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
QUALITY ASSURANCE THROUGH SMART ANGLE MONITORING: IMPROVEMENT OF TIGHTENING IN SCANIA’S CAB AS-SEMBLY AND IMPLEMENTATION INTO AN INDUSTRY 4.0 BASED SYSTEM
KTH, School of Industrial Engineering and Management (ITM), Production Engineering.
KTH, School of Industrial Engineering and Management (ITM), Production Engineering.
2018 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesis
Abstract [sv]

Det finns för tillfället ett ökat behov för tillverkande företag att uppnå flexibla, smarta och rekonfigurerbara processer för att kunna hantera en dynamisk och global marknad (San-tos, et al., 2017). Scania är en världsomfattande lastbilstillverkare som strävar efter att för-medla sin kompetens inom lastbilsproduktion till ett Industri 4.0-baserat system.

Skruvdragningsprocessen i monteringsverkstaden i Scania Oskarshamn erbjuder lovande möjligheter att implementera ett Industri 4.0-baserat system. Genom att övervaka vinkeln un-der åtdragningen, med hjälp av ett korrekt vinkelintervall, kan systemet identifiera avvikelser som uppstår i processen eller maskinen (Bickford & Nassar, 1998). Ett exakt vinkelintervall kan beräknas genom att studera förhållandet mellan vridmoment och vinkel med en linjär regressionsmetod (Pennsylvania State University, 2018). I detta projekt har vinkelintervallet förbättrats för att möjliggöra en effektiv övervakning.

Övervakningsprocessen skapar en möjlighet för Scania att implementera ett smart system som kan identifiera, analysera och eliminera avvikelser i realtidsproduktion. Detta kan uppnås genom att utföra statistisk processkontroll (SPC) med hjälp av data som erhållits från produkt-ionen (Gejdoš, 2015). I detta projekt förbättrades processkapabiliteten (Cpk) för åtdragnings-processen med 365%.

En smart process bör i praktiken automatiskt kunna analysera data, övervaka maskinens livslängd, identifiera avvikelser och stödja beslutsprocessen (Weihrauch, et al., 2018). För att uppnå detta, presenteras ett förslag för att ansluta åtdragningsmaskinerna till en statistisk ana-lysprogramvara som kan presentera data effektivt för berörd personal. Förbättringen av Cpk och analys av maskinens livslängd som presenteras i detta projekt visar att det är möjligt att implementera momentstyrningen med vinkelövervakningsteknik i ett Industri 4.0-system. 

Abstract [en]

There is currently an increasing need for manufacturing companies to achieve flexible, smart and reconfigurable processes in order to address a dynamic and global market (Santos, et al., 2017). Scania being a worldwide truck manufacturer aims to bring its expertise in truck production into an Industry 4.0 based system.

The bolt tightening process in the assembly workshop in Scania Oskarshamn presents promising possibilities for implementation of an Industry 4.0 based system. By monitoring angle during the tightening process the system is able to identify deviations occurring in the process or machine (Bickford & Nassar, 1998). An accurate angle interval can be calculated by studying the relationship between torque and angle using the linear regression method (Pennsylvania State University, 2018). In this project the angle intervals have been improved to be able to perform efficient monitoring.

The monitoring process creates the possibility for Scania to implement a smart system able to identify, analyze and eliminate deviations in real time production. This is achievable by performing Statistical Process Control (SPC) using the data obtained from production (Gejdoš, 2015). In this project the Process Capability (Cpk) of the tightening process was im-proved by 365%.

An actual smart process should be able to automatically perform the analysis of data, monitor the life of the machine, identify deviations and support the decision making process (Weihrauch, et al., 2018). To achieve this a proposal is presented to connect the tightening machines to a statistical analysis software able to present data efficiently to involved person-nel. The improvement of Cpk and analysis of life of the machine presented in this project prove that it is possible to implement the torque control with angle monitoring technique into an Industry 4.0 system.

Place, publisher, year, edition, pages
2018. , p. 56
National Category
Mechanical Engineering
Identifiers
URN: urn:nbn:se:kth:diva-245179OAI: oai:DiVA.org:kth-245179DiVA, id: diva2:1294100
Supervisors
Examiners
Available from: 2019-03-06 Created: 2019-03-06 Last updated: 2019-03-06Bibliographically approved

Open Access in DiVA

fulltext(1959 kB)58 downloads
File information
File name FULLTEXT01.pdfFile size 1959 kBChecksum SHA-512
5176e53ce1d191a2f189d3157d2a364011d4a6bcd135f535e8a29d1f8704ebbec34db4780ded292d7cfee13aef719ff957375af2c7e61c83d4738c230fd321d7
Type fulltextMimetype application/pdf

By organisation
Production Engineering
Mechanical Engineering

Search outside of DiVA

GoogleGoogle Scholar
Total: 58 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: 60 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