<p> </p><p>Det statistiska kvalitetsverktyget Statistisk Processtyrning, SPS, introducerades på BT Products AB i Mjölby utifrån en specifik implementeringsprocess. Introduktionen utfördes i en målningsprocess och genom detta arbete kunde aktuell process utvärderas och orsaker bakom eventuell urskiljbar variation eftersökas. I gällande process målas gods till eldrivna truckar svarta genom elektrostatisk pulvermålning, där eftersträvad färgskikttjocklek är 70 µm. Målningen utförs automatiserat av fyra robotar och för att erhålla kunskap om processens uppförande studerades och analyserades utfallet statistiskt utifrån en bestämd kvalitetsindikator, färgskikttjockleken. Data samlades in utifrån denna indikator genom kontinuerlig mätning på utvalt objekt och med hjälp av en mätmall för att erhålla jämförbara observationer. Tillförlitligheten hos insamlad data analyserades och observationerna uppvisade en normalfördelning och slumpmässighet. En hög grad av autokorrelation sågs dock, varför transformation av data krävdes innan fortsatta studier kunde utföras. I och med denna transformation erhölls oberoende och därmed tillförlitliga residualer, vilka studerades i styrdiagram för att information om processens uppförande över tiden skulle erhållas. Observationerna är individuella och anges som variabeldata, varför stora skiftningar i processen studerades i x‑ och MR-diagram och små skiftningar i EWMA-diagram. Vid studie av dessa diagram kunde såväl alarm som trender identifieras och processen ansågs därmed vara instabil. Dessa företeelser antogs vara resultatet av urskiljbar variation, orsakad av kontrollerbara faktorer. I den efterföljande processutvärderingen kom därför arbetet att fokusera på identifikation av dessa faktorer. För denna identifikation sattes en fokusgrupp samman, vilka listade möjliga faktorer i ett Ishikawadiagram utifrån <em>de sju M:en</em>.</p><p>Uppkomna faktorer testades utifrån främst tre olika metoder; tvåfaktorförsök, enfaktorförsök och loggning. Faktorförsöken genomfördes genom målning av testplåtar, där skillnad i färgskikttjocklek beroende på vald faktornivå studerades. Loggning av faktorer utfördes parallellt med produktion, varpå dessa värden ställdes mot registrerade värden på färgskikttjockleken i en ANOVA- eller korrelationsanalys. Utifrån resultatet av dessa tester delades undersökta faktorer in i <em>Signifikanta</em>, <em>Delvis signifikanta</em>, <em>Eventuellt signifikanta</em> och <em>Ej signifikanta</em>. De faktorer som ansågs vara signifikanta är <em>Fluidisering</em> och <em>Pulverbatch</em>, vilka kan vara bidragande orsaker bakom den urskiljbara variationen som identifierats. Fluidiseringen har periodvis varit undermålig i ett av de pulverkök som förser robotarna med pulver, något som kan förklara uppvisad låg korrelation mellan robotarna och den höga nivå av autokorrelation som skådats. Vid ett test med fyra olika säckar från två olika batcher sågs även en varierad batchhärkomst påverka resultatet, med en skillnad i färgskikttjocklek på mellan 10 och 20 µm på testplåten. De <em>Delvis signifikanta</em> faktorerna, så som injektorplugg, elektrod och munstycken, kan påverka utfallet vid en hög grad av förslitning och troligen fås störst inverkan i de fall då dessa samverkar. Genom att utföra rekommenderade åtgärder beträffande de signifikanta faktorerna, med avseende på att minska variationen, kan processen åter studeras och utredas. Beroende på utfall kan en stabil process förbättras och i annat fall söks nya källor till variation.</p><p> </p> / <p> </p><p>The statistical quality tool Statistical Process Control (SPC) was introduced at BT Products AB in Mjölby following the process of SPC implementation. The current process is a powder coating process where parts for powered trucks are painted black. The electrostatic powder coating is performed by four automatized robots and the desired layer thickness is 70 µm. The process has been evaluated from a quality characteristic, specified as the layer thickness, and special causes behind variation were identified. Data has been collected continuously from the process by measuring objects in the production, using a self-developed measurement template to receive comparable data. Statistical tools have been used to evaluate whether the data were reliable or not. A normal probability plot confirmed that the observations were normally distributed and a scatter plot established randomness. Autocorrelation was detected and the data had to be transformed, why the independent and reliable residuals were used in the subsequent analysis. Control charts were used to study the process over time, where individual x- and MR-charts detected large shifts in the process, while EWMA-charts detected small shifts. Alarms, trends and abnormal patterns were identified in these control charts, which led to the conclusion that the process could be considered out of control. The special causes behind this variation were assumed to stem from controllable factors and the work was therefore focused on identifying these special causes.</p><p>Factors were listed in an Ishikawadiagram by a focus group and tested using mainly three different methods. Design of experiments was used to test a two factorial design, and single factors were tested by one-factor-tests. A sheet metal was painted in both test methods and the difference in layer thickness, dependent on chosen level of the factor, was studied. Other factors were logged parallel to the production. Additional observations were compared to the registered layer thickness on parts and the relation analysed using ANOVA- or correlation analyses. Examined factors from these tests were divided and categorized into <em>Significant, Partially significant, Possibly significant</em> and <em>Not significant</em>. Fluidisation and powder batch were identified as significant factors and thereby possible causes behind the identified variation. The fluidisation in one of the powder containers has at times been misbegotten, something that can explain the high level of autocorrelation and the low level of correlation between the robots. When testing the batches, four sacks from two different batches were used and a large difference in layer thickness was observed depending on powder origin. A high degree of wear of the partially significant factors, as injector nozzle, electrode and gun nozzle, could affect the result, but they likely have the largest impact when collaborating. By performing recommended actions, in an attempt to reduce the variation on the basis of the significant factors, the process once again can be studied and evaluated. Depending on the result, a stable process can be improved, alternatively, new sources behind variation identified.</p><p> </p>

Det statistiska kvalitetsverktyget Statistisk Processtyrning, SPS, introducerades på BT Products AB i Mjölby utifrån en specifik implementeringsprocess. Introduktionen utfördes i en målningsprocess och genom detta arbete kunde aktuell process utvärderas och orsaker bakom eventuell urskiljbar variation eftersökas. I gällande process målas gods till eldrivna truckar svarta genom elektrostatisk pulvermålning, där eftersträvad färgskikttjocklek är 70 µm. Målningen utförs automatiserat av fyra robotar och för att erhålla kunskap om processens uppförande studerades och analyserades utfallet statistiskt utifrån en bestämd kvalitetsindikator, färgskikttjockleken. Data samlades in utifrån denna indikator genom kontinuerlig mätning på utvalt objekt och med hjälp av en mätmall för att erhålla jämförbara observationer. Tillförlitligheten hos insamlad data analyserades och observationerna uppvisade en normalfördelning och slumpmässighet. En hög grad av autokorrelation sågs dock, varför transformation av data krävdes innan fortsatta studier kunde utföras. I och med denna transformation erhölls oberoende och därmed tillförlitliga residualer, vilka studerades i styrdiagram för att information om processens uppförande över tiden skulle erhållas. Observationerna är individuella och anges som variabeldata, varför stora skiftningar i processen studerades i x‑ och MR-diagram och små skiftningar i EWMA-diagram. Vid studie av dessa diagram kunde såväl alarm som trender identifieras och processen ansågs därmed vara instabil. Dessa företeelser antogs vara resultatet av urskiljbar variation, orsakad av kontrollerbara faktorer. I den efterföljande processutvärderingen kom därför arbetet att fokusera på identifikation av dessa faktorer. För denna identifikation sattes en fokusgrupp samman, vilka listade möjliga faktorer i ett Ishikawadiagram utifrån de sju M:en. Uppkomna faktorer testades utifrån främst tre olika metoder; tvåfaktorförsök, enfaktorförsök och loggning. Faktorförsöken genomfördes genom målning av testplåtar, där skillnad i färgskikttjocklek beroende på vald faktornivå studerades. Loggning av faktorer utfördes parallellt med produktion, varpå dessa värden ställdes mot registrerade värden på färgskikttjockleken i en ANOVA- eller korrelationsanalys. Utifrån resultatet av dessa tester delades undersökta faktorer in i Signifikanta, Delvis signifikanta, Eventuellt signifikanta och Ej signifikanta. De faktorer som ansågs vara signifikanta är Fluidisering och Pulverbatch, vilka kan vara bidragande orsaker bakom den urskiljbara variationen som identifierats. Fluidiseringen har periodvis varit undermålig i ett av de pulverkök som förser robotarna med pulver, något som kan förklara uppvisad låg korrelation mellan robotarna och den höga nivå av autokorrelation som skådats. Vid ett test med fyra olika säckar från två olika batcher sågs även en varierad batchhärkomst påverka resultatet, med en skillnad i färgskikttjocklek på mellan 10 och 20 µm på testplåten. De Delvis signifikanta faktorerna, så som injektorplugg, elektrod och munstycken, kan påverka utfallet vid en hög grad av förslitning och troligen fås störst inverkan i de fall då dessa samverkar. Genom att utföra rekommenderade åtgärder beträffande de signifikanta faktorerna, med avseende på att minska variationen, kan processen åter studeras och utredas. Beroende på utfall kan en stabil process förbättras och i annat fall söks nya källor till variation. / The statistical quality tool Statistical Process Control (SPC) was introduced at BT Products AB in Mjölby following the process of SPC implementation. The current process is a powder coating process where parts for powered trucks are painted black. The electrostatic powder coating is performed by four automatized robots and the desired layer thickness is 70 µm. The process has been evaluated from a quality characteristic, specified as the layer thickness, and special causes behind variation were identified. Data has been collected continuously from the process by measuring objects in the production, using a self-developed measurement template to receive comparable data. Statistical tools have been used to evaluate whether the data were reliable or not. A normal probability plot confirmed that the observations were normally distributed and a scatter plot established randomness. Autocorrelation was detected and the data had to be transformed, why the independent and reliable residuals were used in the subsequent analysis. Control charts were used to study the process over time, where individual x- and MR-charts detected large shifts in the process, while EWMA-charts detected small shifts. Alarms, trends and abnormal patterns were identified in these control charts, which led to the conclusion that the process could be considered out of control. The special causes behind this variation were assumed to stem from controllable factors and the work was therefore focused on identifying these special causes. Factors were listed in an Ishikawadiagram by a focus group and tested using mainly three different methods. Design of experiments was used to test a two factorial design, and single factors were tested by one-factor-tests. A sheet metal was painted in both test methods and the difference in layer thickness, dependent on chosen level of the factor, was studied. Other factors were logged parallel to the production. Additional observations were compared to the registered layer thickness on parts and the relation analysed using ANOVA- or correlation analyses. Examined factors from these tests were divided and categorized into Significant, Partially significant, Possibly significant and Not significant. Fluidisation and powder batch were identified as significant factors and thereby possible causes behind the identified variation. The fluidisation in one of the powder containers has at times been misbegotten, something that can explain the high level of autocorrelation and the low level of correlation between the robots. When testing the batches, four sacks from two different batches were used and a large difference in layer thickness was observed depending on powder origin. A high degree of wear of the partially significant factors, as injector nozzle, electrode and gun nozzle, could affect the result, but they likely have the largest impact when collaborating. By performing recommended actions, in an attempt to reduce the variation on the basis of the significant factors, the process once again can be studied and evaluated. Depending on the result, a stable process can be improved, alternatively, new sources behind variation identified.

<p>Quality was earlier only an issue for the company’s quality departments but today is the entire organization involved in quality- and improvements work. With the customers in focus, both external and internal, quality and improvement work should be integrated in the daily activities. The management shall state goals and visions together with a policy. Through participation the correct requirements for a successful work are created.</p><p>With SPC, statistics process control, there is an opportunity to perceive variations in the process and with the correct tools make it stable. Examples of tools that can be used are the seven QC – tools and the PDCA – cycles, which are presented more detailed in the report.</p><p>By using SPC and the information given by it, a measure of the process capability within fixed tolerances on the produced parts can be achieved.</p><p>The analysis in this report has been made in order to verify the capability and variations in the measuring system used within a selected production sector.</p>

Quality was earlier only an issue for the company’s quality departments but today is the entire organization involved in quality- and improvements work. With the customers in focus, both external and internal, quality and improvement work should be integrated in the daily activities. The management shall state goals and visions together with a policy. Through participation the correct requirements for a successful work are created. With SPC, statistics process control, there is an opportunity to perceive variations in the process and with the correct tools make it stable. Examples of tools that can be used are the seven QC – tools and the PDCA – cycles, which are presented more detailed in the report. By using SPC and the information given by it, a measure of the process capability within fixed tolerances on the produced parts can be achieved. The analysis in this report has been made in order to verify the capability and variations in the measuring system used within a selected production sector.

Inom industriell tillverkning har alla maskiner en teoretisk duglighet. Den skiljer sig däremot från den faktiska när den sätts i en process, där påverkas dugligheten av samtliga resurser i processen. Electrolux Laundry Systems har problem i sin plåtberedning som beror på att dugligheten bland plåtberedningens maskiner är okänd. Projektet handlar om att beräkna dugligheten i Electrolux Laundry Systems plåtberedningsmaskiner samt ge förslag på hur dugligheten kan förbättras och övervakas. De studerade maskinerna består av tre stansar och fem bockningsmaskiner. Dugligheten mäts i duglighetsindexet Cpk. Mätdatan plottas även i diagram måttvis. Resultatet från studien visar att samtliga plåtberedningmaskiners duglighet beräknades till under 1,0. Ett godkänt värde bör ligga mellan 1,33 och 1,66. Det betyder att plåtberedningsprocessen inte är duglig.

When using the digital halftone proofing systems, a closer print match can be achieved compared to what earlier couldbe done with the analogue proofing systems. These proofing systems possibilities to produce accurate print match canas well lead to producing bad print matches as several print related parameters can be adjusted manually in the systemby the user. Therefore, more advanced knowledge in graphic arts technology is required by the user of the system.The prepress company Colorcraft AB wishes to control that their color proofs always have the right quality. This projectwas started with the purpose to find a quality control metod for Colorcraft´s digital halftone proofing system(Kodak Approval XP4).Using a software who supports spectral measuring combined with a spectrophotometer and a control bar, a qualitycontrol system was assembled. This system detects variations that lies out of the proofing system´s natural deviation.The prerequisite for this quality control system is that the tolerances are defined with consideration taken to the proofingsystems natural deviations. Othervise the quality control system will generate unnecessecary false alarms and thereforenot be reliable.

Statistisk processtyrning, SPS, är ett välkänt verktyg som används för kvalitetsförbättringar inom organisationer världen över. De senaste åren har tillverkande organisationer tenderat att gå mot kortare serier, vilket medför en problematik när de vill tillämpa statistiska metoder som är utvecklade för traditionell masstillverkning. Framgångsfaktorer för implementering av SPS vid små serier är ett relativt outforskat område och kräver därför ytterligare forskning. Syftet med denna studie var att ta fram en modell över hur SPS framgångsrikt kan implementeras av organisationer med små serier och en stor detaljflora. För att besvara syftet genomfördes en fallstudie med både kvantitativ och kvalitativ metod. Deltagande observationer och en workshop med 15 deltagare utfördes för att identifiera existerande variationer samt definiera nuläget i det avgränsade produktionsflödet, vars processer studerades i studien. Tre produktfamiljer och kritiska parametrar som representerade produktkvalitén valdes ut för att följas upp i styrdiagram. En mätsystemanalys utfördes för att undersöka om de mätdon som i stor utsträckning användes för kvalitetskontroll i processen var tillförlitliga. Styrdiagram upprättades anpassade för små serier och statistiska analyser utfördes för att undersöka om SPS var en användbar metod för kvalitetsförbättringar i processer med små serier. En kvalitativ benchmark med fyra deltagande organisationer utfördes även för att ta del av deras erfarenheter relaterat till implementering och arbete med SPS.  Resultatet visade att den studerade organisationen behöver utföra förändringar gällande arbetsmetoder för kvalitetskontroll samt hantering av processer och mätsystem. Det finns även behov av ett omfattande förbättringsarbete, för att eliminera det flertalet orsaker till systematiska variationer som identifierades påverka processerna och produktkvalitén. Dessa förändringar krävs innan en implementering av SPS kan genomföras. Verktyg inom SPS visade sig med framgång kunna användas för att förbättra processer med små serier, vid användning av standardiserade styrdiagram som möjliggör analys av flera produkter i samma diagram. Processer med små serier och en stor detaljflora medför en utökad komplexitet vid statistiska analyser och visar tecken på ett flertal svårigheter som ökar risken för en fallerad implementering.  Utifrån analyser av det kvalitativa och kvantitativa resultatet skapades en modell med 15 framgångsfaktorer för implementering av SPS vid små serier. Faktorerna bör följas av organisationer med små serier som vill lyckas med att implementera SPS. Framgångsfaktorerna är följande: (1) Var beredd på en kulturförändring som kräver att SPS vävs in i hela organisationen, (2) Förmedla ett tydligt mål och hållbar strategi för arbetet med SPS, (3) Skapa ett utbrett engagemang i hela organisationen, (4) Utse en SPS-koordinator, (5) Inför utbildning och uppföljning från start, (6) Skapa tvärfunktionella team, (7) Främja samarbete och delaktighet under förbättringsarbetet, (8) Ställ krav på ett dugligt mätsystem, (9) Utför en pilotstudie där det finns intresse, (10) Identifiera kritiska processer, produktfamiljer och parametrar, (11) Börja med att lära känna processerna, (12) Upprätta standardiserade styrdiagram, (13) Tolkning och analys av styrdiagram utförs enligt Montgomerys metod för statistiska analyser, (14) Sträva efter stabila processer, (15) Utför kontinuerlig uppföljning. / Statistical process control, SPC, is a widely used technique for quality improvements by companies all over the world. The current trend in manufacturing organizations is directed towards shorter productions runs, which cause problems when applying traditional statistical methods developed for SPC on mass production runs. The critical factors for a successful implementation of SPC on short runs are still not fully explored and require further research. The main purpose of this study was to present a conceptual framework that illustrates the successful implementation of SPC in organizations with short runs and extensive product portfolio. In order to answer the research questions, a case study research methodology with both quantitative and qualitative methods was used. Participant observations and a workshop including 15 participators were performed in order to identify existing process variability’s and current state of the studied production processes.  Three product families and key quality characteristics of each product were chosen to be monitored in control charts, based on scrap costs and staff experiences of the production process.  A measurement system analysis was used to determine if the gauges, used to make measurement quality controls, were capable. Control charts were constructed and adjusted to short production runs. Statistical analysis was then made on the information gathered through the control charts to determine if statistical tools within SPC was useful for quality improvements on short production runs.  Also a qualitative benchmark was performed with four manufacturing companies to take part of their experiences and knowledge related to the implementation and application of SPC.  The findings indicate that the studied organization needs to improve working methods related to quality inspections and monitoring of the production processes. The organization also needs to improve the measurement system and make an extensive work of improvement to reduce the many identified special causes of variation that affects the processes and product quality, before implementing SPC in the organization. Findings showed that SPC tools and techniques successfully can be adopted to improve short run production processes when using standardized control charts for different product types. Short run production processes involve more complex statistical analysis which could inhibit the success of an implementation of SPC.   The analysis of the qualitative and quantitative findings resulted in a framework including 15 critical success factors for the implementation of SPC in short production runs. All the following critical success factors should be taken into account by organizations with short runs that aspire a successful implementation of SPC: (1) Be ready to make a cultural change including the recognition of the importance of SPC within the whole organization, (2) Communicate a clear goal and long-term strategy, (3) Create motivation and commitment from top management to operators on the shop floor, (4) Select a SPC coordinator, (5) Introduce a training programme with feedback from start, (6) Create cross-functional teams, (7) Stimulate cooperation and participation within the work of improvements, (8) Ensure a capable measurement system, (9) Perform a pilot project with enthusiastic employees, (10) Identify critical processes, product families and key quality characteristics, (11) Focus on exploring process behaviors, (12) Construct standardized control charts, (13) Interpret and analyze control charts according to Montgomery’s method for statistical analysis, (14) Attempt to obtain processes in control, (15) Perform continuous follow ups.

Nouryon, formerly Akzo Nobel, is a world-leading manufacturer of particles. Already in the 70s, one part of Nouryon was founded in Stockvik where to this day still produce particles of the highest class. When the production of particles is classified under the chemical process industry, the manufacturing process consists of a number of raw materials mixed and reacting with each other in different vessels. Many of the chemicals used are harmful to human health and therefore Nouryon is constantly working to increase safety while at the same time a great focus is on streamlining the manufacturing process. The purpose of the work is to reduce the variation in the manufacturing process by analyzing a particular product family, working with tools based on statistics and historical data, and automatic inspection systems with the basis in camera technology. By reducing the variation, the proportion of First Time Right will increase, which in turn results in reduced costs that arise due to rework. It would also facilitate production planning, reduce downtime for subsequent processes and generally result in a generally more reliable process. By raising the root causes of the variation and addressing these with the help of tools that simplify the daily work, control of the process can be taken and the needs of the customers be ensured. To create an understanding of the chemical process, a current study of how different manufacturing steps were carried out. In addition to this, it was also investigated how the company is currently working on raising problems to the surface and in order to be able to determine how the work with the statistical tools and the inspection system could be fullfilled in the current conditions. The work resulted in a large amount of data that was the basis for a multivariate analysis, a number of proposals for future work and also two separate reports discusses with statistical process control and inspection systems with camera technology. Unfortunately, no quantitative results can be presented in the work because all results are based on actions taken in the longer term.

Produktionslinjer som har fått ett slutdatum för att producera sista produkten har nyautmaningar jämfört med nya eller etablerade produktionslinjer. Med ett slutdatum blirinvesteringar på utrustningen mer restriktiva och med färre tillverkade produkter blir det färreenheter att slå ut kostnaderna på. När Scania då väljer att sluta producera på den gamlaproduktionslinjen för att istället producera raka motorer på den nya produktionslinjen uppstårvissa frågeställningar. Hur kan produktionen övervakas trots att färre motorer tillverkas pålinjen? Hur väljs rätt investering för maskinerna när det finns ett slutdatum? Hur säkerställs attproduktionen fortfarande har relevanta nyckeltal? Syftet med studien var att se hur produktionen påverkas av att ha längre takttid ochmöjligheterna till att implementera statistisk processtyrning (SPS) i produktionen. För att uppnåsyftet användes kvalitativ och kvantitativ datainsamling. Den kvalitativa datainsamlingenanvände intervjuer och fokusgrupper för att ge en lägesbild över produktionen. Den kvantitativadatainsamlingen kom från programvaror som övervakar produktionen. En station som ärhelautomatiserad valdes för att implementera styrdiagram på. Data från ett år bakåt i tidensamlades in för att få en bättre förståelse över hur den presterat det senaste året. Under analysenframkom det att den data som samlats in var autokorrelerad, därför användes en moving average(MA(1)) modell för att övervaka processen. Resultatet visar på att det finns fördelar med att implementera styrdiagram på fler stationer änden som utfördes under examensarbetet. Arbetet kan användas som en grund till en eventuellutökning av styrdiagram längs hela produktionslinan. Från intervjuer framkom det att underlägre produktionstakt blir det lägre stopptid och mer tid för annat för montörer och team leaders.Rekommendationerna blev därför att införa styrdiagram på stationen som undersöks underarbetet. För att få en bättre bild över prestationen över tid och kunna se resultatet av eventuellaförbättringar. Andra rekommendationen är gällande övervakning av produktionen, där antalstörningar ska dokumenteras istället för stopptiden på linjen. / Production lines with a decided end date to stop production have new challenges associated tothem compared to new or already established production lines. With an end date, investmentsin equipment become more restrictive and with fewer manufactured products, there will befewer units to cover the costs. When Scania finalizes the decision to close the old productionline of in line engines and move them to the new production line some questions arises. Howare they planning on monitoring production even though fewer engines are beingmanufactured? How to choose the right investment for the machines when there is an end date? The purpose of the study was to see how production is affected by having a longer cycle timeand the possibilities of implementing statistical process control (SPC) in production. To achievethe purpose, focus groups, observations, qualitative and quantitative data collection were used.A station that is fully automated was chosen to implement control charts on. Data from over ayear back in time were collected to get a better understanding of how it has performed in thepast year. During the analysis, it emerged that the data collected was autocorrelated, thereforea moving average (MA (1)) model was used to monitor the process. The results show that there are advantages to implementing control charts at multiple stationsrather than just the one performed during the degree project. This thesis is aimed at working asa basis for possible future expansion for other machines on the production line. Frominterviews, it emerged that during lower production, there will be less downtime and more timefor other things for operators and team leaders to do. The recommendations were therefore tointroduce control charts at the station that are examined within the thesis. These charts canenable production to get a better picture of the performance over time and be able to see theresult of any improvements. The second recommendation is regarding monitoring ofproduction, where the number of disturbances in production should be documented instead ofthe stop time on the line.

För att kunna vara konkurrenskraftig är en hög leveranssäkerhet viktigt för många företag. Leveranssäkerhet är extra viktigt för logistikföretag därför att leverera i rätt tid och till rätt kvalitet utgör deras kärnverksamhet. Kunder kräver även hög leveranssäkerhet när de väljer sina leverantörer, vilket innebär att leveranssäkerhet blir ett krav för att ett företag ska anses som ett alternativ för kunden. Martin &amp; Servera Logistik är ett logistikföretag inom livsmedelsbranschen och hanterar cirka 6000 leveranser varje dag. De arbetar kontinuerligt med att förbättra sin leveranssäkerhet, vilket mäts i antal kundreklamationer. En del av dessa reklamationer uppstår på grund av avvikelser i transportprocessen, vilket leder till kvalitetsbristkostnader i form av returer och omarbeten.  Syftet med denna studie är att utreda problem och brister som kan uppstå i transportprocesser hos logistikföretag, specifikt inom livsmedelsbranschen. Studien syftar även till att ge exempel på förbättringar som kan implementeras för att höja leveranssäkerheten och minska kvalitetsbristkostnader. För att uppnå syftet har en fallstudie genomförts hos Martin &amp; Servera Logistik. Studien har bedrivits som ett Sex-Sigma projekt där problemlösningsmetoden DMAIC har använts. Akronymen DMAIC står för Define, Measure, Analyze, Improve och Control.  Projektet har inneburit analys av både kvantitativa och kvalitativa data. En litteraturstudie har genomförts för att förklara sambandet mellan leveranssäkerhet och kvalitetsbristkostnader och hur dessa kan påverkas med hjälp av processutveckling. Insamling av data har gjorts genom intervjuer och en fokusgrupp. Analys har genomförts med hjälp av metoder inom statistisk processtyrning, processkartläggning, och tematisk analys av intervjuer.  Från studien framkom att de vanligaste kvalitetsbristerna som uppstår i en transportprocess är olika former av transportskador samt att varor saknas vid leverans. Bland de vanligaste orsakerna till kvalitetsbrister som identifierades fanns feltemperering, krosskador och felplacerat gods. Exempel på förbättringsåtgärder för att höja leveranssäkerheten är att koppla orsakklassificeringar till specifika processaktiviteter, till exempel i ett avvikelsehanteringssystem.  Utifrån studiens resultat kan det konstaterats att minskade kvalitetsbristkostnader kan utgöra ett mått på ökad leveranssäkerhet, vilket kan uppnås genom kontinuerligt arbete med processutveckling. Baserat på tidigare studier kan det även konstateras att leveranssäkerhet kan bidra till minskat slöseri i transportprocesser och på så vis bidra till hållbar utveckling. Kravet på leveranssäkerhet för att förbli konkurrenskraftig kan därigenom användas som incitament för att utveckla företagets processer. Detta kan göras i syfte att minska kostnader, öka kundtillfredsställelse och bidra till hållbar utveckling.