Järnvägen har möjliggjort boende och arbete på olika orter, genom tågpendling, samt intresset för godstransporter på järnvägen ökar. För att upprätthålla en god status på järnvägen behövs mycket pengar, samtidigt som dess tillgänglighet påverkar många människor. Detta gör det än mer angeläget med en robust järnvägsanläggning, med hög tillgänglighet samt en god punktlighet för både person- och godståg. Ett bättre planerat underhåll möjliggör en längre användbar livstid för samtliga komponenter i järnvägsanläggningen. Som anläggningsdel förorsakar spårväxlar den högsta kostnaden i en banöverbyggnad, med korsningar som ett av de mest frekventa komponentbytena. Idag är den användbara livstiden på fasta mangankorsningar för låg, ca 100 MBrt, då den förväntas vara mellan 100–500 MBrt. Detta ligger till grund för arbetet där syftet är att undersöka hur det förbyggande underhållet av fasta korsningar i spårväxlar bättre kan planeras, utföras och följas upp för att förlänga dess användbara livstid. Vidare är målet med examensarbetet att genom en nulägesanalys, som innefattar dagens erfarenheter, förslag till förbättrade arbetsmetoder och morgondagens informationsinhämtning, fastställa vilken information som kommer att krävas för att på ett bättre sätt planera underhållet, samt att fastställa vilka underhållsåtgärder som är nödvändiga för det förebyggande underhållet av fasta korsningar i spårväxlar. Baserat på detta utformas en underhållsplan med tillhörande LCC för fasta korsningar i spårväxlar. Vidare ska samtliga underhållsåtgärder i underhållsplanen vara planeringsbara minst 3 månader i förväg, och det är önskvärt att underhållsplanen ska sträcka sig 36 månader framåt. Initialt utförs en nulägesanalys och arbetet fortsätter med förslag på förbättrade arbetsmetoder. Båda i avseende hur och när underhåll utförs på fasta mangankorsningar idag ute i anläggningen. Avslutningsvis presenteras en underhållsplan med intervall samt de resurser som krävs för de underhållsåtgärder som ska utföras. Dessa åtgärder är byte av korsning, inslipning, slipning, påsvets, spårriktning/stoppning, shimsning av moträl, byte av korkgummi samt ballastrening. Tillhörande till underhållsplanen utformas en kalkyl för livscykelkostnad, LCC, där arbete efter nuläge samt arbete efter underhållsplan jämförs. Resultatet från arbetet visar att samtliga entreprenörer anser att brist på tid i spår är en starkt bidragande faktor till att fasta korsningar byts. Detta tillsammans med att rätt förebyggande underhållsåtgärder som inslipning och förebyggande slipning för att upprätthålla profil, samt kontroll av spårläge och åtgärd vid behov inte görs. Vidare utför entreprenören ingen uppföljning av utförda underhållsåtgärder, utan beslut om underhållsåtgärder baseras till stor del på säkerhets- och underhållsbesiktningar. Detta medför att de arbetar mest avhjälpande, med åtgärd av besiktningsanmärkning. Dock för växelrevision och systematiskt växelunderhåll är erfarenhet, god lokalkännedom och god kännedom om anläggningen den avsevärt största informationskällan för entreprenören idag. Infrastrukturägaren utför även en viss leveransuppföljning, dock inte i tillräcklig utsträckning för att säkerställa att de får det som beställts. Registrering av samtliga förebyggande underhållsåtgärder bör förbättra och förenkla infrastrukturägarens uppföljning. Vidare för att möjliggöra en mer strategisk underhållsplanering behövs metoder för tillståndsbaserat underhåll tas fram, i syfte att få en bättre uppfattning om degradering av profilen för en fast mangankorsning. Till detta krävs automatiska maskinella mätningar, vilket gör mätningar reproducerbara och mätdata går att trenda. Slutligen den bristfälliga återrapporteringen av förebyggande underhållsåtgärder i kombination med entreprenörens hemlighållande av exakt underhållskostnad, resulterar i att underhållskostnaden för korsningar inte kan redovisas på en aggregerad och individuell nivå. / The railroad has made it possible for housing and work at various locations, by rail lanes, and the interest in rail freight transport is increasing. To maintain good status on the railroad, a lot of money is needed, while its availability affects many people. This makes it even more important with a robust railway facility, with high availability and good punctuality for both passenger and freight trains. Better planned maintenance enables longer useful life for all components of the railway facility. As part of the plant do railway S&C cause the highest cost in a track superstructure, with crossings as the most frequent component changes. Today, the useful life of fixed manganese crossings is too low, about 100 MBrt, since the expectancy is between 100 -500 MBrt. This is the basis for the work, where the purpose is to investigate how the preventive maintenance of fixed crossings in S&C can be better planned, performed and followed up to extend its useful life. Furthermore, the aim of the thesis work is to determine, through a current situation analysis, which includes current experiences, proposals for improved working methods and tomorrow's information gathering, which information will be required to better plan maintenance, and to determine which maintenance measures are necessary for the preventive maintenance of fixed crossings in S&C. Based on this, a maintenance plan with associated LCC is designed for fixed crossings in S&C. Furthermore, all maintenance measures in the maintenance plan must be planned at least 3 months in advance, and it is desirable that the maintenance plan should extend 36 months ahead. Initially, a zero-position analysis is performed, and work continues with suggestions for improved working methods. Both in terms of how and when maintenance is carried out on fixed crossings today outside in the railway facility. Finally, a maintenance plan is presented with intervals and the resources required for the maintenance actions to be performed. These actions include change of crossing, grinding in, grinding, welding, track direction/padding, shimming guardrail, changing of corkrubber and ballast cleaning. Compliance with the maintenance plan is a life cycle cost calculation, LCC, comparing work according to zero-position and work according to maintenance plan. The results from the work show that all entrepreneurs believe that lack of time in the track is a strong contributing factor to changing fixed crossings. This, along with proper preventive maintenance measures such as grinding in and preventive grinding to maintain profile, as well as verify track position and action when needed are not done. In addition, the contractor does not perform any follow-up on performed maintenance work, maintenance decisions are based largely on safety and maintenance inspections. This means that they work most correctively, with the action of inspection note. However, for exchange audit and systematic gear maintenance, experience, good local knowledge and good knowledge of the plant is the most important source of information for the entrepreneur today. The infrastructure owner also performs a certain delivery follow-up, but not sufficiently to ensure that they get what is ordered. Registration of all preventive maintenance measures should improve and simplify the infrastructure owner's follow-up. In addition, to enable more strategic maintenance planning, condition-based maintenance methods are required, with a view to gaining a better perception of degradation of the profile of a fixed manganese crossing. In addition, automatic machine measurements are required, which makes measurements reproducible and measurement data can be trend. Finally, the inadequate reporting of preventive maintenance measures in combination with the contractor's secrecy of exact maintenance costs, results in the maintenance cost for crossings not being reported at an aggregated and individual level.

In today’s industry, where manufacturing is fast and efficient, uptime for manufacturing machines plays a key role for companies to stay relevant with their competitors. Although manufacturing equipment today is very advanced and sometimes automated, they may still run into problems and wear out. By maintaining and servicing the equipment well, one can avoid unexpected equipment failure and unnecessary downtime. Keeping track and documenting maintenance can play a crucial role in how efficiently a manufacturer can produce their product. Maintenance management software exists on the market today, but they are large and expensive. As Saab, a manufacturer of highly advanced military technology, does not have a well-established system for managing their maintenance, there is a need for an evaluation and development of a customised option. In this thesis, the maintenance needs for Saab’s operations were analysed, and options for developing maintenance software that fits these needs were investigated. The result was a web application hosted on a Python-based web server, which uses MongoDB as a database to store data in an object-oriented manner, allowing flexibility within the system. The application is not fully developed but provides an overall picture of how a smaller software could serve the same purpose as the larger ones. After evaluating the developed application alongside the existing maintenance software, it is concluded that with further development, the application could serve the same function and be a competitive contender alongside the larger software. However, the safer and more reliable option for Saab would be to instead implement one of the existing software solutions. / I dagens industri, där tillverkning är snabb och effektiv, spelar drifttid för tillverkningsmaskiner en nyckelroll för att företag ska kunna hålla sig relevanta gentemot sina konkurrenter. Trots att tillverkningsutrustning idag är mycket avancerad och ibland automatiserad, kan de fortfarande stöta på problem och slitas ut. Genom att underhålla och serva utrustningen på rätt sätt kan man undvika oväntade maskinhaverier och onödig driftstopp. Att ha kontroll och dokumentera underhåll kan spela en avgörande roll för hur effektivt en tillverkare kan producera sin produkt. Underhållshanteringssystem finns på marknaden idag, men de är stora och dyra. Eftersom Saab, tillverkare av högteknologisk militärteknik, inte har ett väletablerat system för hur de hanterar sitt underhåll, finns det ett behov av en utvärdering och utveckling av ett anpassat alternativ. I denna avhandling analyserades underhållsbehoven för Saabs verksamhet, och alternativ för hur en underhållsprogramvara kunde utvecklas för att passa dessa behov undersöktes. Resultatet blev en webbapplikation som är värd på en Python-baserad webbserver och använder MongoDB som en databas för att lagra data på ett objektorienterat sätt, vilket ger flexibilitet inom systemet. Applikationen är inte fullt utvecklad men ger en övergripande bild av hur en mindre programvara kan tjäna samma syfte som de större. När den utvecklade applikationen utvärderas i förhållande till den befintliga underhållsprogramvaran dras slutsatsen att applikationen, med ytterligare utveckling, skulle kunna fylla samma funktion och vara en konkurrenskraftig utmanare till de större programvarorna. Dock skulle det säkrare och mer pålitliga alternativet för Saab vara att istället implementera en av de befintliga programvarorna.

I denna studie har utvecklingen av industriellt underhåll studerats och företaget Quant Services Sweden AB har använts som inspirationskälla. Fallstudien för att testa denna studie har gjorts på Viverk AB.Under min tid som underhållsingenjör på Quant har jag upptäckt utvecklingsmöjligheter för industriellt underhåll, service och eftermarknad. Med stöd av andra studier inom industri 4,0 har jag lyckats få fram vilka teknologier och på vilket sätt man kan nyttja dessa teknologier för att stärka sig själva i den internationella marknaden och även stärka sin konkurrenskraft. En analys har gjorts av Quants nuvarande tillstånd och vilket gap som finns för industri 4,0, och med vilka teknologier man kan fylla detta gap. Jag har även fört diskussioner med andra ingenjörer inom bolaget för att bedöma behovet av ett sådant arbete. Tre fallstudier har utförts för att testa teorin i detta arbete, fallstudierna har utförts på ett annat företag för att påvisa den bredda implementeringen och möjligheterna med andra bolag än det aktuella. Fallstudierna har gjorts på ett företag som heter Viverk AB, som är en tillverkare av industriella tvättmaskiner.3D-printning (additiv tillverkning) är den primära teknologin som studerats vilket även resultatet påvisat. Resultatet av studien visar att underhåll, service och eftermarknad kan implementera ett nytt digitalt verktyg, i Quants fall kan det förslagsvis namnges quant3D för att vara konsekvent utmed Quants andra digitala verktyg.Verktygets syfte är att optimera reservdelsförsörjningen på maskinparken.Detta verktyg kan även stödjas med Digital tvilling (Digital Twins), Artificiell intelligens (Artificial Intelligence), Generativ design (Generative Design) och Sakernas Internet (Internet of Things [IoT]) för att skapa ett komplett Digitalt Verktyg (Digital Toolbox) till sina kunder, vilket resulterar i en bättre reservdelsförsörjning och ständiga förbättringar (Continuous Improvement). Meningen med förbättringsarbetet är att optimera underhållsavdelningen och minimera tiden för oplanerade stopp i produktionen, vilket är underhållets primära mål, det vill säga att syftet är att uppnå högre teknisk tillgänglighet på maskinerna. Fallstudien som har utförts visar även att det finns en vinst i att med hjälp av additiv tillverkning får kortare tid i oplanerade stopp. / In this study, the development of industrial maintenance has been studied andthe company Quant Services Sweden AB has been used as a source of inspiration. The case study to test this study has been done at Viverk AB.During my time as a maintenance engineer at Quant, I have discovered opportunities for industrial maintenance, service, and aftermarket. With the support of other studies in industry 4.0, I have managed to identify which technologies and in what way you can use these and strengthen yourself in the international market and strengthen your competitiveness.An analysis has been made of Quant's current state and what gap there is for industry 4.0, and with what technologies one can fill this gap. I have also had discussions with other engineers within the company to assess the need for such work. Three case studies have been carried out to test the theory in this work, the case studies have been carried out at another company to demonstrate the wide implementation and the possibilities with other companies than the current one. The case studies have been done at a company called Viverk AB, which is a manufacturer of industrial washing machines.3D printing (additive manufacturing) is the primary technology studied, the results of which have also been demonstrated. The result of the study shows that maintenance, service, and aftermarket can implement a new digital tool, in Quant's case it can be named quant3D to be consistent with Quant's other digital tools. The purpose of the tool is to optimize the supply of spare parts on the machine parkThis tool can also be supported with Digital Twins, Artificial Intelligence, Generative Design and the Internet of Things (IoT) to create a complete Digital Toolbox for their customers, resulting in a better supply of spare parts and continuous improvement (CI).The purpose of the improvement work is to optimize the maintenance department and minimize the time for unplanned stops in production, which is the primary goal of maintenance, that is the purpose to achieve higher technical availability on the machines. The case study that has been carried out also shows that there is a profit in using additive manufacturing to reduce the time in unplanned stops.

Deep Learning methods have dramatically improved the state-of-the-art across multiple fields, such as speech recognition, object detection, among others. Nevertheless, its application on signal processing, where data is frequently unlabelled, has received relatively little attention. In this field, nowadays, a set of sub-optimal techniques are often used. They usually require an expert to manually extract features to analyse, which is a knowledge and labour intensive process. Thus, a self-learning technique could improve current methods. Moreover, certain machines in a factory are particularly complex, such as an oil-hydraulic press. Here, its sensors can only identify few failures by setting up some thresholds, but they commonly cannot detect wear on its internal components. So, a self-learning technique would be required to detect anomalies related to deterioration. The concept is to determine the condition of a machine and to predict breakdowns by analysing patterns in the measurements from their sensors. This document proposes a self-learning methodology that uses a deep learning model to predict failures in such a machine. The core idea is to train an algorithm that can identify by itself the relevant features to extract on a work cycle, and to relate them to a part which will breakdown. The conducted evaluation focuses on an example case where a hydraulic accumulator fails. As result, it was possible to forecast its breakdown two weeks in advance. Finally, the proposed method provides explanations at every step, after acknowledging their importance in industrial applications. Also, some considerations and limitations of this technique are stated to support guiding the expectation of some stakeholders in a factory, i.e. a (Global) Process Owner. / Deep Learning-metoder har dramatiskt förbättrat det senaste inom flera  fält, såsom taligenkänning, objektdetektering, bland andra.  Ändå har dess  tillämpning på signalbehandling, där data ofta är omärkt, fått relativt lite uppmärksamhet. I detta fält används numera ofta en uppsättning suboptimala tekniker. De kräver vanligtvis en expert för att manuellt extrahera funktioner för att analysera, vilket är en kunskaps och arbetsintensiv process. Således kan en självlärande teknik förbättra nuvarande metoder.   Dessutom är vissa maskiner i en fabrik särskilt komplexa, såsom en oljehydraulisk press. Här kan dess sensorer bara identifiera några fel genom att ställa in vissa trösklar, men de kan vanligtvis inte upptäcka slitage på dess interna komponenter. Så, en självlärande teknik skulle krävas för att upptäcka avvikelser relaterade till försämring. Konceptet är att bestämma maskinens tillstånd och att förutsäga haverier genom att analysera mönster i mätningarna från deras sensorer.   Detta dokument föreslår en självlärningsmetodik som använder en djupinlärningsmodell för att förutsäga fel i en sådan maskin. Kärnidén är att träna en algoritm som i sig kan identifiera de relevanta funktionerna som ska extraheras i en arbetscykel och att relatera dem till en del som kommer att bryta ner. Den genomförda utvärderingen fokuserar på ett exempel på fall där en hydraulisk ackumulator misslyckas. Som ett resultat var det möjligt att förutse dess fördelning två veckor i förväg.   Slutligen ger den föreslagna metoden förklaringar i varje steg, efter att ha erkänt deras betydelse i industriella applikationer. Några överväganden och begränsningar av denna teknik anges också som stöd för att vägleda förväntningarna hos vissa intressenter i en fabrik, dvs. en (global) processägare.

Construction equipment manufacturers want to reduce the downtime of their equipment by moving from the typical reactive maintenance to a predictive maintenance approach. They would like to define a method to predict the failure of the construction equipment ahead of time by leveraging the real- world data that is being logged by their vehicles. This data is logged as general event data and specific sensor data belonging to different components of the vehicle. For the scope of this study, the focus is on articulated hauler vehicles with engine as the specific component under observation. In the study, extensive time and resources are spent on preparing both the real- world data sources and coming up with methods such that both data sources are ready for predictive maintenance and can also be merged together. The prepared data is used to build respective remaining useful life machine learning models which classify whether there will be a failure in the next x days. These models are built using data from two different approaches namely, lead data shift and resampling approach respectively. Three different experiments are carried out for both of these approaches using three different combinations of data namely event log only, engine sensor log only, event and sensor log combined. All these experiments have an increasing look ahead window size of how far into the future we would like to predict the failure. The results of these experiments are evaluated in relation to which is the best approach, data combination, and window size to foresee engine failures. The model performance is primarily distinguished by the F- Score and Area under Precision- Recall Curve. / Tillverkare av anläggningsutrustning vill minska stilleståndstiden för sin utrustning genom att övergå från det typiska reaktiva underhållet till ett förebyggande underhåll. De vill definiera en metod för att förutse fel på byggutrustningen i förväg genom att utnyttja de verkliga data som loggas av fordonen. Dessa data loggas som allmänna händelsedata och specifika sensordata som tillhör olika komponenter i fordonet. I den här studien ligger fokus på ledade dragfordon med motorn som den specifika komponent som observeras. I studien läggs mycket tid och resurser på att förbereda båda datakällorna i den verkliga världen och att ta fram metoder så att båda datakällorna är redo för förebyggande underhåll och kan slås samman. De förberedda uppgifterna används för att bygga maskininlärnings modeller för återstående livslängd som klassificerar om det kommer att ske ett fel inom de närmaste x dagarna. Modellerna byggs upp med hjälp av data från två olika metoder, nämligen lead data shift och resampling approach. Tre olika experiment utförs för båda dessa metoder med tre olika kombinationer av data, nämligen endast händelselogg, endast motorsensorlogg och kombinerad händelselogg och sensorlogg. Alla dessa experiment har en ökande fönsterstorlek för hur långt in i framtiden vi vill förutsäga felet. Resultaten av dessa experiment utvärderas med avseende på vilket tillvägagångssätt, vilken datakombination och vilken fönsterstorlek som är bäst för att förutse motorhaverier. Modellens prestanda bedöms i första hand med hjälp av F- poäng och arean under Precision- Recall- kurvan.

With the fast evolution of the Industry 4.0, the increased use of sensors and the rapid development of the Internet of Things (IoT), and the adoption of artificial intelligence methods, smart factories can automate their processes to vastly improve their efficiency and production quality. However, even the most well cared-for machines develop faults eventually. Given that Prognostics and Health Management (PHM) is an indispensable aspect for proper machine performance, Predictive Maintenance (PdM) is an emerging topic within maintenance methodologies whose aim is to predict failure prior to occurrence with the goal of scheduling maintenance only when needed. As data can be collected faster than ever before, deep learning is an effective tool that can leverage big data for data-driven fault diagnosis methodologies. This thesis explores two different fault diagnosis methodologies associated with predictive maintenance: an anomaly detection using an Autoencoder Neural Network, and a fault classifier using a Convolutional Neural Network (CNN). The system under analysis is a 3phase AC induction motor commonly used in industry. Results show great performance and indicate the viability for the implementation of both methods in production applications. / Med den snabba utvecklingen av industri 4.0, den ökade användningen av sensorer och den snabba utvecklingen av Internet of Things samt införandet av metoder för artificiell intelligens kan smarta fabriker automatisera sina processer för att avsevärt förbättra effektiviteten och produktionskvaliteten. Även de mest välskötta maskinerna utvecklar dock fel så småningom. PHM är en oumbärlig aspekt för korrekt maskinunderhåll. PdM är ett nytt ämne inom underhållsmetodik som syftar till att förutsäga fel innan de inträffar, med målet att planera underhållet endast när det behövs. Eftersom data kan samlas in snabbare än någonsin tidigare är djupinlärning ett effektivt verktyg som kan utnyttja stora datamängder för datadrivna metoder för feldiagnostik. I den här uppsatsen undersöks två olika metoder för feldiagnostik i samband med förebyggande underhåll: en anomalidetektion med hjälp av ett neuralt nätverk med autoencoder och en felklassificering med hjälp av ett CNN. Det system som analyseras är en induktionsmotor med 3fas växelström som ofta används inom industrin. Resultaten visar på goda resultat och visar att det är möjligt att genomföra båda metoderna i produktionstillämpningar.

Underhåll är en aktivitet som varje produktion vill undvika så mycket som möjligt på grund av kostnaderna och tiden som anknyts till den. Trots detta så är en väl fungerande underhållsverksamhet väsentlig för att främja produktionens funktionssäkerhet och tillgänglighet att tillverka. En effektiv underhållsorganisation går däremot inte ut på att genomföra mer underhåll än vad som egentligen är nödvändigt utan att genomföra underhåll i rätt tid. På traditionellt sätt så genomförs detta genom att ersätta slitage delar och serva utrustningen med fastställda mellanrum för att förebygga att haveri, vilket kallas för förebyggande underhåll. De tidsintervaller som angivits för service bestäms av leverantörerna och grundar sig i en generell uppskattning av slitagedelarnas livslängd utifrån tester och analys. Till skillnad från att köra utrustningen till den går sönder som kallas för Avhjälpande underhåll så kan underhåll genomföras vid lämpliga tider så att det inte påverkar produktion och tillgänglighet. Men de tidsintervall som leverantörerna rekommenderar till företagen garanterar inte att slitage delen håller sig till det intervallet, delarna kan exempelvis rasa tidigare än angivet eller till och med hålla längre. Av denna anledning är det naturliga steget i underhållets utveckling att kunna övervaka utrustningens hälsa i hopp om att kunna förutspå när och varför ett haveri ska uppstå. Den här typen av underhåll kallas för tillståndsbaserat och prediktivt underhåll och medför ultimat tillgänglighet av utrustning och den mest kostnadseffektiva underhållsorganisationen, då god framförhållning och översikt uppnås för att enbart genomföra underhåll när det behövs. Det som gör tillståndsbaserat och prediktivt underhåll möjligt är den fjärde industriella revolutionen “Industri 4.0” och teknologierna som associeras med den som går ut på absolut digitalisering av produktionen och smarta fabriker. Teknologier som IoT, Big Dataanalys och Artificiell Intelligens används för att koppla upp utrustning till nätet med hjälp av givare för att samla in och lagra data som ska användas i analyser för att prognosera dess livslängd. Uppdragsgivaren AstraZeneca i Södertälje tillverkar olika typer av läkemedel som många är livsviktiga för de patienter som tar dessa mediciner. Om AstraZenecas produktion står still på grund av fel i utrustningen kommer det inte enbart medföra stora ekonomiska konsekvenser utan även påverka de människor som med livet förlitar sig på den medicin som levereras. För att försäkra produktionens tillgänglighet har AstraZeneca gjort försök att tillämpa tillståndsbaserat och prediktivt underhåll men det är fortfarande enbart i startgroparna. Eftersom ventilation är kritisk del av AstraZeneca produktion då ett fel i ventilationssystemet resulterar i totalt produktionsstopp i byggnaden förens problemet åtgärdas och anläggningen sanerats blev det även rapportens fokusområde. Arbetets uppgift går därför ut på att undersöka möjligheter för AstraZeneca att utveckla deras prediktiva och tillståndsbaserat underhåll på deras ventilationssystem, för att sedan kunna identifiera och presentera förslag på åtgärder. Dessa förslag analyserades sedan med hjälp av verktygen QFD-Matris och Pugh-Matris för att kunna uppskatta vilket förslag som är mest kostnadseffektivt, funktions effektivt samt vilket förslag som kommer tillföra mest nytta för underhållet på AstraZeneca. / Maintenance is an activity that every production wants to avoid as much as possible due to the costs and the time associated with it. Despite this, a well-functioning maintenance operation is essential to promote the production's availability to manufacture and operational reliability. Running an efficient maintenance operation is not about carrying out more maintenance than is necessary but carrying out the right amount of maintenance at the right time. Traditionally speaking this is done by replacing worn parts and servicing the equipment at set intervals to prevent breakdowns, this method is called preventive maintenance. The intervals specified for service are determined by the suppliers and are based on general estimates of the service life for the spare parts from test and analytics. Preventive maintenance allows for maintenance to be carried out at appropriate time to not affect production and availability unlike running the equipment until breakdown, which is called reactive maintenance. However, these intervals that the suppliers recommend do not guarantee that the parts adhere to the given interval, the part can for example break down earlier than expected or even outlast its prescribed lifetime. Because of this, the natural step in the development of maintenance is giving companies the ability to monitor the health of the equipment in hope of being able to predict potential breakdowns. This is what Condition-Based and predictive maintenance is and it provides the ultimate availability of equipment and the most cost-effective maintenance organization, because the good foresight and overview allows maintenance to be carried out only when needed. The fourth industrial revolution “Industry 4.0”, absolute digitalization of production, smart factories and all the technologies associated with this is what makes this type of maintenance possible. Technologies such as IoT, Big Data Analytics and Artificial Intelligence are used to connect equipment to the network using sensors so that data can be stored and collected to be analyzed to forecast the lifespan of parts and equipment. AstraZeneca in Södertälje manufactures different types of medicine, many of which are vital for the patients who take them. If their production comes to a standstill due to equipment failure, it will not only have major financial consequences but also greatly affect the people who rely on the medicine offered with their lives. To ensure the availability of production, AstraZeneca has made attempts to apply condition-based and predictive maintenance, but it is still only in its infancy. Since ventilation is a critical part of AstraZeneca's production, as a failure here will result in a total production stoppage for the building affected and will not resume before the problem is remedied and the plant is decontaminated, it also became the report's focus area. The task at hand is therefore to investigate the opportunities AstraZeneca must develop their predictive and condition-based maintenance for their ventilation systems, in order to be able to present proposals for measures. The proposals will then be analyzed using tools like the QFD-Matrix and the Pugh-Matrix in order to estimate which is more cost effective, function effective and which one will bring the most benefit to AstraZeneca.

Detta är ett examensarbete inom Industriell teknik och produktionsunderhåll som handlar om kundkrav för service av mobilnät i stora industrier. De stora industrierna, som exempelvis Scania och Boliden, har fokus på att underlätta underhåll och hantering av produktionen med hjälp av automation och digitalisering i sina företag. Idag är det nya mobilnätet, 5G, en efterfrågad teknologi i stora industrier med stora produktionsanläggningar, som gör det möjligt att koppla upp de fysiska komponenterna och därmed effektivisera sitt företag. I detta arbete har intervjuer genomförts med tre svenska företag, Ericsson, Scania och Boliden, där de stora kraven med implementering och användning av 5G tagits fram. Utöver den kvalitativ studien har en litteraturstudie genomförts, där kravet var att välja information som inriktar sig på 5G och dess implementering i stora produktionsanläggningar. Målet med detta arbete är att identifiera kundens behov av egen service och kundkrav på operatören vid implementering och användning av 5G, samt komma fram med ett förslag på ett SLA. Resultaten, från intervjuer och litteraturstudie, visar att kundens krav på operatören överväger kundkrav av egen service. Vid implementering av 5G måste industrikunder ställa om hela produktionen, vilket kräver ny utrustning, ny teknik och kompetent personal. Dessa krav ska operatörer, som implementerar och levererar mobilnät, ta hand om. Industrikunder har också krav att kunna själv hantera vissa delar i 5G-mobilnätet, exempelvis att ha tekniker som kan ta hand om enkel underhåll. Detta gör nätet säkrare och effektivare men även billigare, då operatören inte behöver genomföra enklar underhållsarbete. Vidare har ett förslag på ett SLA tagits fram, där vissa krav som industrikunder hade på ett serviceavtal dokumenterades. / The conducted project within the program of Industrial Technology and Production Maintenance concerns the industrial customer requirements for service of mobile networks within large industries. The large industrial customers, such as Scania and Boliden, have an immense focus on supporting the maintenance processes and managing production with the help of automation and digitalization within their companies. Today, the new mobile network of 5G, is a sought-after technology within large industries with large production facilities, that enables the opportunity to connect physical components and thereby increasing the efficiency within the operations. In this thesis work, interviews have been conducted with three Swedish companies, Ericsson, Scania, and Boliden. This is where the requirements of implementation and usage of 5G network have been determined. Moreover, a literature study has also been carried out with the requirement of selecting information that emphasizes on 5G and implementation within large production facilities. The objective of this thesis work is to identify the requirements of large industrial customers, such as their needs for self-maintenance, their requirements on the network operator during implementation and usage of 5G. Finally, the objective is to also present a Service Level Agreement or SLA. The result from the interview and the literature study shows that the customer requirements on the network operator are higher than the requirements the network operator has on thecustomers. During the implementation of 5G, industrial customers must adapt and change their production facilities, which requires new equipment, technology, and competent workers. These aspects should be considered by the and handled by the network operator. Industrial customers also have the condition of handling certain areas of the 5G network themselves, for example having technicians ready that can conduct simple maintenance. This in turn will enable more secure and efficient network and on the same time, at a lesser cost, due to the network operator no longer must conduct simple maintenance. Furthermore, a proposition for a Service Level Agreement have been composed, where the requirements from the industrial customers were documented.

Denna studie syftar till att undersöka hur ultraljudsutbildningar för ingenjörer köps in, vad de innehåller, hur de genomförs, utvärderas och vilka resultatutbildningarna leder till. Totalt intervjuades sex sjukhus runt om i Sverige där elva medicintekniska ingenjörer och fyra verksamhetschefer deltog. En kvalitativ metod användes i studien i form av semistrukturerade intervjuer som grund för att analysera frågeställningarna. Resultatet visade att utbildningar köps in i upphandling av nya ultraljudsmaskiner och genomförs under garantiåren. Utbildningarna hålls av leverantörerna och de brukar vara i två dagar. Effekterna av utbildningarna varierar och beror på vilket serviceavtal som sjukhusen har. Det saknas en formell modell för utvärdering och uppföljning, trots det faktum att det i årliga möten diskuteras hur utbildningarna har gått och vilka kompetenser som behövs. Resultatet från studien kan främst användas i syfte att skapa bättre utbildningar, underlätta kommunikationen mellan sjukhus och leverantör om vad kursen innebär, samt vad ingenjörerna föredrar för innehåll i kurser för att kunna utvecklas inom ultraljud. / This study aims to investigate how ultrasound training for engineers is purchased, including how it is carried out and evaluated, what the different courses contain and what result the courses lead to. Six hospitals around Sweden were interviewed, where eleven medical engineers and four business managers participated. A qualitative method was used in the study with semi-structured interviews as a basis for analysing the issues. The results showed that the training courses are purchased in the procurement of new ultrasound machines and are carried out during the warranty years. The suppliers hold the training courses, which are usually held for two days. The effects of training vary and depend on the service agreement that the hospitals have. There is no formal model for evaluation and follow-up, even though annual meetings discuss how the training has gone and what skills are needed. The results can mainly be used to create better training and improve communication between hospital and supplier about what the course entails and what the engineers prefer for the content of courses to develop in the area.

Examensarbetet utfördes hösten 2020 på Scania Industrial Maintenance i Södertälje. Arbetet har fokuserat på två avdelningar inom produktionsavsnitten Transmissionsbearbetning samt Motorbearbetning, en avdelning från vardera produktionsavsnitten. På Transmissionsbearbetning undersöktes avdelningen Hårda kugg och på motoravdelningen undersöktes DMAHB. Huvudmålet för examensarbetet är att så långt som möjligt definiera teknisk tillgänglighet för Scania baserat på produktions- och underhållsdata. Med hjälp av underhållsingenjörer, underhållstekniker samt tidigare erfarenheter från arbete på Scania har information- och processkännedom införskaffats via besök och intervjuer. Data från respektive linje har analyserats och litteraturstudier har gjorts för att få en djupgående förståelse för problemet. Nuläget inom produktion och underhåll har givit en helhetsbild över problematiken med att definiera teknisk tillgänglighet. Flertalet faktorer har tagits i åtanke såsom kultur, bristande resurser, nyckeltal och standarder. Mätning av teknisk tillgänglighet kan göras på flera sätt enligt svenska underhåll standarder vilket tas upp i arbetet. Det som i det här arbetet anses passa Scania är att utgå ifrån drifttiden och tid för återställning för att få fram underhållets påverkan på produktionen. För att uppnå det här behöver Scania börja mäta drifttiden för varje maskin och förbättra rapporteringen av stopptiderna. / The examination project was carried out in the autumn of 2020 at Scania IndustrialMaintenance in Södertälje. The work has focused on two departments within the production sections Transmission processing and Engine processing, one department from each production section. In the Transmission processing, the Hard Gear section was examined, and in the engine-section was DMAHB examined. The main goal of the examination project is to define technical availability for Scania as far as possible based on production and maintenance data. With the help of maintenance engineers, maintenance technicians and previous experience from working at Scania, information and process knowledge has been acquired through visits and interviews. Data from each line have been analyzed and literature studies have been done to gain an in-depth understanding of the problem. The current situation in production and maintenance has provided an overall picture of the problems with defining technical availability. Most factors have been considered such as culture, lack of resources, key-figures, and standards. Measurement of technical availability can be done in several ways according to Swedish maintenance standards, which is addressed in the work. What in this work is considered suitable for Scania is to start from the operating time and time for restoration to obtain the impact of maintenance on production. To achieve this, Scania needs to start measuring the operating time of each machine and improve the reporting of downtime.