Academic literature on the topic 'Smarta fabriker'

Kennzeichnend für die Automobilindustrie sind zunehmende individuelle Wünsche der Kunden und eine Verkürzung der Konjunkturzyklen. Für Hersteller, wie die Daimler AG, führt diese Marktsituation zu hoher Variantenvielfalt und Stückzahlschwankungen. Da die Ausprägungen dieser Einflüsse weitgehend unbekannt sind, muss das Produktionssystem darauf vorbereitet sein, bedarfsgerecht angepasst zu werden. Wandlungsfähige Produktionssysteme gehören daher zu den strategischen Erfolgsgrößen für die Automobilindustrie. In diesem Beitrag wird ein modularer, skalierbarer Produktionsbaukasten vorgestellt, der Bestandteil einer Planungs- und Entwicklungsumgebung wandlungsfähiger Produktionskonzepte ist. Die hierfür genutzte grenzwerttheoretische Entwicklungsmethodik wird erläutert und die Skalierungsmöglichkeiten des Produktionsbaukastens mit Hilfe neuer Produktionstechnologien betrachtet. Dabei zeichnet sich die Mensch-Roboter-Kooperation (MRK) als wesentlicher Bestandteil wandlungsfähiger Produktionskonzepte ab. Smarte Produktionsassistenten sind intelligente und sichere Roboterapplikationen, die sich als Möglichkeit hervortun, die MRK als Schlüsseltechnologie in industriellen Anwendungen zu realisieren.

Kennzeichnend für die Automobilindustrie sind zunehmende individuelle Wünsche der Kunden und eine Verkürzung der Konjunkturzyklen. Für Hersteller, wie die Daimler AG, führt diese Marktsituation zu hoher Variantenvielfalt und Stückzahlschwankungen. Da die Ausprägungen dieser Einflüsse weitgehend unbekannt sind, muss das Produktionssystem darauf vorbereitet sein, bedarfsgerecht angepasst zu werden. Wandlungsfähige Produktionssysteme gehören daher zu den strategischen Erfolgsgrößen für die Automobilindustrie. In diesem Beitrag wird ein modularer, skalierbarer Produktionsbaukasten vorgestellt, der Bestandteil einer Planungs- und Entwicklungsumgebung wandlungsfähiger Produktionskonzepte ist. Die hierfür genutzte grenzwerttheoretische Entwicklungsmethodik wird erläutert und die Skalierungsmöglichkeiten des Produktionsbaukastens mit Hilfe neuer Produktionstechnologien betrachtet. Dabei zeichnet sich die Mensch-Roboter-Kooperation (MRK) als wesentlicher Bestandteil wandlungsfähiger Produktionskonzepte ab. Smarte Produktionsassistenten sind intelligente und sichere Roboterapplikationen, die sich als Möglichkeit hervortun, die MRK als Schlüsseltechnologie in industriellen Anwendungen zu realisieren.

Ein renommierter Pumpenhersteller hat seinen Stammsitz erneuert. Herzstück ist jetzt eine smarte Fabrik, die mit modernen Werkplätzen und autonomen Transportsystemen (AGVs) ausgestattet ist. Der Clou ist ein digitales Werkerführungssystem, das als Intelligenz der Fabrik fungiert, sämtliche Fertigungsabläufe überwacht und das Personal anleitet.

Industrie 4.0 ist längst kein Schlagwort mehr. Es steht eine technische Revolution bevor, welche die Arbeitsbereiche grundlegend verändern wird. Vor diesem Hintergrund stellt sich die Frage, wie Industriebauten zu planen sind, um wettbewerbsfähig zu bleiben. Der Fachartikel entwirft den Rahmen für die Implementierung einer „intelligenten Fabrik“ und stellt dabei Instrumente sowie Maßnahmen eines erfahrenen Fabrikplaners vor. Eine besondere Rolle spielt der Mensch, der als gestaltende Größe im Zentrum der Prozesslandkarte steht und durch Anwendungen im Umfeld von Industrie 4.0 in seiner Rolle unterstützt wird.   Industry 4.0 is not just a buzzword anymore. We’re at the beginning of a new technical revolution which will transform our working areas completely. Against this background it’s important to discuss how to plan industrial buildings so that they remain competitive. The article helps to define the framework for implementing a Smart Factory by presenting suitable instruments and measures. Besides, the employee will play an important role being in the center of the processes and supported by applications in the surrounding of Industry 4.0.

El ciclo de movilización y radicalización política del movimiento obrero cordobés de los años 60 y 70 ha sido objeto de múltiples indagaciones, pero no existen estudios que lo hayan abordado desde una perspectiva que articule las variables de clase y género. En este artículo reconstruimos la experiencia laboral y sindical de las obreras de la fábrica de componentes automotrices ILASA, pertenecientes al sindicato SMATA: analizamos los rasgos de la empresa y su composición obrera, el activismo sindical y político en la planta, el impacto del Cordobazo y, particularmente, la participación de sus trabajadoras en el plan de ocupaciones fabriles llevado a cabo por el sindicato mecánico en 1970. Así, mostramos cómo sus condiciones de sobreexplotación, su incorporación a la clase obrera organizada y la radicalización política general tornaron a las obreras de ILASA en protagonistas centrales del cambio de estrategias sindicales que llevaría a la experiencia del clasismo en el SMATA Córdoba.

Following the stimulating discussions in the workshops held during the 9th International Conference on Model and Data Engineering (MEDI 2019), we proposed to edit a special issue compiling the fruitful research resulting from those discussions. This special issue on current research in model and data engineering of the Journal of Universal Computer Science is the outcome of that proposal. As such, it contains thoroughly revised and significantly extended versions of key papers discussed at MEDI 2019 workshops. The main objective of MEDI is to provide a forum for the dissemination of research accomplishments and to promote the interaction and collaboration between the models and data research communities. MEDI provides an international platform for the pre- sentation of research on models and data theory, development of advanced technologies related to models and data and their advanced applications. This international scientific event, initiated by researchers from Euro-Mediterranean countries in 2011, aims also at promoting the creation of north-south scientific networks, projects and faculty/student exchanges. The following seven accepted papers nicely reflect the wide range of topics covered by MEDI conferences. In their paper “Enhancing GDPR Compliance Through Data Sensitivity and Data Hiding Tools”, Xabier Larrucea, Micha Moffie and Dan Mor consider the problem of fulfilling the rules set by the General Data Protection Regulation (GDPR) of the EU within the framework of the reference architectural model industry 4.0 for the healthcare sector. This is challenging due to the highly sensitive data managed by this sector and the need to share this data between different national healthcare providers within the EU. The authors propose and implement a series of valuable tools to enhance security and privacy in this context as well as compliance with the GDPR. They also illustrate through a case study the use of the proposed tools for sharing health records and their integration within the reference framework. In their paper “BSO-MV: An Optimized Multiview Clustering Approach for Items Recommendation in Social Networks”, Lamia Berkani, Lylia Betit and Louiza Belarif present a new approach to improve accuracy and coverage of clustering based recommendations systems for social networks. The approach is based on improving the results of multiview clustering by combining it with a bees swarm optimization algorithm. Through extensive experimentation with two real-world datasets, they are able to demonstrate the effectiveness of the proposed approach to significantly improve accuracy, outperforming others clustering-based approaches. In their paper “A Formal Model for Configurable Business Process with Optimal Cloud Resource Allocation”, Abderrahim Ait Wakrime, Souha Boubaker, Slim Kallel, Emna Guermazi and Walid Gaaloul propose a formal approach to analyse and verify con- figurable business process models as well as to optimize the cost of their implementation in the Cloud. The mechanism consists on transforming the problem into an equivalent Boolean satisfiability problem (SAT) which is then feed to a solver. This transformation is done by means of translation rules from configurable business processes to SAT. This model formalizes the different configurable process behaviors including control-flow and cloud resource allocations, enabling the derivation of correct configuration variants. Weighted partial SAT formulae are integrated in the model in order to optimize the global cloud resource allocation cost. In their paper “Towards a Semantic Graph-based Recommender System: A Case Study of Cultural Heritage”, Sara Qassimi and El Hassan Abdelwahed present a semantic graph-based recommender system of cultural heritage places. Their approach consists on first constructing an emergent description that semantically augments the information about the places of interest and then model through graphs the semantic relationships between similar cultural heritage places and their associated tags. Note that the unsuper- vised nature of folksonomy’s tags semantically weakens the description of resources, which in turn hinders their indexing and decreases the quality of their classification and clustering. The semantic augmentation produced by the proposed method in the case study of cultural heritage places in Marrakesh city shows to be an effective tool to fight information overload and to produce better recommendations in this context. As such, the paper presents a valuable contribution that can be used to improve the quality of recommender systems in general. In their paper “Assembling the Web of Things and Microservices for the Management of Cyber-Physical Systems”, Manel Mena, Javier Criado, Luis Iribarne and Antonio Corral face the challenge of facilitating communication between the diverse devices and protocols used by Cyber-Physical Systems (CPS) and the Internet of Things (IoT). They propose an approach based on the concept of digital dice (an abstraction of various objects). The digital dice builds on the web of things standard. It is based on microservices and capable of handling the interaction and virtualization of IoT devices. This work introduces a technique to build, transform and compose digital dices from descriptions of “things”. A full transformation flow is presented and a case study is used to illustrate its implementation. The proposal is shown to be effective and flexible, improving the state of the art. In their paper “Model-Driven Engineering for End-Users in the Loop in Smart Ambient Systems”, Sylvie Trouilhet, Jean-Paul Arcangeli, Jean-Michel Bruel and Maroun Koussaifi present a Model-Driven Engineering (MDE) approach to involve the user in the process of constructing at run time component based applications, adapted to a situation and user needs, in the context of ambient systems. The proposed solution relies on several domain-specific languages and a transformation process, based on established MDE tools (Gemoc Studio, Eclipse Modeling Framework, EcoreTools, Sirius and Acceleo). In this context, the authors describe an innovative way of reinforcing the place of the user in the engineering loop. The authors propose an editor that allows the end user to be aware of the emerging applications resulting of this process, to understand their function and use, and to modify them if desired. From these actions, feedback data are extracted to improve the process. In their paper “An Approach for Testing False Data Injection Attack on Data Depen- dent Industrial Devices”, Mathieu Briland and Fabrice Bouquet present a domain specific language (DSL) for generating test data for IoT devices/environments. The DSL is proposed for testing and simulating false data injection attacks (FDIA). First, the paper outlines a generic approach for FDIA and presents a list of possible sensor types and a categorization schema for data obtained from sensors. Then, the application of the DSL is illustrated using two examples; a simple one altering the data obtained from a temperature sensor and a more complex one concurrently altering the data obtained from three particle sensors. The authors show that their approach works well in the case study of the Flowbird parking meter system and discuss how it can be adapted to different application domains. We are grateful to all authors of journal articles in this issue, who contributed to a fine collection of research in model and data engineering. We would like to express our greatest thanks to all reviewers, who put in a lot of time reading the articles and making substantial suggestions for improvement, which at the end led to the high quality. We also would like to thank J.UCS evaluation committee for the opportunity to publish this collection of research articles as a special issue of the Journal of Universal Computer Science and in particular to the publishing managers Dana Kaiser and Johanna Zeisberg for their timeless assistance during the whole process. Last but not least, we would like to acknowledge to our host institutions, the University of Nantes and the Software Competence Center Hagenberg (SCCH) for their support and sponsoring of this special issue. In particular, Prof. Yamine Ait-Ameur and its host institute IRIT/INP-ENSEEIHT have significantly collaborated with this special issue in the framework of the COMET scientific partnership agreement with SCCH, and have also supported the MEDI confer- ence from which it originated. Christian Attiogbé, Flavio Ferrarotti and Sofian Maabout (July, 2021)

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

På Hannovermässan, världens ledande mässa inom industriell teknologi, i Tyskland år 2011 myntades begreppet Industrie 4.0 som beskriver den fjärde industriella revolutionen. Denna handlar om att integrera affärsprocesser med ingenjörsprocesser och på så sätt göra produktionen mer effektiv, miljövänlig och flexibel. Sedan 2011 har man även börjat tala om smarta fabriker och införande av smart teknik inom tillverkningsindustrin. Många hävdar att smart teknik och Industrie 4.0, tillsammans med vår tids krav på kundanpassade produkter, kommer att revolutionera den tillverkande industrin och förväntningarna är stora på vad smartteknik kan komma att bidra med. Denna studie syftar till att undersöka hur produktionen i tillverkande företag påverkas med hjälp av införande av smart teknik. Studien kommer att identifiera och analysera de främst påverkade faktorerna vid införande av smart teknik från år 2011 och framåt. De faktorer som identifierats och studeras närmare är; flexibilitet, kostnader, ledtider, miljöpåverkan, produktkvalitet och tillförlitlighet. I arbetet att hitta de faktorer som främst påverkar produktionen i tillverkande företag vid införande av smart teknik har främst två metoder använts. En inledande litteraturstudie gjordes för att identifiera de vanligast förekommande faktorerna. Valda faktorer verifierades därefter med hjälp av intervjuer och studiebesök hos två tillverkande företag som implementerat smart teknik, Scania CV AB och Volvo Car Corporation. Under vald tidsperiod har dessa företag tillsammans med KTH genomfört projektet FFI Line informationsystem architecture (LISA), där LISA är en variant av en smart fabrik. En slutsats som dragits i denna studie är att de faktorer som främst påverkas med hjälp av smart teknik inom tillverkningsindustrin är några av de som identifierades vid undersökningens start; flexibilitet, kostnader, miljöpåverkan och tillförlitlighet. Exempel på hur dessa påverkas presenteras vidare; om en informationsarkitektur (såsom LISA) implementeras blir det lättare att genomföra förändringar i maskinparken, det gör processkedjan mer dynamisk vilket ger en ökad flexibilitet för företagen. Med hjälp av uppkopplade enheter kan företagen snabbare informeras om fel i produktionen och på så sätt minska mängden kassationer vilket innebär kostnadsbesparingar. Genom att hastighetsanpassa motorer samt att optimera robotars rörelser, exempelvis genom att i större utsträckning använda mjuka rörelser, kan energi sparas och därmed ge en minskad miljöpåverkan. Dock blir företagen vid införande av smart teknik beroende av uppkoppling och det blir då viktigt att säkerställa att tillförlitliga system används om problem uppstår. Andra faktorer som påverkas är ledtider och produktkvalitet, som dock snarare påverkas som konsekvenser av att ovan nämnda faktorer påverkas. Ytterligare en slutsats är att Industrie 4.0 inom svensk tillverkningsindustri betraktas som en evolution snarare än en revolution och att den smarta tekniken är något som implementerats gradvis.
The term Industrie 4.0 was first coined in Germany 2011, at the Hannover Messe, the world’s leading Trade Fair for Industrial Technology. It is a term describing the fourth Industrial Revolution. This revolution concerns making production more efficient, environmentally friendly and flexible, by integrating business processes with engineering processes. Since 2011, smart factories and implementation of smart technology in manufacturing has also been a major talking point. Many claim that smart technology and Industrie 4.0, together with the increasing demands for customization, will revolutionize the manufacturing industry and the expectations for what smart technology will contribute with are great. The purpose of the study is to investigate what factors of the production in manufacturing companies are affected by the introduction of smart technology, from year 2011 onwards. The factors identified and investigated are; flexibility, costs, lead times, environmental impact, product quality and reliability. The study was conducted in two stages. First, a literature study to identify and investigate the factors, and second, visits, interviews and verification of the factors with two manufacturing companies who have both implemented smart technology; Scania CV AB and Volvo Car Corporation. During the selected time period, these companies have, together with KTH, participated in the FFI Line information system architecture project (LISA) project where LISA is a type of smart factory; an information architecture. A conclusion to be drawn is that the factors mostly affected by smart technology within the manufacturing industry are some of those identified in this study; flexibility, costs, environmental impact and reliability. Examples of impact are; if an information architecture (for example LISA) is implemented, it becomes easier to implement changes in the factory. This makes the process chain more dynamic, which gives the company greater flexibility. With the help of connected units, companies are faster informed about errors in the production, which makes it possible to decrease the amount of scrap. This leads to cost savings. Also, by using speed-controlled engines and by optimizing the movements of robots, energy can be saved, which leads to less environmental impact and also cost savings. Though, by implementing smart technology, companies also make themselves dependent on wireless connectivity. Therefore, it becomes important to make sure reliable systems are used. Other factors affected by the implementation of smart technology are lead times and product quality, but they are rather affected as consequences of the affection of the other factors, mentioned above. Another conclusion to be drawn is that Industrie 4.0, within Swedish manufacturing, is considered to be an evolution rather than a revolution and smart technology is something that is implemented gradually.

Industri 4.0, den fjärde industriella revolutionen, kommer att förändra industriell tillverkning. Ofta diskuteras fördelar och stora företag som är en drivande kraft i industrin; men i denna rapport undersöks utmaningarna som små och medelstora företag ställs mot vid införandet av smart teknik. Dessa företag representerar över 90% av svensk industri och är extremt viktiga för ekonomin vilket är anledningen till varför dessa valdes att undersöka. Rapporten består av ett teoriavsnitt och en empirisk studie. Teorin har tillhandahållits från ett flertal tekniska publikationer och sammanfattningar av tekniska konvent. Empirin är baserad på två intervjuer genomförts och en artikel. En intervju med en civilingenjör och chef vid ett mindre tillverkande företag som producerar belysning. Den andra med en expert inom området för införandet av smart teknik inom SMF, engagerad i olika projekt för detta ändamål och arbetserfarenhet inom ABB Robotics. Artikeln är en stor empirisk studie med flertal chefer inom tillverkningsindustrin. Resultatet är att för Industri 4.0 krävs det att resurser i form av kompetens, ekonomi och maskiner finns. Att produktionsprocessen är standardiserad, det ska finnas tjänster som hjälper företag att införa och utveckla smart teknik och att det finns en hög IT-säkerhet. I dagsläget är det en extrem brist på kunskap och kompetens hos SMF gällande smart teknik och industri 4.0. Intresset för det är vagt om ens existerande. Produktionsprocesserna är intestandardiserade. Slutsatsen är att utmaningarna är bristen på kompetens, processerna inte är standardiserade, och att det är svårt att kunna integrera den teknik som finns med de maskiner som finns. Dessa problem är svåra att undvika men lätta att ta sig förbi. Hjälp med kompetens  finns ochautomatiserade robotar för en produktionsprocess som inte är standardiserade är på marknaden. Det viktigaste är att företagen i största möjliga mån har en vilja att utvecklas.
Industry 4.0, the fourth industrial revolution, will change industrial production as we know it. Too often are the pros along with big companies who are a driving force of this revolution discussed; however, in this report the challenges small and medium sized enterprises face when implementing smart technology will be scrutinized. These companies represent over 90% of the Swedish industry and are extremely important for the economy, which is why this was chosen to be examined. The report is based on one theory chapter and one empirical study. The theory has been obtained from several technical publishes and summaries of technical conventions. The empirical study is based on two interviews and one article. One interview with a boss in a smaller industrial company, that focuses on lightning, who has a Master’s of Science in Engineering. The other interview was conducted with an expert in the area for implementing smart technology in SME, engaged in different projects for this purpose and work experience within ABB Robotics. The article is a large empirical study with multiple managers within manufacturing companies. The result is that for Industry 4.0 it is necessary that resources in the shape of competence, economy and machinery exists. That the manufacturing process in standardised, there must be services that helps companies to implement and develop smart technology, and that  there is high IT-security in place. Today there is an extreme lack in knowledge and competence at SME concerning smart technology and Industry 4.0. The interest in the subject is weak if even existing. The manufacturing processes are not standardised. The conclusion is that the challenges are the lack of competence, the processes are not standardised, and that it's hard to integrate he technology with the existing machines. These problems are hard to avoid but easy to overcome. Assistance with competence are available and automated robots are on the market. The most important aspect is that the companies have, in the greatest extent possible, a will to evolve.

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

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

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

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

I den fluktuerande digitaliseringsvågen har den fjärde industriella revolutionen eller Industry 4.0 initierat inom tillverkningsindustrin vilket påskyndar företag att anpassa och förändra hela verksamheter för att vara fortsatt konkurrenskraftiga. Industrial Internet of Things (IIoT) har blivit en central del av denna förändring för tillverkningsföretag och kan förklaras som företag som utnyttjar enheter för att samla data i realtid och i sin tur gå mer mot den smarta fabriken. En rad olika möjligheter kan genomföras för industrier med uppgången av IIoT, även om framgången med denna förändring kan variera mellan olika företag beroende på storlek, resurser och ekonomisk stabilitet. Parallellt med möjligheterna uppstår även utmaningar för företag, särskilt små och medelstora företag, då dessa saknar ekonomiska resurser och storlek för att kunna omfördela och omvandla sin verksamhet. I denna studie har målet varit att skildra hur medelstora tillverkningsföretag hanterar implementeringen av IIoT och den smarta fabriken för att anpassa sig till det ständigt föränderliga tekniska paradigm som Industry 4.0 har introducerat. Slutsatser har dragits utifrån kombinationen av en teoretisk ram och intervjuer med sex svenska medelstora tillverkningsföretag. Digitaliseringsstrategier för tillverkningsföretag varierar beroende på bransch. Det finns emellertid enighet om att insatser för en digitaliserad produktion måste ske för att förbli konkurrenskraftig där automatisering, övervakning och kontroll av processer inom IIoT är nyckelfaktorer för att förbli konkurrenskraftiga. Tidsplanen och implementeringsnivån kan också variera beroende på digital kompetens och motståndskraft mot förändring från personalen. Viktigt att poängtera är att sambandet mellan IIoT, digitalisering och ökad konkurrenskraft inte är de enda faktorerna som krävs utan det finns fler faktorer att beakta. Studien pekar även på att konkurrensfördelar sällan är det främsta skälet till att företag väljer att digitalisera och implementera IIoT.
In the fluctuating wave of digitization, the fourth industrial revolution or Industry 4.0 in the manufacturing industry, has begun that has accelerated industries and companies to adapt and change their whole business to maintain competitive. Industrial Internet of Things (IIoT) has become a central part of this change for manufacturing companies and can be interpreted as companies taking advantage of units to gather real-time data and in turn, lean towards the smart factory. A range of possibilities can be accessed by industries with the rise of IIoT, though the success of this change can differ between different companies depending on size, resources, and economic stability. Parallel to the opportunities, challenges arises for companies, especially small and middle-sized enterprises, that lack the economic resources and scale to redistribute and transform their business. In this paper, the goal has been to distinguish how middle-sized manufacturing companies handle the implementation of IIoT and the smart factory in order to adapt to the ever-changing technical paradigm that Industry 4.0 has introduced. Conclusions have been drawn from the combination of a theoretical framework and interviews with six Swedish middle-sized manufacturing companies. The digitization strategy for manufacturing companies varies from industries. However, there is a consensus that efforts towards a digitized production must take place in order to stay competitive where automation-, monitoring-, and controlling processes within IIoT are main factors to stay competitive. The pace and level of implementation can also differ depending on digital qualification and resistance to change from the staff. Important to note is that the relation between IIoT, digitization and increased competitiveness is not the only factors that are significant as there are more things to consider. The study also shows that competitive advantages are rarely the main reason why companies choose to digitize and implement IIoT.

The project has explored the topic Smart factory with main focus on the future production staff. The project aims to investigate how the production staff is affected by Volvo Cars Skövde Engine Plant (SkEP) becoming a Smart factory, in the era of Industry 4.0. The definition of the Smart factory is a demand of Mobile- and wireless technologies, Human-oriented, pursue a Flexible production with Sustainable manufacturing, as well as utilization of CPS (Cyber-Physical Systems), IoT (Internet-of-Things) and Cloud storage. The current situation and the future five to twenty years were examined in order to define the future production staff. This by conducting an observational study and several interviews. The studies’ results were that SkEP cannot be regarded as smart since several demands are inadequate by definition. Five years are considered too short of a time for the plant to fulfill the demands. However, according to the interviews and literature, SkEP are expected to become smart in twenty years after time refinement of existing technologies and implementation of new ones. The authors estimate Leadership, Information, IT and Production lay-out to be the areas that require the most effort. The future production staff are expected to be flexible with workplace, working hours and able to manage multiple variants. They should be included in self-supporting teams where every individual possesses an expertise, are motivated and participating. Production staff should perform complex, varied jobs with more responsibility by endorsement of decision support systems. The staffs’ competence should consist of technical education, high basic and lay-out knowledge and the ability to contribute to the collection of information and analyses. Interaction with technology is expected to expand and the personnel must therefore have a well-established comprehension of technology. The concept Smart factory is extensive and relatively new, which means that it is constantly evolving. Thus it is important for SkEP to be updated and adjust to the impact from the outside world.

I den fluktuerande digitaliseringsvågen har den fjärde industriella revolutionen eller Industry4.0 initierat inom tillverkningsindustrin vilket påskyndar företag att anpassa och förändra helaverksamheter för att vara fortsatt konkurrenskraftiga. Industrial Internet of Things (IIoT) harblivit en central del av denna förändring för tillverkningsföretag och kan förklaras som företagsom utnyttjar enheter för att samla data i realtid och i sin tur gå mer mot den smarta fabriken.En rad olika möjligheter kan genomföras för industrier med uppgången av IIoT, även omframgången med denna förändring kan variera mellan olika företag beroende på storlek,resurser och ekonomisk stabilitet. Parallellt med möjligheterna uppstår även utmaningar förföretag, särskilt små och medelstora företag, då dessa saknar ekonomiska resurser och storlekför att kunna omfördela och omvandla sin verksamhet. I denna studie har målet varit att skildrahur medelstora tillverkningsföretag hanterar implementeringen av IIoT och den smartafabriken för att anpassa sig till det ständigt föränderliga tekniska paradigm som Industry 4.0har introducerat. Slutsatser har dragits utifrån kombinationen av en teoretisk ram ochintervjuer med sex svenska medelstora tillverkningsföretag. Digitaliseringsstrategier förtillverkningsföretag varierar beroende på bransch. Det finns emellertid enighet om att insatserför en digitaliserad produktion måste ske för att förbli konkurrenskraftig där automatisering,övervakning och kontroll av processer inom IIoT är nyckelfaktorer för att förblikonkurrenskraftiga. Tidsplanen och implementeringsnivån kan också variera beroende pådigital kompetens och motståndskraft mot förändring från personalen. Viktigt att poängtera äratt sambandet mellan IIoT, digitalisering och ökad konkurrenskraft inte är de enda faktorernasom krävs utan det finns fler faktorer att beakta. Studien pekar även på att konkurrensfördelarsällan är det främsta skälet till att företag väljer att digitalisera och implementera IIoT.
In the fluctuating wave of digitization, the fourth industrial revolution or Industry 4.0 in themanufacturing industry, has begun that has accelerated industries and companies to adapt andchange their whole business to maintain competitive. Industrial Internet of Things (IIoT) hasbecome a central part of this change for manufacturing companies and can be interpreted ascompanies taking advantage of units to gather real-time data and in turn, lean towards thesmart factory. A range of possibilities can be accessed by industries with the rise of IIoT,though the success of this change can differ between different companies depending on size,resources, and economic stability. Parallel to the opportunities, challenges arises forcompanies, especially small and middle-sized enterprises, that lack the economic resourcesand scale to redistribute and transform their business. In this paper, the goal has been todistinguish how middle-sized manufacturing companies handle the implementation of IIoT andthe smart factory in order to adapt to the ever-changing technical paradigm that Industry 4.0has introduced. Conclusions have been drawn from the combination of a theoretical frameworkand interviews with six Swedish middle-sized manufacturing companies. The digitizationstrategy for manufacturing companies varies from industries. However, there is a consensusthat efforts towards a digitized production must take place in order to stay competitive whereautomation-, monitoring-, and controlling processes within IIoT are main factors to staycompetitive. The pace and level of implementation can also differ depending on digitalqualification and resistance to change from the staff. Important to note is that the relationbetween IIoT, digitization and increased competitiveness is not the only factors that aresignificant as there are more things to consider. The study also shows that competitiveadvantages are rarely the main reason why companies choose to digitize and implement IIoT.