Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Kartläggning av databehov inom Scania Motortillverkning
KTH, School of Industrial Engineering and Management (ITM), Production Engineering.
KTH, School of Industrial Engineering and Management (ITM), Production Engineering.
2018 (Swedish)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
Mapping of the key data needed at Scania Engine Manufacturing Preparing for Digitalization (English)
Abstract [sv]

I dagens samhälle befinner sig tillverkningstekniksindustrin i en övergångsfas på väg in i en digital era. Till skillnad från Industry 3.0 som involverar automatisering av enstaka maskiner och processer omfattar Industry 4.0 digitalisering och uppkoppling av alla aktiviteter i sin värdekedja. Mängden av tillgängliga data ökar hela tiden. Målet med detta examensarbete var att ta reda på vad digitalisering kan tillföra till Scanias motortillverkning med fokus på förbättring av nuvarande KPI:er (Key Performance Indicator). För att säkerställa att det ovanstående målet uppfylls formulerades nedanstående frågeställningar:

• Hur kan Scania Motortillverkning förbättra KPI i bearbetningsprocesser genom insamling och analys av data från maskiner?

o Vilka faktorer påverkar Scanias nuvarande KPI?

o Vilka av dem har potential att utvecklas vidare eller styras genom införande av digitalisering?

o Vilka maskindata är nödvändiga att samlas in för att öka KPI:er och på vilket sätt kan data samlas in?

För att besvara frågorna och identifiera vilka data som kan tillföra nytta, användes främst kvalitativa metoder. Data samlades in från olika aspekter av genom praktik, observationer, intervjuer och studiebesök. För att kunna dra generella slutsatser och för att bekräfta hypoteser från de kvalitativa studierna utfördes även en kvantitativ studie som utförs på vevstakeline, genom sortering och analys av de befintliga insamlade data i dagens produktion.

Efter en litteraturstudie kombinerad med intern informationssamling, kunde fokusområdet avgränsas ytterligare till OPE (Overall Production Effectiveness) som är väsentlig för produktiviteten och ofta inte når målvärdet i nuläget. Genom en analys av PUS (Produktionsuppföljningssystem) kunde faktorer som har en negativ inverkan på OPE tas fram. Genom intervjuer med olika funktioner inom Scania kunde författarna identifiera många konkreta parametrar, vilka kan fördelas till tre kategorier, Maskindata, Verktygdata och Processdata. En teknisk skanning av verktygs- och maskintillverkare genomfördes också för att kunna redogöra för vilka data som är möjliga att samla in med befintliga insamlingsmetoder. 

Resultatet från detta examensarbetet bildar en utgångspunkt för att kunna digitalisera Scanias motorbearbetning, digitaliseringen kräver en del nya investeringar som författarna anser komma att löna sig på många plan. 

Abstract [en]

The manufacturing industry is undergoing a transformation into a digital era. Industry 4.0 comprises digitization and connection of all aspects of its value chain, which results in more data being available and collected. The purpose of this degree project is to investigate the benefits that digitalization can bring to Scania’s engine manufacturing, with focus on improving the current KPIs (Key Performance Indicator). The following questions were formulated to ensure that this purpose could be reached:

• How can Scania’s engine manufacturing improve KPIs in machining processes by collecting and analyzing data from machines?o What factors affect Scania’s current KPIs?

o Which of the factors has the potential to develop further or control through the implementation of digitization?

o Which machine data needs to be collected in order to improve KPIs and how can this data be collected?

To answer these questions and investigate which data can be of use, a primarily qualitative method was initiated during the project. Information was collected from various aspects involved in production. This was done through observations, interviews and study visits. A quantitative study has also been performed to improve the generalizability of the thesis, by sorting and analyzing the existing collected data in the production line of the connecting rod.

By combining literature studies with internal information gathering, the authors could further define the focus area to OPE (Overall Production Effectiveness), which is significant for productivity, and often does not reach the target value for Scania. Through an analysis of the data gathering from PUS (Production Follow-up System), factors that had a negative impact on OPE could be identified. The authors could also produce many concrete parameters by utilizing results from interviews of various functions within Scania. The parameters can be divided into three categories, Machine data, Tool data and Process data. A technical scan of tool and machine supplier has also been conducted to specify what data is possible to collect with the existing technology.

The result of this degree project creates a starting point for digitalization of Scania’s engine manufacturing, which also results in potential new investments. According to the estimation of the authors, these investments will prove to be profitable on many levels over time.

Place, publisher, year, edition, pages
2018. , p. 39
Keywords [en]
Digitalization, Industry 4.0, KPI, Data, Machining
Keywords [sv]
Digitalisering, Industri 4.0, KPI, OPE, Data, Bearbetning
National Category
Mechanical Engineering
Identifiers
URN: urn:nbn:se:kth:diva-245062OAI: oai:DiVA.org:kth-245062DiVA, id: diva2:1293892
Supervisors
Examiners
Available from: 2019-03-05 Created: 2019-03-05 Last updated: 2019-03-05Bibliographically approved

Open Access in DiVA

fulltext(8780 kB)46 downloads
File information
File name FULLTEXT01.pdfFile size 8780 kBChecksum SHA-512
5f2fae1da70b63b85a580626197dc7659394eb15e85250dbf226793f6b9a4ffbd308b7277750ea2a64d7e95d2c150bf853c17544bd6963440759491759694104
Type fulltextMimetype application/pdf

By organisation
Production Engineering
Mechanical Engineering

Search outside of DiVA

GoogleGoogle Scholar
Total: 46 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 83 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf