande kompetens kring ämnet. / In recent years, the modern industry has been characterized by new developments in the technological world. There is an ever-increasing need to streamline existing processes and a need to be at the forefront for the innovation of new ones. Industry 4.0 is the culmination of this need, a form of industry that is mainly driven by cyberphysical systems, an integration of the physical with the virtual in the form of wireless connections and cloud technologies. The Internet of Things, also known as IoT, is the connection of physical products to the cloud that enables data recovery and monitoring during and after production, in real-time. IoT exists in various contexts and has been applied to varying degrees in different industries, and has proven to be effective in terms of impacting resource efficiency. In the trading industry, an IoT application to the supply chain resulted in increased customer contact and an improved cooperative relationship. This is a result of real-time analysis of both needs, supply chain shortages and demand. It also has a place in modern grocery stores such as Electronic Shelf Labels (ESL). The information was sought after in online journals, conference reports and past applications. The goal of the study is to establish a relation between these past applications and the automotive industry, to find out how they compare. The automotive industry is at the forefront in terms of applications of Industry 4.0 and IoT. The manufacturer Scania is in the beginning phase of a possible large-scale transition, and the application has already brought improvements. However, much remains to be resolved, including confidentiality issues and extensive expertise on the subject.

The first industrial revolution moved from farming to factory through the development ofthe steam engine. The Second arose through the innovation of electricity and the thirdindustrial revolution moved from analogue technology to digital technology. The latestindustry trend is called industry 4.0, whose vision is to create automated factories. Industry4.0 refers to create smart factories, where physical objects may communicate with eachother to solve different kind of problems. This new technology entails different changes forcompanies, there among other things; the role of human beings will be affected in one oranother way.This thesis has examined an industrial company, which strives to develop their businesstowards industry 4.0. The purpose of the study was to review an ongoing implementationof IoT, focusing on understanding different actors' perspectives on the emerging technology.On this basis several of possibilities and difficulties were identified, which companies needto consider in the future when developing towards industry 4.0.The result of the study describes the difference between different actors' perspectives, whichin the future will have to be discussed in order to find a balance in the IoT-environment. Byexamining an ongoing implementation of IoT, a checklist consisting of key componentswere identified. This checklist may be useful for companies with / Den första industriella revolutionen uppkom vid ångmaskinens framgång, den andra genomelektricitet och den tredje utvecklades med hjälp av IT. Den senaste trenden inom industrinkallas Industri 4.0, vars vision syftar till att skapa automatiserade fabriker. Den nya teknikenkommer inte att utvecklas över en natt och det finns ett flertal faktorer vilka behöverundersökas för att lyckas ta stegen mot visionen. Industri 4.0 medför olika förändringar förföretagen där bland annat människans roll inom verksamheten kommer att påverkas.Studien har genomförts mot ett medelstort industriföretag, vilket strävar efter att utvecklasin verksamhet mot industri 4.0. Författarna har tidigare samarbetat med industriföretagetoch konsultbyrån. Tillsammans utvecklar de en plattform mot Internet of Things (IoT) föratt ta första steget mot en uppkopplad verksamhet. Syftet med studien var att granska enpågående implementering av IoT med fokus på att förstå olika aktörers perspektiv på denframväxande tekniken. Med den utgångspunkten identifierades olika möjligheter ochproblem företagen kommer att behöva ta hänsyn till.Studiens resultat belyser skillnaden mellan olika aktörers perspektiv vilket i framtidenkommer att behöva diskuteras för att hitta en balans. Eftersom studien granskade enpågående implementering identifierades dessutom ett arbetssätt bestående av viktigakomponenter för företag med visionen att börja utveckla sin verksamhet mot industri 4.0visionen.

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.

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.

Industri 4.0 har medfört stora förändringar och med denna våg av förändringar har artificiell intelligens tillkommit. AI är inget nytt och har forskats på utvecklats sedan den första datorn uppfanns. Tanken var då enligt Alan Turing fadern av datalogi att om en maskin inte kan särskiljas från en människa då är det en AI. Sedan dess har vi sett flera AI modeller slå människan i olika fält och sett AI teknologiers förmåga. Att AI ska implementeras inom den mest innovativa branschen var inte långtsökt. Industriell AI är till skillnad från vanliga AI modeller en kontrollerad process som hittills tillämpats inom begränsade områden. Eftersom standardisering och systematisk tillvägagångsätt kan likställas som synonymer till industriella verksamheter. Är det ingen skillnad på processer inom fabriker, och AI teknologier måste anpassas efter dessa processer. Det har under det senaste decenniet globalt investerats i innovation inom industrier. Länder världen över vill att deras industrier med Industri 4.0 hamnar i framkanten. Där Tyskland introducerade Industri 4.0, USA Smart Manufacturing Leadership Coalition, Kina deras plan kallad China 2025 och EU tillkännagett Factories for the future. Som en konsekvens av dessa enorma satsningar har denna studie som mål att se hur AI kan hjälpa tillverkande företag öka resurseffektiviteten inom produktionsplanering. Eftersom forskningsområdet är relativt nytt kommer studien basera resultaten på fallstudier där ABB och Scania intervjuas. Dock behöver detta område mer forskning. / The global introduction of Industry 4.0 has brought with it changes within industry. The indirect consequence of Industry 4.0 being artificial intelligence. The idea of AI is as old as the invention of computers with Alan Turing the father of computer science stating the first description of AI. His thought was that if a machine could be mistaken for a human then the machine was intelligent. The thought being that machine never could outperform humans back then. Now in modern times we have witnessed great feats made by intelligent algorithms where they outperform humans in various fields. For AI to be implemented in industry the most innovative buisness it has to adapt to the workings of indutrial processes. Systematic approach and standardization being two values that strongly represents industries. During the last decade global initiative and investment in innovation of industry. Has led to global competitors such as Germany creating Industry 4.0, The United States creating Smart Manufacturing Leadership Coalition, China introducing their plan called China 2025 and EU with Factories for the future. This paper is a reaction of these enormous investments made into Industry 4.0. The objective of this paper is to examine how AI can help manufacturing enterprises increase their resource efficiency within production planning. Since this field of science stillbeing in its infancy this paper will base its result on interviews made with companies as ABB and Scania. However this field needs more work.

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.