Följande examensarbete har genomförts inom Högskoleingenjörsutbildningen i Maskinteknik, Industriell Ekonomi och Produktion vid Kungliga Tekniska Högskolan, Institutionen för Hållbar Produktionsutveckling. Studien har utförts på uppdrag av Alfa Laval Lund AB, vid enheten Business Unit GPHE, under vårterminen 2019. Målet med detta arbete har varit att utföra en kartläggning av intressenter i det digitala ekosystemet, identifiera kundbehov och aktörer på marknaden inom området prediktivt underhåll och uppkopplade produkter samt att definiera möjliga affärsmodeller. Alfa Lavals förväntningar av projektet har varit att resultatet skall understödja uppfyllelse av kundernas behov samt att bolaget skall erhålla en överblick av det digitala ekosystem som idag växer fram. Under genomförandet har metoder såsom research av intressenter samt intervjuer varit centrala. Efterforskningar av bolag har skett med avsikten att utforma en kartläggningsmodell. Intervjuer med aktörer och slutkund har varit till stöd för att undersöka i vilka fall uppkoppling skapar kundvärde samt för att få en helhetssyn kring andra spelares strategier inom digitaliseringen. Litteraturstudier har omfattat information beträffande Internet of Things, Connectivity, Industri 4.0, prediktivt underhåll samt affärsmodellering. Resultatet har visat att de mest förekommande kundbehoven är statusmonitorering av utrustning, prediktivt underhåll och högre produktivitet med flera, vilka alla har anknytning till att kunden vill minska sina kostnader. För det digitala ekosystemet kan det konstateras att det aktuella läget är ganska splittrat samt att det ständigt dyker upp nya lösningar och spelare som försöker positionera sig på marknaden. Studien visar likaledes att uppkopplingen till internet bidrar till uppkomst av nya erbjudanden i form av tjänster, varför det förekommer ett ökat behov av att implementera nya serviceinriktade affärsmodeller med nya intäktsströmmar baserade på prenumerationer. / This thesis degree project has been submitted for the degree program in Mechanical Engineering, Industrial Business Administration and Manufacturing, at KTH Royal Institute of Technology, Department of Sustainable Production Development. The study has been carried out on behalf of Alfa Laval AB, Business Unit GPHE, during the spring term 2019. The goal of this thesis has been to perform a survey of interests in the digital ecosystem, identify customer needs and market players in the field of predictive maintenance and connected products, along with suggesting on possible business models. Alfa Laval’s expectations have been to receive anover view of the currently emerging digital ecosystem and that the project should support the fulfillment of customer needs. Interviews and research of stakeholders have been central methods during the implementation. In the project an investigation was made of different companies to design a mapping model. The study included in-person interviews with market players and end customers to support the survey on cases in which connectivity creates customer value and also to get an overview of strategies used by different market players in digitization. The literature studies have covered topics regarding Internet of Things, Connectivity, Industry 4.0, predictive maintenance and business modelling. The result has shown that the most common customer needs are asset status monitoring, predictive maintenance, higher productivity and others, all of which are related to the customer’s desire of achieving cost reduction. For the digital ecosystem, it can be stated that the current situation is fragmented and that there is a constant emergence of new solutions with quick implementations and new players trying to position themselves in the market. The study also shows that connectivity contributes to the development of new types of services, thus causing an increased need of implementation of new service-oriented business models with new revenue streams based on subscriptions.

This report studies the possibilities of minimizing unplanned maintenance work and improving the availability of power supply by enabling preventive maintenance in power systems, without having to make additional investments in the existing systems. This was done using information from COMTRADE files (disturbance recording files) that are created in the event of a fault in the power system. The IEC 61850 standard facilitates the process of retrieving and analyzing the disturbance files by standardizing their format and the way they are stored. By creating a software solution that automatically reads and analyses the COMTRADE files, deteriorating performance of the power system equipment can be detected and preventive maintenance suggested. The result of the project is a software solution that reads and analyses COMTRADE files in an automated way. The software identifies fault events (fault start, trip signal sent, circuit breaker open, auto-reclose command, circuit breaker closed) from the recorded signals using wavelet transform as the main method. It then calculates the times of relay and circuit breaker operations. The calculated times are compared to threshold values and warnings are generated if they exceed the thresholds. / Denna rapport studerar möjligheten att minimera oönskade underhållsarbeten och öka tillgången på strömförsörjning genom att möjliggöra förebyggande underhåll i kraftsystemet, utan att behöva göra ytterligare investeringar för sina befintliga system. Detta gjordes med hjälp av information från COMTRADE-filer (filer för inspelning av störningar) som skapades vid ett fel i elnätet. IEC 61850-standarden underlättar processen för att hämta och analysera störningsfilerna genom att standardisera sitt format och hur de lagras. Genom att skapa en programvarulösning som automatiskt läser och analyserar COMTRADE-filerna, kan försämrad prestanda hos strömsystemets utrustning detekteras och förebyggande underhåll föreslås. Resultatet av projektet är en mjukvarulösning som läser och analyserar COMTRADE-filer på ett automatiserat sätt. Programvaran identifierar felhändelser (fel start, sänd bryt-signal, brytare öppen, automatisk återstängnings kommando, strömbrytare stängd) från de inspelade signalerna med wavelettransformen som huvudmetod. Därefter beräknas driftstiderna för relä och brytare. De beräknade tiderna jämförs med tröskelvärden och varningar genereras om de överskrider tröskelvärdena.

This thesis studies formation control for a class of general leader-follower multi-agent systems with Control Barrier Functions (CBFs) such that connectivity maintenance is fulfilled for all the neighboring agents. In leader-follower multi-agent systems, only the leader agents are controlled by the externally designed input, while the followers are guided through their dynamic couplings with the neighboring agents. The main problem is how to keep all adjacent agents maintain within the communication distance during the formation process. In this thesis, Control Barrier Functions (CBFs) are utilized in order to maintain connectivity among the neighboring agents. This thesis firstly introduces a general first-order leader-follower multi-agent systems with proper connectivity constrains. All edges in the system are divided into three categories: follower-follower edges, leader-follower edges and leader-leader edges. Three different kinds of edges are discussed individually. For each category, the relevant topological conditions and control barrier functions are defined and proved for both tree graphs and general graphs. Several simulation examples are implemented to verify the developed results. Both theory and simulation results show that the developed results are a strong support for the formation control of leader-follower system in order to achieve connectivity maintenance. / Denna avhandling studerar formationskontroll för en klass av generella ledare-följare multi-agent-system med kontrollbarriärfunktioner (CBFs) så att anslutningsunderhållet uppfylls för alla angränsande agenter. I ledar-följare multi-agent-system är det bara ledaragenterna som styrs av den externt utformade ingången, medan följaren guidas genom sina dynamiska kopplingar med grannagenterna. Huvudproblemet är hur man kan hålla alla intilliggande agenter inom kommunikationsavståndet under bildningsprocessen. I det här examensarbetet används kontrollbarriärfunktioner (CBF) för att upprätthålla förbindelser mellan angränsande agenter. Detta examensarbete introducerar först ett allmänt första ordningens ledare-följare multi-agentsystem med korrekta anslutningsbegränsningar. Alla kanter i systemet är indelade i tre kategorier: efterföljarkanter, ledare-följarkanter och ledare-ledarkanter. Tre olika sorters kanter diskuteras individuellt. För varje kategori definieras och bevisas de relevanta topologiska förhållandena och kontrollbarriärfunktionerna för både trädgrafer och allmänna grafer. Flera simuleringsexempel implementeras för att verifiera de framtagna resultaten. Både teori- och simuleringsresultat visar att de utvecklade resultaten är ett starkt stöd för bildandet av ledare-följare-system för att uppnå anslutningsunderhåll

Condition monitoring (CM) is widely used in industry, and there is a growing interest in applying CM on rail vehicle systems. Condition based maintenance has the possibility to increase system safety and availability while at the sametime reduce the total maintenance costs.This thesis investigates the feasibility of using condition monitoring of suspension element components, in this case dampers, in rail vehicles. There are different methods utilized to detect degradations, ranging from mathematicalmodelling of the system to pure "knowledge-based" methods, using only large amount of data to detect patterns on a larger scale. In this thesis the latter approach is explored, where acceleration signals are evaluated on severalplaces on the axleboxes, bogieframes and the carbody of a rail vehicle simulation model. These signals are picked close to the dampers that are monitored in this study, and frequency response functions (FRF) are computed between axleboxes and bogieframes as well as between bogieframes and carbody. The idea is that the FRF will change as the condition of the dampers change, and thus act as indicators of faults. The FRF are then fed to different classificationalgorithms, that are trained and tested to distinguish between the different damper faults.This thesis further investigates which classification algorithm shows promising results for the problem, and which algorithm performs best in terms of classification accuracy as well as two other measures. Another aspect explored is thepossibility to apply dimensionality reduction to the extracted indicators (features). This thesis is also looking into how the three performance measures used are affected by typical varying operational conditions for a rail vehicle,such as varying excitation and carbody mass. The Linear Support Vector Machine classifier using the whole feature space, and the Linear Discriminant Analysis classifier combined with Principal Component Analysis dimensionality reduction on the feature space both show promising results for the taskof correctly classifying upcoming damper degradations. / Tillståndsövervakning används brett inom industrin och det finns ett ökat intresse för att applicera tillståndsövervakning inom spårfordons olika system. Tillståndsbaserat underhåll kan potentiellt öka ett systems säkerhet och tillgänglighetsamtidigt som det kan minska de totala underhållskostnaderna.Detta examensarbete undersöker möjligheten att applicera tillståndsövervakning av komponenter i fjädringssystem, i detta fall dämpare, hos spårfordon. Det finns olika metoder för att upptäcka försämringar i komponenternas skick, från matematisk modellering av systemet till mer ”kunskaps-baserade” metodersom endast använder stora mängder data för att upptäcka mönster i en större skala. I detta arbete utforskas den sistnämnda metoden, där accelerationssignaler inhämtas från axelboxar, boggieramar samt vagnskorg från en simuleringsmodellav ett spårfordon. Dessa signaler är extraherade nära de dämpare som övervakas, och används för att beräkna frekvenssvarsfunktioner mellan axelboxar och boggieramar, samt mellan boggieramar och vagnskorg. Tanken är att frekvenssvarsfunktionerna förändras när dämparnas skick förändras ochpå så sätt fungera som indikatorer av dämparnas skick. Frekvenssvarsfunktionerna används sedan för att träna och testa olika klassificeringsalgoritmer för att kunna urskilja olika dämparfel.Detta arbete undersöker vidare vilka klassificeringsalgoritmer som visar lovande resultat för detta problem, och vilka av dessa som presterar bäst med avseende på noggrannheten i prediktionerna, samt två andra mått på algoritmernasprestanda. En annan aspekt som undersöks är möjligheten att applicera dimensionalitetsminskning på de extraherade indikatorerna. Detta arbete undersöker också hur de tre prestandamåtten som används påverkas av typiska förändringar i driftsförhållanden för ett spårfordon såsom varierande exciteringfrån spåret och vagnkorgsmassa. Resultaten visar lovande prestanda för klassificeringsalgoritmen ”Linear Support Vector Machine” som använder hela rymden med felindikatorer, samt algoritmen ”Linear Discriminant Analysis” i kombination med ”Principal Component Analysis” dimensionalitetsreducering.

The railway infrastructure needs to be safe, reliable and efficient in order to meet the growing demand of sustainable transportation methods. One of the main problems the railway industry faces today is that a higher traffic load increases the need for maintenance, at the same time as it reduces the availability of gaps in the timetables to perform maintenance activities. Unmanned Aerial Vehicles, UAVs, have in recent years been adopted commercially due to their potential of increasing work efficiency and productivity. Different actors in the railway industry have recently started to explore and test the possibilities of implementing UAVs. The objective of this master thesis was to investigate and define use case scenarios where the use of UAVs would create value for railway infrastructure operations and maintenance activities. It is meant for both stakeholders in the railway industry to gain better understanding of capabilities and limitations of UAV technology but also provide recommendations to UAV manufacturers to understand the railway industry and potential UAV applications. Theoretical research and qualitative user studies with UAV professionals and relevant stakeholders within the railway industry were conducted in order to gain insight in the railway industry and to identify potential use case scenarios. The research showed that maintenance activities to a large extent are performed either manually by walking along the tracks which is inefficient, physically demanding and dangerous or by using test/measurement vehicles which require track occupancy. It was concluded that the use of UAVs would mainly create value by; enabling remote inspection and operation, accessing the infrastructure without track occupancy or the need of roads. At the same time, improve the working conditions, efficiency and quality of maintenance activities. The thesis resulted in 15 potential use case scenarios for UAVs in the railway industry and proposals for common UAV solutions based on functional requirements. / Järnvägssystemet måste vara säkert, pålitligt och effektivt för att möta den växande efterfrågan på hållbara transportmetoder. Ett av de största problemen som den svenska järnvägsindustrin står inför idag är att ökad trafikbelastning ökar behovet av underhåll, samtidigt som det minskar tillgängligheten för att utföra underhållsaktiviteter. Obemannade flygfordon, även kallade drönare, har under de senaste åren tillämpats mer frekvent i kommersiella syften för att bland annat uppnå ökad effektivitet och produktivitet. Aktörer inom järnvägsindustrin har nyligen börjat utforska och testa möjligheterna att använda drönare. Syftet med detta examensarbete var att undersöka och definiera potentiella tillämpningar av drönare med syfte att skapa värde för drift- och underhållsarbete inom järnvägen. Denna rapport är avsedd för intressenter inom järnvägsindustrin att få bättre förståelse för kapaciteten och begränsningar av drönarteknik samt ge rekommendationer till drönartillverkare för att bättre förstå järnvägsindustrin och potentiella användningsområden. Teoretisk undersökning och kvalitativa användarstudier med drönarexperter och relevanta intressenter inom järnvägsindustrin genomfördes för att få insikt i järnvägsindustrin samt för att identifiera problemområden. Studien visade att underhållsverksamheten i stor utsträckning utförs antingen manuellt genom att gå längs spåren vilket är ineffektivt, fysiskt krävande och farligt eller genom att använda test/mätfordon som kräver tillgång till spår. Arbetet resulterade i 15 potentiella tillämpningar av drönare i järnvägsindustrin samt förslag på gemensamma drönarlösningar baserade på funktionella krav. Slutsatsen drogs att tillämpningen av drönare i järnvägsindustrin främst kan skapa värde genom att; på distans utföra underhållsaktiviteter och inspektioner, få tillgång till infrastrukturen utan behov av spår eller vägar. Detta resulterar i förbättrade arbetsförhållanden samt ökad effektivitet och kvalitet på underhållsarbetet.

This thesis presents an in-depth exploration of regression testing metrics and their relationship with software quality, based on a qualitative case study within a global technology organization. By applying a thematic analysis to empirical data collected through interviews and a survey with the organisations Quality and Assurance team, this study identifies three primary themes: foundation of credibility, organic test maintenance, and defect management. The research highlights key metrics underlying each theme, including requirement coverage, code coverage, historical pass-rate, test flakiness, and code complexity. These metrics, especially when implemented in the early stages of a project, emerged as indicative of the overall software quality and stability. Through this research, a deeper understanding of regression testing metrics and their critical role in increasing the software quality is achieved. However, it is apparent that further research is necessary, including broader case studies, investigation into the application of machine learning algorithms, and exploration of additional metrics, to fully understand their universal applicability. The insights in the findings from this thesis are aimed at contributing to the field of software quality assurance academically and also provide actionable insights to industry professionals in the field of software quality. / Denna avhandling presenterar en djupgående utforskning av regressionstestnings metriker och deras relation till programvarukvalitet, baserat på en kvalitativ fallstudie hos en global organisation aktiv inom teknologi. Genom att tillämpa en tematisk analys på empirisk data insamlad genom intervjuer och en enkätundersökning, identifierar denna studie tre huvudteman: testtillförlitlighet, testunderhåll och testprestanda. Forskningen lyfter fram nyckelmetriker som ligger till grund för varje tema. Dessa inkluderar ”Requirement coverage”, ”Code coverage, ”Historic pass-rate” , ”Test flakiness” och ”Code complexity”. Dessa metriker, särskilt när de implementeras i de tidiga stadierna av ett projekt, framträdde som indikativa för den övergripande programvarukvaliteten och programvarustabiliteten. Genom denna forskning uppnås en djupare förståelse för regressionstestningens metriker och deras kritiska roll i en ökad programvarukvalitet. Det är dock uppenbart att ytterligare forskning behövs, inklusive bredare fallstudier, undersökning av tillämpningen av maskininlärningsalgoritmer och utforskning av ytterligare metriker, för att fullt ut förstå deras universella användningsområden. Insikterna i resultaten från denna avhandling syftar till att bidra till fältet för regressionstestning akademiskt och även ge praktiska insikter till yrkesverksamma inom programvarukvalitet.

This study investigates how people's perceived sense of safety affects their use of and feeling of safety when they are in a park. The chosen location for the case study research is Karlstad City Garden. Currently, Karlstad City Garden is underutilized and was described as unsafe in a survey conducted by the municipality of Karlstad in 2018 (Karlstad kommun 2019). The purpose of this study is to examine visitors' perceived feelings of safety when they are in Karlstad City Garden. The study will focus on four factors; lighting, lack of people, maintenance, and visibility to provide what effect they have on people when they visit a public place. Previous research, including the municipality's safety survey, identified these four factors as significant contributors to visitors' feelings of safety. This study aims to gain a better understanding of why visitors perceive themselves as safe or unsafe in the park and how these four factors influence their perceived sense of safety. To investigate visitors' experiences of the park, a questionnaire was distributed through social media, and QR codes were distributed in the park to reach a diverse range of respondents. Additionally, observations were conducted as part of the study, primarily to complement the questionnaire and strengthen the findings. The study findings revealed that the time of day and the four factors mentioned above influenced visitors' perceived sense of safety in the park. During the day, more people were present, which made visitors feel safer. In the evening, the park was largely empty, and there were few visitors. The feelings of safety during this time could be attributed to the low population in the park, inadequate lighting in most areas, and reduced visibility during the evening. The poor visibility and lighting could be a result of insufficient maintenance, particularly in the densely vegetated southern part of the park. As a result, many people may have avoided visiting the park in the evening due to feeling unsafe.

Industrial robots are a key component for several industrial applications. Like all mechanical tools, they do not last forever. The solution to extend the life of the machine is to perform maintenance on the degraded components. The optimal approach is called predictive maintenance, which aims to forecast the best moment for performing maintenance on the robot. This minimizes maintenance costs as well as prevents mechanical failure that can lead to unplanned production stops. There already exist methods to perform predictive maintenance on industrial robots, but these methods require additional sensors. This research aims to predict the anomalies by only using data from the sensors that already are used to control the robot. A machine learning approach is proposed for implementing predictive maintenance of industrial robots, using the torque profiles as input data. The algorithms selected are tested on simulated data created using wear and temperature models. The torque profiles from the simulator are used to extract a health index for each joint, which in turn are used to detect anomalous states of the robot. The health index has a fast exponential growth trend which is difficult to predict in advance. A Gaussian process regressor, an Exponentron, and hybrid algorithms are applied for the prediction of the time series of the health state to implement the predictive maintenance. The predictions are evaluated considering the accuracy of the time series prediction and the precision of anomaly forecasting. The investigated methods are shown to be able to predict the development of the wear and to detect the anomalies in advance. The results reveal that the hybrid approach obtained by combining predictions from different algorithms outperforms the other solutions. Eventually, the analysis of the results shows that the algorithms are sensitive to the quality of the data and do not perform well when the data present a low sampling rate or missing samples. / Industrirobotar är en nyckelkomponent för flera industriella applikationer. Likt alla mekaniska verktyg håller de inte för alltid. Lösningen för att förlänga maskinens livslängd är att utföra underhåll på de slitna komponenterna. Det optimala tillvägagångssättet kallas prediktivt underhåll, vilket innebär att förutsäga den bästa tidpunkten för att utföra underhåll på roboten. Detta minimerar både kostnaderna för underhåll samt förebygger mekaniska fel som kan leda till oplanerade produktionsstopp. Det finns redan metoder för att utföra prediktivt underhåll på industriella robotar, men dessa metoder kräver ytterligare sensorer. Denna forskning syftar till att förutsäga avvikelserna genom att endast använda data från de sensorer som redan används för att reglera roboten. En maskininlärningsmetod föreslås för implementering av prediktivt underhåll av industriella robotar, med hjälp av vridmomentprofiler som indata. Metoderna testas på simulerad data som skapats med hjälp av slitage- och temperaturmodeller. Vridmomenten används för att extrahera ett hälsoindex för varje axel, vilket i sin tur används för att upptäcka anomalier hos roboten. Hälsoindexet har en snabb exponentiell tillväxttrend som är svår att förutsäga i förväg. En Gaussisk processregressor, en Exponentron och hybridalgoritmer används för prediktion av tidsserien för hälsoindexet för att implementera det prediktiva underhållet. Förutsägelserna utvärderas baserat på träffsäkerheten av förutsägelsen för tidsserien samt precisionen för förutsagda avvikelser. De undersökta metoderna visar sig kunna förutsäga utvecklingen av slitage och upptäcka avvikelser i förväg. Resultaten uppvisar att hybridmetoden som erhålls genom att kombinera prediktioner från olika algoritmer överträffar de andra lösningarna. I analysen av prestandan visas att algoritmerna är känsliga för kvaliteten av datat och att de inte fungerar bra när datat har låg samplingsfrekvens eller då datapunkter saknas.

Detta examensarbete är utfört på Astrazeneca Södertälje inom Meto-försteg som är en del av fabriken API, med syftet att effektivisera underhållsarbetet. En kartläggning av det förebyggande underhållet genomfördes, i syfte att identifiera underhållsarbete som utförs dubbelt av både operatörer inom API och underhållsleverantören Caverion. Examensarbetet presenterar en redogörelse för begrepp inom underhåll, TPM (Total Productive Maintenance) och beslutsmodellen QFD (Quality Function Deployment) vilka utgör den teoretiska utgångspunkten för resultat och analys. Examensarbetet bygger på insamlade observationer och intervjumaterial från personal verksamma inom drift och underhåll. Studiens resultat visar att det genomförs överlappningar i underhållsarbetet, exempelvis inom veckotillsyn och förebyggande underhåll (FU) inom fabriksdelen Meto- försteg. Både operatörer och Caverion genomför underhållsåtgärder som innefattar visuell kontroll av oljenivåer, läckage, missljud, vibrationer för ett antal maskiner. En tydligare fördelning av underhållsåtgärder mellan operatörer och Caverion kommer bidra till effektiviseringen av underhållsarbetet. / This thesis was carried out at Astrazeneca Södertälje within Meto-pre stage, which is part of the factory API, intending to streamline the maintenance work. Apreventive maintenance survey was carried out, to identify maintenance work that was performed twice by both API operators and the maintenance provider Caverion. The thesis presents an account of concepts in maintenance, TPM (Total Productive Maintenance), and the decision model QFD (Quality Function Deployment) which constitute the theoretical starting point for results and analysis. The thesis is based on collected observations and interview materials from staff active in operations and maintenance. The results of the study show that there are overlaps in maintenance work, for example in weekly supervision/inspections and preventive maintenance (FU) within the factory part Meto-pre stage. Both operators and Caverion carry out maintenance operations that include a visual control of oil levels, leakage, noise, vibrations for several machines. A clearer distribution of maintenance measures between operators and Caverion will contribute to the streamlining of maintenance work.

As digital tools and technologies, such as AR, VR, Digital Twin, IoT and other interactive visualization technologies are being developed, new opportunities arise to use these to optimize the efficiency of operations, not least in the area of maintenance. One industry where maintenance is of utmost importance is the railway industry, where the goal of having a punctual, reliable and cost-effective railway traffic is dependent on the availability of maintained railway vehicles. The maintenance procedures of the vehicles are performed by technicians, working in depots to fix faults and service the vehicles. However, a lack of resources, poor coordination and information handling, and complex vehicles make the work and procedures of technicians cumbersome. The purpose of this thesis project was to investigate and give recommendations on how digital tools and technologies can facilitate the maintenance of railway vehicles. To do so, a qualitative study has been performed consisting of 12 interviews with technicians and depot staff. The purpose of the study was to understand their main challenges and time-consuming activities. Moreover, the potential use of digital tools and technologies to facilitate the identified challenges has been analyzed to establish recommendations on what tools and technologies can be used and how they should be used to aid technicians. The main challenges and time-consuming activities found include finding and accessing relevant information quickly and easily, understanding the information available, and collaborating with actors for support and expertise. The digital tools and technologies recommended consist of tablets to access information quick and easy, AR to visualize instructions and create an environment for remote support, AI to quickly search and filter information to enhance troubleshooting procedures, Digital Model to visualize vehicle configuration and link and structure information, and lastly, real-time data transfer utilizing eMaintenance technologies to faster receive information about the vehicle and its faults. The results of this thesis project can give direction for future research and the development and integration of digital tools and technologies to facilitate technicians in the maintenance of railway vehicles. / I takt med att digitala verktyg och tekniker såsom AR, VR, Digital Tvilling, IoT och andra interaktiva visualiseringsteknologier utvecklas uppstår nya möjligheter att använda dessa för att optimera effektiviteten inom verksamheter, inte minst inom området för underhåll. En bransch där underhåll är av största vikt är järnvägsbranschen, där målet att ha en punktlig, pålitlig och kostnadseffektiv järnvägstrafik är beroende av tillgången av underhållna spårfordon. Underhåll på fordon utförs av fordonstekniker som arbetar i depåer för att åtgärda fel och serva fordonen. Brist på resurser, dålig samordning och informationshantering samt komplexa fordon gör dock fordonsteknikernas arbete och rutiner besvärliga. Syftet med detta examensarbete var att undersöka och ge rekommendationer hur digitala verktyg och tekniker kan underlätta underhållet av spårfordon. För att uppnå det har en kvalitativ studie genomförts bestående av 12 intervjuer med fordonstekniker och depåpersonal. Syftet med studien var att förstå de största utmaningarna och tidskrävande aktiviteter de stöter på i sitt arbete. Vidare har potentiella användningsområden hos digitala verktyg och tekniker för att underlätta de identifierade utmaningarna analyserats för att fastställa rekommendationer om vilka verktyg och tekniker som kan användas och hur de bör användas för att hjälpa fordonsteknikerna. De främsta utmaningarna och tidskrävande aktiviteterna som hittats inkluderar att snabbt och enkelt hitta och komma åt relevant information, förstå tillgänglig information, samt samarbetet med aktörer för stöd och expertis. De digitala verktygen och teknikerna som rekommenderas består av surfplattor för att nå information snabbt och enkelt, AR för att visualisera instruktioner och skapa en miljö för fjärrsupport, AI för att snabbare söka och filtrera användbar information för att effektivisera felsökningsprocedurerna, Digital Modell för att visualisera fordonskonfiguration samt länka och strukturera information, och slutligen eMaintenance teknik för överföring av realtidsdata för att snabbare få information om fordonet och dess fel. Resultatet av detta examensarbete kan ge en riktning för framtida forskning, utveckling och integration av digitala verktyg och tekniker för att underlätta för fordonstekniker i underhållet av spårfordon.