Med utvecklingen mot Industri 5.0 utvecklas tillverkningsföretag mot smart produktion. I smart produktion används data som en resurs för att koppla samman olika element i produktionssystemet i syfte att lära sig om och anpassa sig efter förändrade produktionsförhållanden. Vanliga mål för smart produktion inkluderar resurseffektivitet, och en hållbar produktion anpassad utifrån människan. För att åstadkomma dessa önskade fördelar, behöver tillverkningsföretag använda digitala teknologier för att skapa och hantera hela dataflödet. För att möjliggöra smart produktion är det viktigt att implementera digitala teknologier på ett sätt så att insamlad rådata omvandlas till användbar data som kan tillämpas av maskiner eller människor för att skapa värde eller minska slöseri i produktionen. Detta kräver hänsyn till dataflödet inom produktionssystemet, det vill säga hela processen att omvandla rådata till användbar data som inkluderar datahanteringsaspekter som exempelvis insamling, analys och visualisering av data. För att möjliggöra ett bra dataflöde krävs det att flera digitala teknologier kombineras. Många tillverkningsföretag står dock inför flera utmaningar när de ska välja lämpliga digitala teknologier för sitt specifika produktionssystem. Vanliga utmaningar är relaterade till det överväldigande antalet avancerade digitala teknologier som finns på marknaden, samt komplexiteten hos produktionssystem och digitala teknologier. Detta gör det till en komplex uppgift att förstå vilka digitala tekniker som ska väljas och vilka resurser och åtgärder som behövs för att integrera dem i produktionssystemet.
Mot denna bakgrund är syftet med denna licentiatuppsats att undersöka hur tillverkningsföretag ska välja och integrera digitala teknologier för att uppnå smart produktion. Mer specifikt så undersöker denna licentiatuppsats vilka utmaningar och kritiska faktorer som finns för att välja och integrera digitala teknologier för att uppnå smart produktion. Detta uppnåddes genom en kvalitativ multipel fallstudie med tillverkningsföretag inom olika branscher och av olika storlekar. Resultaten visar att identifierade utmaningar och kritiska faktorer är relaterade till de olika faserna av datavärdekedjan: datakällor och insamling, datakommunikation, databearbetning och lagring samt datavisualisering och användning. Generella utmaningar och kritiska faktorer som var relaterade till alla faser av datavärdekedjan identifierades också. Dessutom var utmaningarna och kritiska faktorerna relaterade till människa, process och tekniska aspekter. Detta visar att det finns ett behov av helhetsperspektiv på hela datavärdekedjan och olika element i produktionssystemet när digitala teknologier väljs och integreras. Dessutom finns det ett behov av att definiera en strukturerad process för val och integration av digital teknik, där både ledning och operativ nivå är involverade.
With the development towards Industry 5.0, manufacturing companies are developing towards Smart Production, i.e., using data as a resource to interconnect the elements in the production system to learn and adapt accordingly for a more resource-efficient and sustainable production. This requires selecting and integrating digital technologies for the entire data lifecycle, also referred to as the data value chain. However, manufacturing companies are facing many challenges related to building data value chains to achieve the desired benefits of Smart Production. Therefore, the purpose of this paper is to identify and analyze the critical factors of selecting and integrating digital technologies for efficiently benefiting data value chains for Smart Production. This paper employed a qualitative-based multiple case study design involving manufacturing companies within different industries and of different sizes. The paper also analyses two Smart Production cases in detail by mapping the data flow using a technology selection and integration framework to propose solutions to the existing challenges. By analyzing the two in-depth studies and additionally two reference cases, 13 themes of critical factors for selecting and integrating digital technologies were identified.
To stay competitive, manufacturing companies are developing towards Smart Production which requires the use of digital technologies. However, there is a lack of guidance supporting manufacturing companies in selecting and integrating a combination of suitable digital technologies, which is required for Smart Production. To address this gap, the purpose of this paper is twofold: (i) to identify the main challenges of selecting and integrating digital technologies for Smart Production, and (ii) to propose a holistic concept to support manufacturing companies in mitigating identified challenges in order to select and integrate a combination of digital technologies for Smart Production. This is accomplished by using a qualitative-based multiple case study design. This paper identifies current challenges related to selection and integration of digital technologies. To overcome these challenges and achieve Smart production, the concept of data value chain was proposed, i.e., a holistic approach to systematically map and improve data flows within the production system. © 2022, IFIP International Federation for Information Processing.
Remanufacturing is a life cycle renewal process by which previously used products such as vehicle components can be maintained and rebuilt. Although knowledge in remanufacturing processes is advanced from a scientific perspective, many traditional technology-driven manufacturing companies are facing challenges related to remanufacturing of various components in their specific industry. An underlying reason is that existing components have been sold for many years, and it is unclear what modifications should be made to the manufacturing process to accommodate both new and remanufactured products. Furthermore, it is unclear what organizational changes such as culture and training of operators are required. At the same time, the manufacturing industry is undergoing a digital transformation. It is therefore relevant to investigate how digitalization and sustainability practices can be combined, commonly referred to as Twin Transition. The purpose of this paper is to explore how a manufacturing company can approach a change towards remanufacturing of components using Twin Transition. This is accomplished by using a qualitative-based case study method at a large manufacturing company in the heavy-duty vehicle industry. The data collection method involved workshops following a SWOT analysis and rich picturing approach. The results from the rich picturing workshop identified four main themes to facilitate remanufacturing. The SWOT analysis identified 20 key aspects related to facilitate remanufacturing. Finally, the paper concludes by proposing five key enablers for achieving remanufacturing using Twin Transition.