Academic literature on the topic 'Statistisk processtyrning'

Statistisk processtyrning, SPS, är ett välkänt verktyg som används för kvalitetsförbättringar inom organisationer världen över. De senaste åren har tillverkande organisationer tenderat att gå mot kortare serier, vilket medför en problematik när de vill tillämpa statistiska metoder som är utvecklade för traditionell masstillverkning. Framgångsfaktorer för implementering av SPS vid små serier är ett relativt outforskat område och kräver därför ytterligare forskning. Syftet med denna studie var att ta fram en modell över hur SPS framgångsrikt kan implementeras av organisationer med små serier och en stor detaljflora. För att besvara syftet genomfördes en fallstudie med både kvantitativ och kvalitativ metod. Deltagande observationer och en workshop med 15 deltagare utfördes för att identifiera existerande variationer samt definiera nuläget i det avgränsade produktionsflödet, vars processer studerades i studien. Tre produktfamiljer och kritiska parametrar som representerade produktkvalitén valdes ut för att följas upp i styrdiagram. En mätsystemanalys utfördes för att undersöka om de mätdon som i stor utsträckning användes för kvalitetskontroll i processen var tillförlitliga. Styrdiagram upprättades anpassade för små serier och statistiska analyser utfördes för att undersöka om SPS var en användbar metod för kvalitetsförbättringar i processer med små serier. En kvalitativ benchmark med fyra deltagande organisationer utfördes även för att ta del av deras erfarenheter relaterat till implementering och arbete med SPS.  Resultatet visade att den studerade organisationen behöver utföra förändringar gällande arbetsmetoder för kvalitetskontroll samt hantering av processer och mätsystem. Det finns även behov av ett omfattande förbättringsarbete, för att eliminera det flertalet orsaker till systematiska variationer som identifierades påverka processerna och produktkvalitén. Dessa förändringar krävs innan en implementering av SPS kan genomföras. Verktyg inom SPS visade sig med framgång kunna användas för att förbättra processer med små serier, vid användning av standardiserade styrdiagram som möjliggör analys av flera produkter i samma diagram. Processer med små serier och en stor detaljflora medför en utökad komplexitet vid statistiska analyser och visar tecken på ett flertal svårigheter som ökar risken för en fallerad implementering.  Utifrån analyser av det kvalitativa och kvantitativa resultatet skapades en modell med 15 framgångsfaktorer för implementering av SPS vid små serier. Faktorerna bör följas av organisationer med små serier som vill lyckas med att implementera SPS. Framgångsfaktorerna är följande: (1) Var beredd på en kulturförändring som kräver att SPS vävs in i hela organisationen, (2) Förmedla ett tydligt mål och hållbar strategi för arbetet med SPS, (3) Skapa ett utbrett engagemang i hela organisationen, (4) Utse en SPS-koordinator, (5) Inför utbildning och uppföljning från start, (6) Skapa tvärfunktionella team, (7) Främja samarbete och delaktighet under förbättringsarbetet, (8) Ställ krav på ett dugligt mätsystem, (9) Utför en pilotstudie där det finns intresse, (10) Identifiera kritiska processer, produktfamiljer och parametrar, (11) Börja med att lära känna processerna, (12) Upprätta standardiserade styrdiagram, (13) Tolkning och analys av styrdiagram utförs enligt Montgomerys metod för statistiska analyser, (14) Sträva efter stabila processer, (15) Utför kontinuerlig uppföljning.
Statistical process control, SPC, is a widely used technique for quality improvements by companies all over the world. The current trend in manufacturing organizations is directed towards shorter productions runs, which cause problems when applying traditional statistical methods developed for SPC on mass production runs. The critical factors for a successful implementation of SPC on short runs are still not fully explored and require further research. The main purpose of this study was to present a conceptual framework that illustrates the successful implementation of SPC in organizations with short runs and extensive product portfolio. In order to answer the research questions, a case study research methodology with both quantitative and qualitative methods was used. Participant observations and a workshop including 15 participators were performed in order to identify existing process variability’s and current state of the studied production processes.  Three product families and key quality characteristics of each product were chosen to be monitored in control charts, based on scrap costs and staff experiences of the production process.  A measurement system analysis was used to determine if the gauges, used to make measurement quality controls, were capable. Control charts were constructed and adjusted to short production runs. Statistical analysis was then made on the information gathered through the control charts to determine if statistical tools within SPC was useful for quality improvements on short production runs.  Also a qualitative benchmark was performed with four manufacturing companies to take part of their experiences and knowledge related to the implementation and application of SPC.  The findings indicate that the studied organization needs to improve working methods related to quality inspections and monitoring of the production processes. The organization also needs to improve the measurement system and make an extensive work of improvement to reduce the many identified special causes of variation that affects the processes and product quality, before implementing SPC in the organization. Findings showed that SPC tools and techniques successfully can be adopted to improve short run production processes when using standardized control charts for different product types. Short run production processes involve more complex statistical analysis which could inhibit the success of an implementation of SPC.   The analysis of the qualitative and quantitative findings resulted in a framework including 15 critical success factors for the implementation of SPC in short production runs. All the following critical success factors should be taken into account by organizations with short runs that aspire a successful implementation of SPC: (1) Be ready to make a cultural change including the recognition of the importance of SPC within the whole organization, (2) Communicate a clear goal and long-term strategy, (3) Create motivation and commitment from top management to operators on the shop floor, (4) Select a SPC coordinator, (5) Introduce a training programme with feedback from start, (6) Create cross-functional teams, (7) Stimulate cooperation and participation within the work of improvements, (8) Ensure a capable measurement system, (9) Perform a pilot project with enthusiastic employees, (10) Identify critical processes, product families and key quality characteristics, (11) Focus on exploring process behaviors, (12) Construct standardized control charts, (13) Interpret and analyze control charts according to Montgomery’s method for statistical analysis, (14) Attempt to obtain processes in control, (15) Perform continuous follow ups.

Switches, which are critical components of the Swedish railway, have a neglected maintenance cost that is three times as high as their current annual maintenance cost. Between 2017 and 2018, switches’ reported faults increased by 38 % and about one-third of them caused delays on the regular railway traffic. The purpose of this master thesis is to present recommendations of how condition-based maintenance could reduce the occurrence of faults in railway switches that affects the regular railway traffic. Condition-based maintenance is a cost-effective strategy designed to monitor and plan maintenance according to the condition of a device and is suitable for remote-controlled monitoring. To fulfill the purpose the thesis was divided into three milestones that were accomplished by applying the problem-solving method DMAIC (Define, Measure, Analyse, Improve and Control). The first milestone included the Define and Measure steps and aimed to investigate which fault caused the largest number of delay minutes per fault. Different categories of causes that affects the railway traffic were analysed. Among them, Material-weakening/Aging and Broken component resulted in many faults and delay minutes. The faults were sorted into groups at component level. Faults caused by Gearbox were identified as those causing the largest delays in the railway traffic. The result from the first milestone with the Define and Measure steps were then used for the second milestone. The second milestone included the Analyse step where it was investigated if the identified faults in Gearbox could be foreseen. This investigation was first conducted through the analysis of alarms recorded in one of Trafikverket’s databases. A graphical analysis of the data showed that no relationship could be identified between the faults in Gearbox and the recorded alarms of the database. Then, it was investigated if faults in Gearbox could be foreseen using statistical process control charts based on switching time. Statistical process control monitors a process using real time data. However, in this thesis we used historical data from 2018 to perform our analysis. The available data had deficiencies in quality due to truncation of the switching time. The truncation meant that the decimals were removed. The control charts issued out-of-control situations where the existing database did not record any alarm. Moreover, data on the switching time of several switches showed significant autocorrelation that affects the calculation of the control limits. However, the results appeared complex to interpret most likely because of the truncation and the autocorrelation of the data. A further graphical analysis of the switching time and the mean of the switching time indicated that 69 % of the switches had a probable relationship between faults in Gearbox and switching time. The third milestone included the Improve and Control steps and provided recommendations of how to reduce the occurrence of faults in switches. The analysis conducted in the previous milestones led to the following recommendations: Increase measurement accuracy when measuring switching time, Establish control charts for the switching time based on statistical process control and explain potential causes of the observed autocorrelation, and Improve reporting procedures of faults in the database.
Spårväxlar, som är en kritisk komponent på den svenska järnvägen, har ett eftersatt underhållsbehov som motsvarar en kostnad som är tre gånger större än den årliga underhållskostnaden. Från 2017 till 2018 ökade rapporteringen av funktionsfel i spårväxlar med 38 % och ungefär en tredjedel av funktionsfelen var tågstörande fel som orsakar merförseningar i tågtrafiken. Syftet med examensarbetet är att presentera rekommendationer för hur uppkomsten av tågstörande fel i spårväxlar kan reduceras genom tillståndsbaserat underhåll. Tillståndsbaserat underhåll är en kostnadseffektiv strategi som ämnar att övervaka och planera underhållsåtgärder efter tillståndet i enheten och är lämplig vid fjärrstyrd övervakning. För att uppfylla examensarbetets syfte delades projektet upp i tre delmål som besvarades genom tillämpning av problemlösningsmetoden DMAIC (Define, Measure, Analyse, Improve och Control). Det första delmålet innefattade stegen Define och Measure och ämnade undersöka vilket funktionsfel som orsakat flest antal merförseningsminuter per fel. Orsakskategorier till tågstörande fel analyserades där Materialutmattning/Åldrande samt Komponent trasig hade ett stort antal tågstörande fel och merförseningsminuter. Orsakskategorierna bröts ner till komponentnivå varav funktionsfel i Växellåda identifierades att orsaka flest antal merförseningsminuter per fel. Resultatet från Delmål 1 samt de två stegen Define och Measure användes därefter till Delmål 2. Det andra delmålet innefattade steget Analyse och ämnade att undersöka om det identifierade funktionsfelet i Växellåda kunde förutspås. Detta undersöktes genom larm från en av Trafikverkets befintliga databaser. Utifrån en grafisk analys av larmen kunde inget samband identifieras mellan funktionsfelet i Växellåda och larm från databasen. Därför undersöktes istället om funktionsfel i Växellåda kunde förutspås genom styrdiagram baserat på omläggningstid. Statistisk processtyrning är lämpligt vid övervakning av processer i realtid, men i detta examensarbetes analys användes historisk data från 2018. Den tillgängliga data hade brister i kvalitet till följd av trunkering av omläggningstiden. Trunkeringen innebar att decimalerna har avlägsnats. I styrdiagrammen påvisades larm där den befintliga databasen inte innehöll larm. Dessutom påvisade data på omläggningstiden från flera spårväxlar signifikant autokorrelation vilket påverkar beräkning av styrgränserna. Resultatet var således svårt att tolka på grund av trunkering och autokorrelerade data. Grafisk analys av omläggningstider och medelvärdet av omläggningstiderna indikerade att 69 % av spårväxlarna hade ett troligt samband mellan funktionsfel i Växellåda och omläggningstiden. Det tredje delmålet innefattade stegen Improve och Control och ämnade att upprätta rekommendationer för hur uppkomsten av funktionsfel i spårväxlar kan reduceras. Analysen i föregående delmål resulterade i följande rekommendationer:       • Öka mätnoggrannheten vid mätning av omläggningstid,       • Upprätta styrdiagram för omläggningstiden utifrån statistisk processtyrning och identifiera orsaken till autokorrelerade data, och       • Förbättra inrapportering av funktionsfel.

Konkurrensen hårdnar och utvecklingstakten inom industrin går allt fortare, detta leder företagen till nya utmaningar. Nya utmaningar är svåra att hantera speciellt för små- och medelstora företag, SMF eftersom de inte besitter samma kunskap och ekonomiska förutsättningar som stora företag. Detta projektet syftar att förbättra konkurrensfaktorn i SMF genom att tillämpa statistisk processtyrning och därmed höja deras kvalitet. För uppnå syftet har målet varit att ta fram ett hållbart arbetssätt för statistisk processtyrning för produktion i små serier. En fallstudie enligt DMAIC som är Sex Sigmas primära arbetsgång har använts för att skapa erfarenhet om variation och finna ett arbetssätt. Studien fastställer att en lyckad implementation av statistisk processtyrning har en cyklisk metodik som utgår från ledning, samarbete, teknik och statistik. De statistiska aspekterna i arbetssättet redogörs i ett flödesschema.

Fordonsindustrin är en av de industrier med höst standarder och lägst toleranser för fel. För att produktion ska kunna uppfylla de högt ställda kraven krävs det ett bra och effektivt system som snabbt återkopplar produktionen och förhindrar att den hamnar utom uppsatta styrgränser eller toleranser för artikeln. Genom att använda statistisk processtyrning (SPC) och mätsystemanalys (MSA) tillsammans med Gage R&R kan produktionsprocessen styras upp och minimera fel till några enstaka få per miljon producerade detaljer. För att kunna göra det arbetet mer effektivt så är det fördelaktigt att använda sig av digitala mät- och analyssystem. I det här kandidatexamensarbetet undersöks i ett tekniskt uppdrag hur ett digitalt system från Mitutoyo kan användas i små- och medelstora företag (SMF) för att styra upp och förenkla det dagliga kvalitets- och processystemsarbetet samt göra det mer konkurrenskraftigt. Projektets uppdragsgivare var Marcus Komponenter AB där arbetet utfördes 1–3 gånger i veckan, i stort sett varje vecka under första halvåret av 2021. Marcus Komponenter är leverantör till bland annat Scania och Volvo Lastvagnar. Teoridelen av rapporten tar upp aspekter om produktion som kvalitet och kvalitetsstyrning men även hur metoderna SPC och MSA fungerar matematiskt och i praktiken samt används på ett effektivt sätt. Digitalisering och Industri 4.0 i företag tas upp och hur det kan appliceras. Slutligen avslutas teorikapitlet med sammanfattningar av samtida studier kring ämnena som den här rapporten tar upp för att ha en grund att bygga vidare på. Det finns goda möjligheter till att börja implementera digitala teknologier men att vägen dit kräver mycket engagemang, kunskap och en del investeringar. Det rekommenderas i flera fall att det finns en mättekniker eller person ansvarig för implementeringen av statistiskprocesstyrning då ämnet är så stort och föga anpassat till att genomföras på deltid eller vid behov. Om inte aktivt arbete sker med SPC blir inte processen återkopplad och arbetet saknar mening. Markus komponenter jobbar ständigt med digitalisering utifrån sina förutsättningar. Att implementera statistisk processkontroll bör vara ett naturligt nästa steg inom digitaliseringen. Av detta tekniska uppdrag framgår att det är fullt möjligt för Marcus komponenter att fortsätta sin digitalisering och implementera statistisk processkontroll i en större utsträckning. Statistisk processkontroll i kombination mätsystemsanalyser och andra digitala teknologier förhöjer värden i kärnprocessen genom högre kvalitet och reducerade reklamationer. För SMF:er kan detta spara in stora kostnader i längden och följaktligen öka konkurrenskraften men det kräver att de kan arbeta med lean och använda sina resurser på ett smart och flitigt vis.
The automotive industry is possibly one of the ones with the highest standards and lowest tolerances for errors. To have a production that fulfils the high demands from customers, OEMs must work diligently with reducing errors, not just in-house but across the whole value chain including suppliers to make sure their products can raise to the high demands set out. By using methods such as Statistical Process Control (SPC) and Measurement System Analysis (MSA) along with Gage R&R, it is possible to create products and parts with errors less thanfour per million manufactured parts. To help with improving the measurement taking and analytics, modern digital systems are recommended. In this report, a case study is created to study how small- and medium size denterprises (SMEs) can implement digital systems for measurement and production analytics from Mitutoyo, MeasurLink and QuickImage. The report also studies how digitalisation can simplify daily quality and process improvement processes while simultaneously making companies more competitive. This case study is performed on a SME, Marcus Komponenter AB, in Järna, Sweden who manufactures fasteners and custom ordered parts, and is a supplier to companies such as Scania and Volvo Trucks. Supervising the project is the Swedish Royal Institute of Technology (KTH) in Södertälje. The report is researching previous studies regarding quality and quality management among the main subjects, SPC and MSA. Complementing the studies, some background on digitalisation is given and an attempt at defining what digitalisation and Industry 4.0 is and how it can be applied to SMEs. The final part of the theory chapter goes over contemporary studies regarding digitalization, SPC as well as previous studies at Marcus Komponenter. For the analysis and discussion parts of the report, the findings that were found at Marcus Komponenter are combined with what was learned in the theory chapter. The conclusions were that there are good possibilities to start working with digitalisation now, at least regarding measurement and production analytics. However, the road there will require a lot of work and time as well as some investments but can increase competitiveness. To help implement digital technologies and manage the system, it is recommended to hire a measurement technician/supervisor or an SPC consultant to help guide companies. If technologies are simply bought but not used proactively, the investment will not make sense as SPC relies on continuous feedback to be useful. Markus Komponenter is constantly working on digitization based on their conditions. Implementing statistical process control should be a natural next step in digitization. This technical assignment shows that it is entirely possible for Marcus komponenter to continue their digitization and implement statistical process control to a greater extent, but it will require them as well as other SME:s to work lean and use their resources in a clever way.

 

Det statistiska kvalitetsverktyget Statistisk Processtyrning, SPS, introducerades på BT Products AB i Mjölby utifrån en specifik implementeringsprocess. Introduktionen utfördes i en målningsprocess och genom detta arbete kunde aktuell process utvärderas och orsaker bakom eventuell urskiljbar variation eftersökas. I gällande process målas gods till eldrivna truckar svarta genom elektrostatisk pulvermålning, där eftersträvad färgskikttjocklek är 70 µm. Målningen utförs automatiserat av fyra robotar och för att erhålla kunskap om processens uppförande studerades och analyserades utfallet statistiskt utifrån en bestämd kvalitetsindikator, färgskikttjockleken. Data samlades in utifrån denna indikator genom kontinuerlig mätning på utvalt objekt och med hjälp av en mätmall för att erhålla jämförbara observationer. Tillförlitligheten hos insamlad data analyserades och observationerna uppvisade en normalfördelning och slumpmässighet. En hög grad av autokorrelation sågs dock, varför transformation av data krävdes innan fortsatta studier kunde utföras. I och med denna transformation erhölls oberoende och därmed tillförlitliga residualer, vilka studerades i styrdiagram för att information om processens uppförande över tiden skulle erhållas. Observationerna är individuella och anges som variabeldata, varför stora skiftningar i processen studerades i x‑ och MR-diagram och små skiftningar i EWMA-diagram. Vid studie av dessa diagram kunde såväl alarm som trender identifieras och processen ansågs därmed vara instabil. Dessa företeelser antogs vara resultatet av urskiljbar variation, orsakad av kontrollerbara faktorer. I den efterföljande processutvärderingen kom därför arbetet att fokusera på identifikation av dessa faktorer. För denna identifikation sattes en fokusgrupp samman, vilka listade möjliga faktorer i ett Ishikawadiagram utifrån de sju M:en.

Uppkomna faktorer testades utifrån främst tre olika metoder; tvåfaktorförsök, enfaktorförsök och loggning. Faktorförsöken genomfördes genom målning av testplåtar, där skillnad i färgskikttjocklek beroende på vald faktornivå studerades. Loggning av faktorer utfördes parallellt med produktion, varpå dessa värden ställdes mot registrerade värden på färgskikttjockleken i en ANOVA- eller korrelationsanalys. Utifrån resultatet av dessa tester delades undersökta faktorer in i Signifikanta, Delvis signifikanta, Eventuellt signifikanta och Ej signifikanta. De faktorer som ansågs vara signifikanta är Fluidisering och Pulverbatch, vilka kan vara bidragande orsaker bakom den urskiljbara variationen som identifierats. Fluidiseringen har periodvis varit undermålig i ett av de pulverkök som förser robotarna med pulver, något som kan förklara uppvisad låg korrelation mellan robotarna och den höga nivå av autokorrelation som skådats. Vid ett test med fyra olika säckar från två olika batcher sågs även en varierad batchhärkomst påverka resultatet, med en skillnad i färgskikttjocklek på mellan 10 och 20 µm på testplåten. De Delvis signifikanta faktorerna, så som injektorplugg, elektrod och munstycken, kan påverka utfallet vid en hög grad av förslitning och troligen fås störst inverkan i de fall då dessa samverkar. Genom att utföra rekommenderade åtgärder beträffande de signifikanta faktorerna, med avseende på att minska variationen, kan processen åter studeras och utredas. Beroende på utfall kan en stabil process förbättras och i annat fall söks nya källor till variation.

 

 

The statistical quality tool Statistical Process Control (SPC) was introduced at BT Products AB in Mjölby following the process of SPC implementation. The current process is a powder coating process where parts for powered trucks are painted black. The electrostatic powder coating is performed by four automatized robots and the desired layer thickness is 70 µm. The process has been evaluated from a quality characteristic, specified as the layer thickness, and special causes behind variation were identified. Data has been collected continuously from the process by measuring objects in the production, using a self-developed measurement template to receive comparable data. Statistical tools have been used to evaluate whether the data were reliable or not. A normal probability plot confirmed that the observations were normally distributed and a scatter plot established randomness. Autocorrelation was detected and the data had to be transformed, why the independent and reliable residuals were used in the subsequent analysis. Control charts were used to study the process over time, where individual x- and MR-charts detected large shifts in the process, while EWMA-charts detected small shifts. Alarms, trends and abnormal patterns were identified in these control charts, which led to the conclusion that the process could be considered out of control. The special causes behind this variation were assumed to stem from controllable factors and the work was therefore focused on identifying these special causes.

Factors were listed in an Ishikawadiagram by a focus group and tested using mainly three different methods. Design of experiments was used to test a two factorial design, and single factors were tested by one-factor-tests. A sheet metal was painted in both test methods and the difference in layer thickness, dependent on chosen level of the factor, was studied. Other factors were logged parallel to the production. Additional observations were compared to the registered layer thickness on parts and the relation analysed using ANOVA- or correlation analyses. Examined factors from these tests were divided and categorized into Significant, Partially significant, Possibly significant and Not significant. Fluidisation and powder batch were identified as significant factors and thereby possible causes behind the identified variation. The fluidisation in one of the powder containers has at times been misbegotten, something that can explain the high level of autocorrelation and the low level of correlation between the robots. When testing the batches, four sacks from two different batches were used and a large difference in layer thickness was observed depending on powder origin. A high degree of wear of the partially significant factors, as injector nozzle, electrode and gun nozzle, could affect the result, but they likely have the largest impact when collaborating. By performing recommended actions, in an attempt to reduce the variation on the basis of the significant factors, the process once again can be studied and evaluated. Depending on the result, a stable process can be improved, alternatively, new sources behind variation identified.

 

Quality was earlier only an issue for the company’s quality departments but today is the entire organization involved in quality- and improvements work. With the customers in focus, both external and internal, quality and improvement work should be integrated in the daily activities. The management shall state goals and visions together with a policy. Through participation the correct requirements for a successful work are created.

With SPC, statistics process control, there is an opportunity to perceive variations in the process and with the correct tools make it stable. Examples of tools that can be used are the seven QC – tools and the PDCA – cycles, which are presented more detailed in the report.

By using SPC and the information given by it, a measure of the process capability within fixed tolerances on the produced parts can be achieved.

The analysis in this report has been made in order to verify the capability and variations in the measuring system used within a selected production sector.

When using the digital halftone proofing systems, a closer print match can be achieved compared to what earlier couldbe done with the analogue proofing systems. These proofing systems possibilities to produce accurate print match canas well lead to producing bad print matches as several print related parameters can be adjusted manually in the systemby the user. Therefore, more advanced knowledge in graphic arts technology is required by the user of the system.The prepress company Colorcraft AB wishes to control that their color proofs always have the right quality. This projectwas started with the purpose to find a quality control metod for Colorcraft´s digital halftone proofing system(Kodak Approval XP4).Using a software who supports spectral measuring combined with a spectrophotometer and a control bar, a qualitycontrol system was assembled. This system detects variations that lies out of the proofing system´s natural deviation.The prerequisite for this quality control system is that the tolerances are defined with consideration taken to the proofingsystems natural deviations. Othervise the quality control system will generate unnecessecary false alarms and thereforenot be reliable.

Inom industriell tillverkning har alla maskiner en teoretisk duglighet. Den skiljer sig däremot från den faktiska när den sätts i en process, där påverkas dugligheten av samtliga resurser i processen. Electrolux Laundry Systems har problem i sin plåtberedning som beror på att dugligheten bland plåtberedningens maskiner är okänd. Projektet handlar om att beräkna dugligheten i Electrolux Laundry Systems plåtberedningsmaskiner samt ge förslag på hur dugligheten kan förbättras och övervakas. De studerade maskinerna består av tre stansar och fem bockningsmaskiner. Dugligheten mäts i duglighetsindexet Cpk. Mätdatan plottas även i diagram måttvis. Resultatet från studien visar att samtliga plåtberedningmaskiners duglighet beräknades till under 1,0. Ett godkänt värde bör ligga mellan 1,33 och 1,66. Det betyder att plåtberedningsprocessen inte är duglig.

Den fjärde industriella revolutionen, även kallad Industri 4.0, drivs av ett antal teknologier som medför digitalisering och automatisering av industriella processer. Konceptet innebär en applicering av dataanalys med avancerade analytiska verktyg på stora mängder data, vilka påstås ge stora möjligheter för kvalitetsförbättringar. För att en sådan övergång ska ske är förmågan att hantera data avgörande. Trots det uppvisar många företag idag bristande användning av data för att ta beslut. Frågan är hur företag kan göra för att hantera data och utföra en transformation till Industri 4.0. För att studera det här ämnet har det här examensarbetet utförts som en fallstudie på en stansprocess hos Scania Ferruform. Genom en litteraturstudie, kvantitativ datainsamling samt observationer och intervjuer undersökte examensarbetet den nuvarande användning av data i processen. Därefter undersöktes data med statistiska verktyg för att visa på hur data kan hanteras i en process för att erhålla större kunskap om orsaker till avvikelser. Examensarbetet utredde till sist hur fortsatt arbete med datahantering kan utföras för att uppnå målet Industri 4.0.Analysverktyg har använts för att analysera över 39 000 datapunkter. Resultatet visar på att det finns utvecklingsmöjligheter vad gäller insamling, kvalitet och användning av data. Ett ramverk presenteras för hur företaget bör hantera data för att kunna utvinna ny kunskap från deras processer samt hur Ferruform fortsatt kan arbeta mot Industri 4.0.Slutligen ges rekommendationer om fortsatta studier. Resultatet av examensarbetet blir ett stöd för Ferruform i deras arbete mot mer dugliga processer och den tekniska utveckling företaget eftersträvar.
The fourth industrial revolution, also called Industry 4.0 is powered by several technologies which result in digitalization and automatization of industrial processes. The concept includes the application of big data and advanced analytics, which are said to provide great opportunities for quality improvements. For such a transition to take place, the ability to handle data is crucial. Despite this, many companies today show a lack of use of data to drive decision-making. The question is how companies can manage data and ultimately transition towards Industry 4.0. To research this topic this thesis has been carried out as a case study of a punching process at Scania Ferruform. Through a literature review, quantitative data collection, as well as observations and interviews, the thesis examined the current use of data in the process. Subsequently, data were examined with statistical tools to illustrate how data can be managed in a process to attain increased knowledge about causes of deviations. Lastly, the thesis explored future work towards Industry 4.0. Analysis tools have been used to analyse over 39 000 data points. The result of the study shows that there are opportunities for development in terms of collection, quality and use of data. A framework of how Ferruform should manage data in order to extract new knowledge from its processes is presented. Furthermore, an action plan is presented for a transition towards Industry 4.0. Finally, recommendations are given for further studies. The result of the thesis will be helpful for Ferruform in its transition towards more efficient processes and the technical development of which the company strives towards.

Nouryon, formerly Akzo Nobel, is a world-leading manufacturer of particles. Already in the 70s, one part of Nouryon was founded in Stockvik where to this day still produce particles of the highest class. When the production of particles is classified under the chemical process industry, the manufacturing process consists of a number of raw materials mixed and reacting with each other in different vessels. Many of the chemicals used are harmful to human health and therefore Nouryon is constantly working to increase safety while at the same time a great focus is on streamlining the manufacturing process. The purpose of the work is to reduce the variation in the manufacturing process by analyzing a particular product family, working with tools based on statistics and historical data, and automatic inspection systems with the basis in camera technology. By reducing the variation, the proportion of First Time Right will increase, which in turn results in reduced costs that arise due to rework. It would also facilitate production planning, reduce downtime for subsequent processes and generally result in a generally more reliable process. By raising the root causes of the variation and addressing these with the help of tools that simplify the daily work, control of the process can be taken and the needs of the customers be ensured. To create an understanding of the chemical process, a current study of how different manufacturing steps were carried out. In addition to this, it was also investigated how the company is currently working on raising problems to the surface and in order to be able to determine how the work with the statistical tools and the inspection system could be fullfilled in the current conditions. The work resulted in a large amount of data that was the basis for a multivariate analysis, a number of proposals for future work and also two separate reports discusses with statistical process control and inspection systems with camera technology. Unfortunately, no quantitative results can be presented in the work because all results are based on actions taken in the longer term.