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.

The concept of a digital twin was originated by Nasa who used advanced simulation techniques during their first moon landing but has since evolved and the areas of application have broadened considerably. In recent years, the phenomenon has received a lot of attention in relation to the real estate industry in particular, which have been followed by plenty of research into digital twins within the informatics field. However, there is still a great lack of studies that focus on the supplier’s perspective of the implementation. Therefore, the aim of this study is to identify the root causes of perceived challenges with digital twins from a supplier perspective by identifying what gives rise to problems and difficulties with the implementation of digital twins. This research contributes empirically by delving into the supplier's viewpoint, enhancing theoretical understanding through the identification of underlying causes, and practically by proposing ways to manage these foundational challenges effectively. The findings underscore the importance of addressing the knowledge gap between suppliers and clients early in the implementation process, recommending organizational and technical strategies to optimize digital twin utilization and management.

Cyber-Physical System (CPS) or Digital-Twin approach are becoming popular in industry 4.0 revolution. CPS not only allow to view the online status of equipment, but also allow to predict the health of tool. Based on the real time sensor data, it aims to detect anomalies in the industrial operation and prefigure future failure, which lead it towards smart maintenance. CPS can contribute to sustainable environment as well as sustainable production, due to its real-time analysis on production. In this thesis, we analyzed the behavior of a tool of Ringvalsverk 4, at Ovako with its twin model (known as Digital-Twin) over a series of data. Initially, the data contained unwanted signals which is then cleaned in the data processing phase, and only before production signal is used to identify the tool’s model. Matlab’s system identification toolbox is used for identifying the system model, the identified model is also validated and analyzed in term of stability, which is then used in CPS. The Digital-Twin model is then used and its output being analyzed together with tool’s output to detect when its start deviate from normal behavior.

As organisations adapt to the rigorous demands set by global markets, the supply chains that constitute their logistics networks become increasingly complex. This often has a detrimental effect on the supply chain visibility within the organisation, which may in turn have a negative impact on the core business of the organisation. This paper aims to determine how organisations can benefit in terms of improving their logistical supply chain visibility by implementing a Digital Twin — an all-encompassing virtual representation of the physical assets that constitute the logistics system. Furthermore, challenges related to implementation and the necessary steps to overcome these challenges were examined.  The results of the study are that Digital Twins may prove beneficial to organisations in terms of improving metrics of analytics, diagnostics, predictions and descriptions of physical assets. However, these benefits come with notable challenges — managing implementation and maintenance costs, ensuring proper information modelling, adopting new technology and leading the organisation through the changes that an implementation would entail.  In conclusion, a Digital Twin is a powerful tool suitable for organisations where the benefits outweigh the challenges of the initial implementation. Therefore, careful consideration must be taken to ensure that the investment is worthwhile. Further research is required to determine the most efficient way of introducing a Digital Twin to a logistical supply chain. / I takt med att organisationer anpassar sig till de hårda krav som ställs av den globala marknaden ökar också komplexiteten i deras logistiknätverk. Detta har ofta en negativ effekt på synligheten inom logistikkedjan i organisationen, vilken i sin tur kan ha en negativ påverkan på organisationens kärnverksamhet. Målet med denna studie är att utröna de fördelar som organisationer kan uppnå vad gäller att förbättra synligheten inom deras logistikkedjor genom att implementera en Digital Tvilling — en allomfattande virtuell representation av de fysiska tillgångar som utgör logistikkedjan.  Resultaten av studien är att Digitala Tvillingar kan vara gynnsamma för organisationer när det gäller att förbättra analys, diagnostik, prognoser och beskrivningar av fysiska tillgångar. Implementationen medför dock utmaningar — hantering av implementations- och driftskostnader, utformning av informationsmodellering, anammandet av ny teknik och ledarskap genom förändringsarbetet som en implementering skulle innebära.  Sammanfattningsvis är en Digital Tvilling ett verktyg som lämpar sig för organisationer där fördelarna överväger de utmaningar som tillkommer med implementationen. Därmed bör beslutet om en eventuell implementation endast ske efter noggrant övervägande. Vidare forskning behöver genomföras för att utröna den mest effektiva metoden för att introducera en Digital Tvilling till en logistikkedja.

Events such as forest fires or floods are a danger to our Earth’s environment and the people living in it. The sooner they can be detected, the less damage they can cause. An idea arises: use satellites to monitor the Earth and relay information to prevention and rescue organizations in a very short time, regardless of accessibility from ground. PandionAI is a Swedish start-up that aims to create a constellation of satellites that will carry built-in machine learning models that analyze the Earth images and detect early on such environmental catastrophes. The aim of this thesis is to design a constellation for such purpose. In parallel, a target list that includes potential places of interest for such events will be developed and the constellation performance will be evaluated with it by defining Key Performance Indicators (KPIs). The target list has a dynamic nature as weather changes and climate evolves, so events of interest will be at different places in the globe as time passes. Because of this, four different target lists were developed, one per season. The events covered by the target lists are the environmental hazards: fires, floods, deforestation and CO2 footprint from factories. Constellation design is a highly complex problem due to its infinite possible solutions for a given purpose. Nevertheless, one can optimize for specific design parameters and assumptions. This thesis proposes a model in which for a given number of total satellites, multiple constellations are compared, and the search for the optimal design is performed given the defined KPIs. Constellations in the optimization process are designed applying the 2-D Lattice Flower Constellation method and adding the twin satellite concept. / Händelser som skogsbränder eller översvämningar är en fara för vår jords miljö och människorna som lever i den. Ju tidigare de kan upptäckas, desto mindre skada kan de orsaka. En idé uppstår: att använda satelliter för att övervaka jorden och vidarebefordra information till förebyggande och räddningsorganisationer på mycket kort tid, oavsett tillgänglighet från marken. PandionAI är en svensk start-up som vars mål är att skapa en konstellation av satelliter som ska bära inbyggda maskininlärningsmodeller som analyserar analyserar satelliters bilder bilder och tidigt upptäcker sådana miljökatastrofer. Syftet med denna uppsats är att utforma en konstellation för detta ändamål. Parallellt kommer en mållista som inkluderar potentiella platser av intresse för sådana händelser att utvecklas och konstellationens prestanda kommer att utvärderas med den genom att definiera Key Performance Indicator-parametrar (KPI). Mållistan har en dynamisk karaktär, eftersom väder och klimat varierar över året säsonger och händelser, så händelser av intresse kommer att finnas på olika platser i världen med tiden. På grund av detta utvecklades fyra olika mållistor, en per säsong. De händelser som omfattas av mållistorna är miljöriskerna: bränder, översvämningar, avskogning och CO2 fotavtryck från fabriker. Konstellationsdesign är ett mycket komplext problem på grund av dess oändliga många möjliga lösningar för ett givet syfte. Ändå kan man optimera för specifika designparametrar och antaganden. Denna studie syftar till att förslå en modell för ett totalt givet antal satelliter, där flera konstellationer jämförs och finna den optimala designen givet KPIerna. Konstellationer i optimeringsprocessen är designade med tillämpning av 2D Lattice Flower Constellation-metoden och användning av tvilling-satellit-konceptet till tvillingsatellitkonceptet.

The forth industrial revolution has risen the born of new mega trends for the improvement of the time to market and the spare of resources in the development and manufacturing of a new product. Among these trends, the Digital Twin (DT) is the one of major interests for developers and strategy analysts. The perfect transposition of a real entity into a digital environment enables the exploration and testing of the different components within the defined object, taking a further step towards a perfect correct-by-design approach. STMicroelectronics (ST) is exploring the benefits that this technology offers to the developers. The company’s primary focus revolves around the creation of SystemC models for the manufactured components so that a co-simulation between an Hardware (HW)/Software (SW) platform and a kinematic simulator is possible. This innovative approach facilitate the comprehensive validation of the designed Firmware (FW), relying on the intricate interplay with sensory aspects influenced by both device behavior and environmental circumstances. Furthermore, many applications nowadays implement an Artificial Intelligence (AI) algorithm: its performance is strictly dependent on the quality of the signals sensed and on the dataset on which the model is built. The creation of a proper DT allows to implement its development during the design phase, creating not only a valid AI for the real product, but also improving the quality and the performance of the model built. This conclusion is proven through the construction of a simple robotic arm implementing an anomaly detection algorithm based on a Machine Learning (ML) model. / Den fjärde industriella revolutionen har gett upphov till nya megatrender för förbättring av time-to-market och spara resurser vid utveckling och tillverkning av tillverkning av en ny produkt. Bland dessa trender är DT av stort intresse för utvecklare och strategianalytiker. Den perfekta överföringen av en verklig enhet till en digital miljö gör det möjligt att utforska och testa de olika komponenter inom det definierade objektet, vilket tar ytterligare ett steg mot en perfekt korrekt-från-design-metod. ST utforskar fördelarna som denna teknologi erbjuder utvecklare. Företagets huvudsakliga fokus kretsar kring skapandet av SystemC-modeller för tillverkade komponenter så att en samkörning mellan en HW/SW och en kinematisk simulator blir möjlig. Denna innovativa metod underlättar den omfattande valideringen av utformad FW och bygger på den intrikata interaktionen med sensoriska aspekter som påverkas av både enhetens beteende och miljöförhållanden. Dessutom implementerar många applikationer nuförtiden en algoritm för AI: dess prestanda är strikt beroende av kvaliteten på de uppfångade signalerna och den dataset på vilken modellen bygger. Skapandet av en korrekt DT möjliggör genomförandet av detta steg under designfasen, vilket inte bara resulterar i en giltig AI för den verkliga produkten utan också förbättrar kvaliteten och prestandan hos den skapade modellen. Denna slutsats bevisas genom konstruktionen av en enkel robotarm som implementerar en algoritm för avvikelsedetektering baserad på en ML model.

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.