Akademin för Innovation, design och teknik IDT
Hur anställda påverkas vid implementering av industri
4.0 i tillverkande företag
En litteraturstudieRandy Shamorad
Beraz Omar
Examensarbete, Grundnivå (högskoleexamen), 15hp
Handledare: Mikael Hedelind Examinator: San Giliyana
PPU307. Examensarbete inom produktion & logistik (kandidatexamen) Mälardalens högskola
Sammanfattning
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 sekundär data som innefattar vetenskapliga artiklar och böcker. Teorierna är analyserade och avgränsades under arbetets gång för att presentera en slutsats på
frågeställning.
Nyckelord: Industri 4.0, Internet of Things, Big Data, Smarta fabriker, Cloud Computing, Cyber Security, Connectivity och Additive Manufacturing.
Abstract
It is becoming increasingly important for companies to apply successful implementations in workplaces. This is to be able to match the raised standard that companies are faced with. The companies are therefore under pressure from different fronts. Technology can therefore be implemented as a part of industry 4.0. This is to create increased communication, safer workplaces and a better working environment for the employees with higher skills since it is financially favorable.
In order to remain competitive, development is required. This can be through implementations in the workplace. However, implementations require structure and planning to achieve a successful result. The question thus becomes how the implementation of the new technologies affect the people in the company. This is because changes that take place drastically in the workplace affect the safety of the employees as structure and knowledge may be lacking. Companies therefore need to work in parallel and with the interplay of other technologies in order not to expose the employees to danger. There are several technologies to apply when implementing Industry 4.0 that affect the employees. These technologies also affect various aspects coherently. Creating benefits in the workplace with the help of technologies such as improved communication gives the employees the opportunity to take advantage of the technology's benefits during implementation. The study has concluded that these five aspects of communication, work environment, safety, finances, education/skills are the most
important influences on the employee when implementing industry 4.0.
The purpose of this thesis is to study technologies in industry 4.0 to find its impact on the employees during implementation. To answer the question, the study has used primary and secondary sources that include scientific articles and books. The theories are analyzed and limited during the work to present a conclusion on the question in hand.
Keywords: Industry 4.0, Internet of Things, Big Data, Smart Factories, Cloud Computing, Cyber Security, Connectivity and Additive Manufacturing.
Förord
Detta examensarbete är en avslutningskurs för högskoleingenjörer i produktion och produktdesign på Mälardalens Högskola Västerås/Eskilstuna. Examensarbetet omfattar en litteraturstudie, där syftet är att undersöka hur de anställda påverkas vid en implementering av industri 4.0.
Beraz Omar och Randy Shamorad är tacksamma för att ha fått skriva examensarbetet på Mälardalens Högskola. Vi vill tacka samtliga inblandade för den feedback vi fått. Vi vill framförallt tacka vår handledare Mikael Hedelind som givit oss inspiration och feedback under dessa veckor.
Randy Shamorad Beraz Omar
Ordlista
Industri 4.0
Industri 4.0 definierar den fjärde industriella revolutionen som en kompletterande term. Detta med internet of things och insamlade data i en miljö där tillverkning sker. Med mål i sikte att korta ner omställning och ledtider i produktionen och samtidigt öka flexibiliteten.
Internet of things
Internet of things avser en miljö där data kan sändas över nätverk utan att människans roll krävs. Detta skapar en förbindelse och informationsdelning mellan nätverk och människor.
Big data
Big data innefattar en större storlek av digitalt lagrade data. Denna data blir svårt att behandla med vanligare data metoder och kräver därmed utvecklad teknik.
Digitalisering
Digitalisering avser omvandlingen från det analoga till mer digitala. Detta innefattar samtlig anpassning och användning till digital teknik. Den ökade användning
av digital informationsteknik sammankopplar produkter med teknik.
Smarta fabriker
En smart fabrik är en fabrik som tillämpar utvecklad teknik som kan insamla data och bidrar till effektivitet och ökad säkerhet inom fabriken. Användning av exempelvis sensorer är en teknik. En sensor kan samla in data och kommunicera med andra smarta enheter i realtid.
RFID (Radio Frequency identification)
RFID är en teknik som kan identifiera objekt märkt med en RFID-tagg. Med hjälp av denna teknik kan objektinformation samlas och lagras i en databas. En motsvarighet är streckkod som identifierar ett objekt. RFID-tekniken kan istället sända sitt innehåll med hjälp av radiovågor.
3D-printer
3D-printer är en typ av additiv tillverkningsteknik. Detta genom föremål byggs upp lager på lager. Metoden ger möjlighet till att forma föremål till önskat resultat. Detta utifrån en geometri från exempelvis CAD-data.
Innehållsförteckning
1. Inledning ... 7 1.1 Bakgrund ... 7 1.2 Problemformulering ... 8 1.3 Syfte och mål ... 8 1.4 Frågeställning ... 8 1.5 Avgränsning ... 8 2. Metod ... 9 2.1 Genomförande ... 9 2.2 Planering... 9 2.3 Kvantitativ forskning ... 10 2.4 Kvalitativ forskning ... 10 2.5 Studiens kvalitet ... 11 2.5.1 Validitet ... 11 2.5.2 Reliabilitet ... 12 2.6 Metodval... 12 3. Teori ... 13 3.1 Internet of Things ... 133.2 Big Data & Cloud Computing ... 13
3.2.1 Big data analytics... 14
3.2.2 Connectivity ... 15 3.3 Cyber Security ... 16 3.4 Robotics ... 17 3.4.1 Robotens effekt ... 18 3.5 Additive Manufacturing ... 19 3.6 Smarta fabriker ... 19
4. Diskussion och Analys ... 21
4.1 Samspel mellan aspekter ... 21
4.3 Arbetsmiljö och säkerhet ... 22
4.4 Ekonomiska ... 23
4.5 Utbildning... 24
5. Slutsats ... 25
5.1 Fortsatta studier ... 26
1. Inledning
Detta avsnitt inleds med en generell beskrivning om industri 4.0, där läsaren får en kort återblick till tidigare förändringar och avslutar med ett problem. Kapitlet inkluderar även de
resterande rubrikerna såsom, bakgrund, problemformulering, syfte och mål, frågeställning och avgränsning.
1.1 Bakgrund
Under sent 1700 tal skedde en stor förändring. Tillskottet av nya teknologier och arbetssätt grundades den första industriella revolutionen. Idag är denna förändring igenkänd för de enkla mekaniseringar som genomförts i textilindustrierna. Implementeringen av tekniker som generade stora förändringar där huvudmålet var att öka effektiviteten i produktionen, transporten och tillverkningen. Grunden till att uppnå profiter i företaget baserades på tre olika aspekter. Detta genom att balansera ekonomiska, sociala och politiska aspekter. Tack vare nya teknologier och goda resultat har man kunnat genomgå fyra olika förändringar där verktygen av industri 4.0 har spelat en stor roll för samhället (Özüdoğru, et al., 2018). Industri 4.0 är ett samlingsnamn för exempelvis Big Data & Analytics, Cloud Computing, Cyber Security, Horizontel & Vertical Integration, Robotics, Argumented Reality, Additive Manufacturing, Simulation och Internet of Things. Dessa teknologier representerar ett flexibelt system. Med rätt kompetens kan automatiseringen av exempelvis robotar och
maskiner kan generera betydelsefulla fördelar för företagen. Det viktiga är att uppnå effektiva resultat som minskar risker för eventuella defekter. Dessa problem kan undvikas genom en implementering av industri 4.0. I samband med implementeringen kan utbildningar krävas för att öka kunskapen om riskfaktorer, säkerheten och de nya teknologierna. Detta för att nå så höga konkurrenskraftiga mål som möjligt (Johansson, et al., 2017). En av de större
utmaningar som företagen kan stöta på är vikten av samspel av teknologierna.
Implementeringarna kräver samspel för att skapa en optimal lösning (Hariharasudan & Kot, 2018).
1.2 Problemformulering
Industri 4.0 kännetecknas av ett system med en rad teknologier. Dessa tekniker kan påverka den anställdes roll vid implementering i industrier. Aspekter som ekonomiska, säkerhet, arbetsmiljö och kommunikation påverkas även vid implementering. Olika implementeringar har en varierande påverkan både positivt och negativt. Detta med förhoppningen att förbättra för den anställde. Detta kan exempelvis vara arbetsmiljön. Teknikerna är med andra ord många och med olika påverkan. Tekniker i form av robotar har i årtionden tillverkats men inte nyttjats av industrier i samma utsträckning som efter introduktionen av industri
4.0. Denna teknik kan ha en förmåga att konkurrera bort arbetsroller i industrier. Därför är det viktigt att lyfta både för och nackdelarna för den anställde vid implementering av industri 4.0. Detta eftersom industrier strävar efter att skapa smarta fabriker med ökad effektivitet och flexibilitet på produktion och maskiner (Pfeiffer, 2016). Beroende på val av teknik vid implementering blir påverkan olika. Den anställdes erfarenhet och utbildning kan avgöra påverkan av implementeringen. Vid bristande kontroll av implementeringen av den nya tekniken kan den anställdes roll och säkerhet istället äventyras och tänkt förbättring kan vändas till en belastning (Leso, et al., 2018).
Därför valdes det att undersöka påverkan på den anställde vid implementering av industri 4.0 i tillverkande företag.
1.3 Syfte och mål
Syftet med denna litteraturstudie är att undersöka hur de anställa påverkas vid en implementering av industri 4.0. För att besvara frågeställningen behöver man diskutera relevanta analyser som läsaren får ta del av. Målet med studien är att visa på förståelse kring hur de anställda påverkas.
1.4 Frågeställning
Frågeställningen som presenteras är ställd för att kunna besvara syftet med studien. (1) Hur påverkas anställda vid implementering av industri 4.0 i tillverkande företag? 1.5 Avgränsning
Utifrån deltagen teori för denna litteraturstudie har studien avgränsat sig till Arbetsmiljö, Säkerhet, ekonomiska, kommunikation och utbildning. Detta då ett samspel upplevdes och berörde varje teori. Därav blev dessa aspekter dom viktigaste att beskriva och motivera.
2. Metod
Detta kapitel beskriver olika metoder som använts i studien. Avsnittet beskriver studiens tillvägagångssätt, val av källor, källhanteringen samt hur planeringen har genomförts.
2.1 Genomförande
Detta examensarbete inleddes med en stor sökning om vad industri 4.0 egentligen är. Syftet var att hitta ett forskningsområde som var relevant till industrier och programmet. För att hitta relevant information gjordes sökningar i två fall. Tanken var att komplettera vetenskapliga artiklar med relevanta böcker. All data som presenteras har valts ut med noggrann läsning, för att beskriva olika fenomen rätt. Arbetet bygger på sekundära data där det innefattar
vetenskapliga artiklarna och böcker. All data som hämtats är ifrån detta sekel. Proquest, Google schoolar, Web of science och Mälardalens högskolas databaser, dessa databaser har använts i studien. Relevansen och trovärdigheten kring den inhämtade data har varit en viktig faktor för att stödja de teorier som arbetet beskriver. Detta för att uppnå studiens mål.
Sökorden som använts har varit en viktig del för att hitta relevanta artiklar. De sökord som användes var Additive manufacturing, Industry 4.0, Robotics, Artificell intelligence och Big Data. Syftet med att läsa dessa teorier var att skapa en djupare förståelse kring hur dessa tekniker används och optimeras i industrierna.
En narrativ ansats är en av de metoderna som använts till studien. Syftet med metoden är att en författare visar på förståelse av en artikel som kan användas till egna studier eller projekt. Fördelen med denna metod är att skapa en stadig grund till analyskapitlet, där man kan diskutera fritt angående sitt ämne (McAlpine, 2016). På grund av dessa faktorer valde studien att använda denna analysmetod, eftersom formatet av detta examensarbete bygger på att studenterna skall kunna diskutera resultatet.
En tematisk analys fokuserar sig att hantera och analysera all form av data. Detta för att finna mönster i insamlad data för att därefter kunna beskrivas (McAlpine, 2016). Utifrån insamlad data har arbetet kunnat begränsa sig till våra fem valda aspekter. Dessa aspekter kunde utifrån tematisk analys framställas. Insamlad data kunde därmed analyseras för att skapa ett mönster till de olika teknologierna som presenterades. Detta möjliggjorda att studien kunde fokusera sig på att finna relevant fakta och rubriker som stödjer studiens syfte och mål.
2.2 Planering
En tidsplan är en viktig faktor för att planera projekt, studier, hålla deadlines och vara i fas till olika aktiviteter. Planering av projekt kan genomföras med hjälp av olika verktyg eller
metoder. En igenkänd metod är vattenfallsmodellen. Enligt Hallin & Gustavsson (2015) är vattenfallsmodellen en smidig modell, som kan hjälpa bland annat en författare för att stegvis genomföra olika faser. Denna modell kan underlätta arbeten, aktiviteter eller projekt.
Vattenfallsmodellen används till denna studie. Syftet var att hålla sig till en tidsplan med bestämda deadlines. Det var lättare att jobba efter en tidsplan, då man arbetade under ett schema. Därefter konstruerades vattenfallsmodellen, syftet var att arbeta i kronologisk ordning med ett avsnitt i taget.
Figur 2. Vattenfallsmodellen
2.3 Kvantitativ forskning
En kvantitativ forskning innehåller tre olika forskningsmetoder. De tre olika
forskningsmetoderna är deduktivt, objektivt och positivistisk. Dessa områden kan användas olika mycket inom olika forskningsstudier, där siffror och kvantifieringsmetoder representerar insamling av data. En Kvantitativ forskning undersöker bland annat ett experiment, som inledes med en hypotes som är formad utifrån en författarens egna teorier och
bakgrundskunskaper. Sedan måste forskaren vara objektiv under hela arbetet, fram till diskussionsavsnittet. Syftet är att inte ta några som helst ställningsantagande under arbetet utan att endast utgå ifrån de teorier som styrker olika påståenden (Eliasson, 2018). Målet med att använda en kvantitativ metod är att förmedla ämnets budskap med en hög
trovärdighetsstandard. I diskussions och slutsatskapitlen skall författaren diskutera arbetet och svara på sina frågeställningar (Pierides & Zyphur, 2017).
Tillförlitlighet är ett begrepp som ofta förekommer med den kvantitativa forskningsmetoden. Studier som innehåller en kvantitativ metod arbetar främst med kvaliteten och beskrivningar av olika teorier, fenomen och begrepp i sin forskning. Metoden förekommer även ihop med begreppet validitet. Validitet definieras till vilken trovärdighetsgrad ett ämne, studie eller projekt har (Kendall & Kisely, 2011). Vanligtvis brukar författare vilja jämföra eller mäta liknande ämnen, men från olika författare (Salvador, 2016). Utifrån studiens tema och forskning bestämdes att den kvantitativa forskningsmetoden skulle utnyttjas.
2.4 Kvalitativ forskning
En kvalitativ forskningsmetod kan användas vid studieundersökningar. Metoden kan användas för att tolka och analysera data. Metoden bygger på vetenskapliga artiklar och böcker som kan användas för att öka tillförlitligheten. Studien tar hänsyn till tolkningar av
mätvärden, argument, intervjuer, observationer och påståenden från olika forskningar. Precis som andra metoder säkerställer den kvalitativa metoden noggrannheter och trovärdigheter i arbetet. Huvudsyftet är att skapa en djupare förståelse av ett ämne. (Tuli, 2010)
Fördelen med forskning baserad på kvalitativmetod är att det kan medföra en ökning i trovärdighet då författaren bygger sina resonemang från olika tolkningar. Författaren har då ett ansvar att endast presentera trovärdig information. (Hamilton & Finley, 2019)
Studien byggs på vetenskapliga artiklar samt böcker, och med stöd av den kvalitativa forskningsmetoden kan studien presenteras och tolkas ur olika vetenskapliga artiklars perspektiv. Den kvalitativa forskningsmetoden nyttjades genom att studien jämförde olika vetenskapliga artiklar och böcker som presenterade likartade information. Detta resulterade till att trovärdigheten ökades av studien.
2.5 Studiens kvalitet
Grunden till att skriva ett välskrivet forskningsarbete beror främst hur en författare behandlar källhanteringen. Detta bygger på att all information som publiceras inte behövs kontrolleras utav en läsare (Brogårdh & Lexell, 2020).
Det kan även hjälpa forskningsarbetet genom att tydligt beskriva varför tillförlitligheten i en forskning är viktig. Så att läsaren kan lära sig vikten varför en forskare skall vara pålitlig under ett forskningsarbete. Om en författare anses som tillförlitlig, kan läsaren ta del av relevant fakta samt nya perspektiv av ett ämne (Brogårdh & Lexell, 2020).
Kvaliteten av en studie består av flera olika delar. De viktigaste delarna för att bygga ett arbete bygger på hur en författare organiserar, planerar och hur källkritisk författaren är. Genom goda källhantering av en författare kan ett arbete säkras på flera plan. Primär och sekundärdata är två termer som förekommer vid hantering av allt källmaterial. Dessa termer beskriver hur tillförlitlig en källa är. En primärkälla består av en eller flera författare som presenterar ett forskningsresultat vid en undersökning. Sekundärdata handlar däremot om när en eller flera författare återberättar fenomen, begrepp eller information som redan finns publicerat i olika böcker, artiklar eller rapporter (Säfsten & Gustvsson, 2020). All data som hämtats
I detta examensarbete har vetenskapliga artiklar som hämtats ifrån Mälardalens databaser och relevanta böcker för att beskriva begrepp. Därför var nyckelorden och förkortningar ett säkert tillvägagångssätt för att finna kvalitativa data till arbetet. Det studien fokuserat på är all data som hämtas innehåller kvalitativ information och detta har gjorts genom att studien valt relevanta källor utifrån jämförelse av liknande artiklar.
2.5.1 Validitet
Validitet är en insamlingsteknik, som avser hur en författare mäter en undersökning till olika projekt eller arbeten. Validitet förekommer i två olika termer, inre och yttre validitet
(Eliasson, 2013). Enligt Ahrne & Svensson (2015) innebär inre validitet, hur trovärdigt ett begrepp beskrivs till följd av mätningar. Yttre validitet handlar däremot om vilket resultat som åstadkommit genom mätningen. Avsikten vid begreppet är att läsaren ska ta del av relevanta undersökningsmetoder som presenterar kvalitativa analyser, undersökningar och mätvärden.
Denna studie fokuserade på att beskriva olika tekniker, situationer och begrepp. Detta inleddes genom att presentera en tydlig frågeställning för att lättare kunna finna fakta. Sedan var det viktigt att säkerställa och sortera all form av data som tillämpades, där all relevant information användes till forskningen. Slutligen bestämdes att vetenskapliga artiklar skulle prioriteras då studien ansåg att forskning av andra studier kan innehålla ytligare kopplingar än endast teknologin.
2.5.2 Reliabilitet
Reliabilitet bygger på ordet pålitlighet, det vill säga hur tillförlitlig olika kunskaper är. Målet är att nå en hög reliabilitet (Säfsten & Gustvsson, 2020) Det säkraste sättet att nå hög
reliabilitet kan vara genom olika mätningar. För att nå ett högt reliabilitets mål, krävs det att man efterliknar det resultat eller åtminstone komma så nära mätningens resultat (Ahrne, G & Svensson, 2015).
Arbetet har använt sig av begreppet. Dels för att grunden till begreppet bygger på pålitlighet samt att förmedla ett realistiskt tillvägagångssätt. Till detta inkluderade man vetenskapliga artiklar samt böcker. Det var viktigt att all data som hämtas bygger på varandra. Därför användes flera olika data som beskrev en teori.
2.6 Metodval
Detta examensarbete använde sig utav den kvalitativa forskningsmetoden dels för att studien undersöker ett specifikt område samt att hela arbetet bygger på vetenskapliga artiklar och böcker som skall öka arbetets trovärdighet. Enligt Pierides & Zyphur (2017) kan
användningen av denna metod bidra till ökad förståelse. Genom noggranna granskningar av data och relevanta källor kan trovärdigheten ökas i ett arbete (Tuli, 2010). Studien har tillämpat tre metoder för att säkerställa insamlad data, arbetets struktur samt identifiera data. Kvalitativ forskningsmetod, narrativ ansats och tematisk analys. Den kvalitativa forskningen användes genom att säkerställa vetenskapliga artiklar och böcker presenterar relevant
information. All insamlad data i form av vetenskapliga artiklar och böcker har varit baserat på sekundärdata. Den narrativa ansatsen användes för att visa förståelse av ämnet där man samtidigt kan resonera fritt i analysen. McAlpine (2016) beskriver narrativ som en god
analysmetod som kan användas om en forskare vill beskriva olika teorier eller begrepp utifrån egna kunskaper. En tematisk analys hjälper studien med att analysera, organisera och
3. Teori
Detta kapitel beskriver teorier som omfattar industri 4.0. Industri 4.0 är ett flexibelt system som innefattar olika tekniker som ger flexibilitet och effektivitet i produktionen. Systemet är välkänt för sina automatiseringsfunktioner (Glichrist, 2016).
3.1 Internet of Things
Begreppet representerar enheter som på något sätt är relaterade och anslutna till
internet. Dessa anslutna enheter klarar av att kommunicera genom internetuppkoppling för att underlätta kommunikation mellan människor, enheter, produkter och maskiner. Det kan exempelvis vara med hjälp av sensorer eller datainsamling. Möjligheten skapas därmed till att kunna ansluta och kommuniceras på ett intelligent sätt genom implementeringen. Genom att anpassa och utveckla befintliga system med nyteknik kan fördelar användas. Detta skapar möjligheten till att kunna korrigera datainlärningar även på geografisk distans för exempelvis uppföljning eller effektivisering. Att kunna utföra dessa moment på distans innebär
att problem som geografiskt avstånd, tid och andra typer av begräsningar inte blir ett lika omfattande bekymmer. Önskat arbete kan nu utföras på distans med personal som har rätt kompetens utan att behöva slösa tid på exempelvis transporter och andra kostsamma
faktorer. Att kunna utföra arbetsmoment på distans kan öppna dörrar för företag som tidigare inte haft möjlighet att använda sig av kompetens som befinner sig på geografiska
avstånd. Detta skapar i sin tur större arbetsmöjligheter då ett större urval kan utnyttjas i arbetet. Samtidigt som företagen kan använda sig av större kompetenser så kan de även ta del av större målgrupper (Tucker, et al., 2018).
För att effektivt kunna använda sig av den insamlade data från enheter krävs det att
organisationen har en pålitlig datainsamlingsmetod. Den insamlade data behöver organiseras för att kunna användas vid exempelvis inmatningar i framtiden. Genom att använda sig av data kan inmatningar utföras utifrån den insamlade data som underlag för identifiering av exempelvis avvikelser (Tucker, et al., 2018).
Tidigare manuella arbetsmoment kan härmed automatiseras som ett alternativ. Ett exempel kan vara att ersätta en fysisk person med viktkänsliga sensorer som noterar avvikelser och utför åtgärder utifrån inmatade data istället. Detta kan vara på exempelvis en
lagerhylla. Identifierar viktsensorn att vikten på hyllan sjunker under den inmatade gränsen så identifierar den ett lågt lagersaldo. En åtgärd kan därmed utföras automatiskt. Identifieras ett lågt lagersaldo utifrån inmatad gräns kan åtgärden vara en signal till tillverkaren att lager platsen behöver påfyllning. Ingen personal behövs för dessa arbetsmoment då systemet är inmatat med den behövliga data för att utan den mänskliga hjälpen kunna utföra dessa moment (Wortmann & Fluchter, 2015).
3.2 Big Data & Cloud Computing
Det traditionella igenkända tillvägagångssättet för användning av program och data på företag har varit att samtliga program installerats separat på varje enskild dator efter behov eller efter uppköpta licenser. Detta har krävt att samtliga anställda individuellt behövt sköta installationer och uppdateringar på enskilda datorer för att regelbundet underhålla
mjukvaran. Insamlade data har därför riskerat att bli sparat endast lokalt på enskilda datorer istället för på ett datamoln som samtliga har tillgång till. Det
nyare arbetssättet med datamoln innefattar en nätverkslösning där data i olika former som exempelvis applikationer, information och dokument kan lagras på gemensamma servrar.
Dessa former presenteras i figur 3 nedan. En möjlighet erbjuds att leverera denna data till önskad plats och tidpunkt. Detta innebär därmed att företag kan vara säkra på att samtliga anställda har tillgång till samma upplaga av mjukvara då rätt version blir
uppladdat på datamolnet. Molnet lagrar denna information på servrar som man med tillgång av nätverk får åtkomst till. Tillgången får den anställde med hjälp av exempelvis en bärbar dator eller en smart telefon som är uppkopplad till ett nätverk. Då data är centraliserat blir företaget inte platsberoende för att ha åtkomst till denna data utan det blir placerat centralt på företagets server. Detta system används alltmer av företag, sjukvård och universitet. Detta innebär att tillgängligheten för dom behöriga ökar med datamoln (Skiba, 2011).
Tidigare former av datadelning har varit varierande. Den önskade data kan blivit skickat på nätet eller överförd på en extern källa. Att använda sig av en extern källa i form av en hårddisk eller USB-minne har inneburit risker och säkerhetshot. Detta om problem skulle uppstå med USB-minnet och innehållet skulle försvinna alternativt att obehöriga får åtkomst till denna data. Detta minimeras genom att använda sig av molntjänster då den lagrade data krypteras av säkra algoritmer. Risker mot molntjänsten blir därmed från personal med åtkomst till molnet (Kaur, 2018).
Datamoln kan även utnyttjas för lagring och tilldelning av utbildning för de behöriga
anställda. Föreläsningar och andra lärande lösningar kan laddas upp på datamoln så anställda kan ta del av detta för att använda sig av en gemensam utbildningsbas att utgå från. Detta skapar en struktur i arbete och utbildning då samtliga anställda använder och utgår från liknande utbildningsunderlag (Isaila, 2014).
Figur 3: Cloud computing
3.2.1 Big data analytics
Big data analytics är ytterligare en teknik som används i samband med industri 4.0. Denna teknik används för att samla in stora mänger data från olika källor. Teknik som kan tillämpas presenteras i figur 4. Denna data kan exempelvis komma från applikationer. Den insamlade data lagras och organiseras för att behandlas. Data filtreras och rengörs för att städa upp bland annat dupliceringar. Den färdigställda data kan därefter användas till exempelvis
maskininmatning eller Artificiell intelligens. Big data analytics förekommer även inom exempelvis system, sensorer eller mobiltelefoner. Enheter som utbyter information med andra enheter. Big data är en flexibel teknik som hjälper företag som implementerat industri
4.0 att utveckla skapandet av värdeadderande aktiviteter (Gradeck, et al., 2019). Att använda den insamlade data utifrån tekniken big data analytics för att utföra maskinstyrningar
underlättar arbetet för att skapa sund kombination mellan variation, volym och hastighet på en robot exempelvis (Santos, et al., 2017).
Big data analytics är en viktig teknik för att uppnå hållbara konkurrensfördelar. Studier har visat att Big data är en innovativ utveckling som kan uppnå flexibla effekter för
organisationen (Zhang, et al., 2020). Viktigt att lyfta är att tekniken också kan bilda hinder och motstånd för organisationen om den inte hanteras rätt. Det gäller att
företaget har personal med rätt kompetens, verktyg och utrustning för insamling och behandling av data. Rätt kompetens kan även anpassa tekniken efter identifierade marknadstrender för att inte överbelasta teknologin med onödig information. Detta kan resultera till att ökande lagringskostnader bildas samt att onödig resurs skapas istället (Song, et al., 2020).
Fördelen med att använda Big data är att man kan uppnå en djupare förståelse för hur processer kan förenklas och användas mer effektivt. Detta leder till att företaget kan få en bättre organisation med effektivare verktyg att handskas med. Detta kan i sin tur leda till större kundnöjdhet. Företaget kan därmed växa i popularitet och på marknaden (Pilloni, 2018). Genom att använda sig av Big data Analytics kan organisationen förbättra sin marknadsföring med hjälp av nya marknadsstrategier där man förbättrar
effektiviteten. Tekniken kan analysera insamlad informationsvärde på vad företaget genererar till kunden ur ett marknadsföringssätt. Det gynnar företaget på ett kostnadsfritt sätt. Denna teknik är viktig ur ett företagssammanhang, dels för att marknadsföra sina produkter till sina kunder och dels för att kunna konkurrera mot marknaden (Jobs, et al., 2016).
Figur 4: Cloud computing & Big data
3.2.2 Connectivity
Som tidigare nämnt kan detta innehåll nås vart som helst, när som helst vilket eliminerar begränsningar som kan uppstå. Begränsningar som kan finnas är att utbildningar tidigare skett vid olika tillfällen av en utbildare. Dessa utbildningar kan nu istället spelas in och laddas upp
på moln för att ge tillgång till utbildningen konstant. I figur 5 nedan presenteras connectivity där samtliga datorer är uppkopplade till samma moln. Connectivity som innefattar tillämpning av plattformar för värdeskapande aktiviteter är ytterligare ett alternativ till kostnadsbesparing. Detta kan användas för att spela in en utbildning istället för att fysiskt behöva
besöka personalen och utbilda på plats (Schmidt, et al., 2019).
Detta innebär att personal med rätt kompetens oavsett geografiska avstånd kan användas. Detta skapar ett tryggt stöd för personalen på arbetsplatser då interna lokala kompetenser kan brista vid implementeringsarbeten (Lobo, 2015).
Figur 5: Connectivity (Ufinet 2020)
3.3 Cyber Security
Den fjärde industriella revolutionen (industri 4.0) har introducerar och integrerat smarta enheter som kan kommunicera längst värdekedjan. Maskiner kan med hjälp av detta självkonfigurera sig, självoptimera samt erbjuda en bättre kvalitet på produkter och
tjänster. Problem som uppstår i samband med att stora data lagras är att mer grundläggande sekretess och säkerhetskrav ställs. Detta kan vara hur data delas mellan olika
organisationer då frågan om säkerhet behöver övervägas. Det finns flertal potentiella riskscenarier med denna teknik. En angripare kan installera ett program som är skadligt för systemet vilket resulterar i en tillgång till att kunna blockera olika funktioner inom logistik och produktion. Det kan vara ett annat scenario där angriparen väljer att ställa om en
maskin för att påverka produktionen eller skada närstående personal till maskinen. Detta kan medföra skada på anläggning och utrustning för att orsaka en stillastående produktion. Denna typ av skada kan alltså även påverka företagets produktion och personal. Påverkan blir därmed inte endast på den insamlade data. Mot bakgrund till att produktion kan behöva stoppas kan personal behöva sjukskrivas och kapital gå förlorat (CLIM, 2019). För att kunna fullfölja detta krävs det att angriparen har en ostörd tid medans de obemärkt tränger sin in i företagets nätverk. Väl inne på företagets nätverk har angriparen även tillgång
till ytterligare data som information om företagsanställda. Detta kan även vara
leverantörsavtal och betalningar inom marknaden som kan ses som känsligt material (CLIM, 2019).
Dessa scenarion förhindras progressivt med hjälp av övervakning med artificiell intelligens som genom datainlärning kan identifiera avvikelser och potentiella
säkerhetsöverträdelse. Anställda med rätt kvalifikationer behövs därför inom
uppnå efterfrågad kompetens behöver företaget ta ställning till att omskola den befintliga personalen alternativt anställa personal med rätt kvalifikationer för jobbet. Risken finns därmed för att den befintliga personalens roll kan behöva ersättas då behovet
förändras (Murray, 2018).
Inom industri 4.0 växer även förståelsen och allvaret med denna typ av
säkerhetshot. Attraktionen av implementeringen av industri 4.0 kan därmed påverkas till att bli mindre attraktiv då det kan innebära säkerhetshot. Detta då syften som radering,
modifiering, kopiering eller utnyttjande av information och resurser kan innebära stora
problem för ett företag. Hanteringen av dessa cyberattacker blir därför en större växande fråga inom industri 4.0 för att fortsatt attrahera denna implementering ytterligare kring nya
intressenter (Raihan, et al., 2019). 3.4 Robotics
Den utvecklingen samt konkurrensen marknaden är formad till idag sätter krav på företag. Att ständigt som företag behöva jaga nya tekniska förbättringar och lösningar gör det svårare för företagen att utveckla en gemensam grund för hur arbete ska utföras. Risken finns då att detta skapar en ostrukturerad organisation, utan ordentlig planering. Under de
senaste decennierna har automation av robotar blivit en viktig pelare för att uppnå mål. Därav väljer många företag att ersätta arbetare mot robotar. Detta kan ses som ett arbete för att lyckas uppnå de krav företagen ställs mot på marknaden. För att uppnå målen krävs radikala förändringar samt att implanteringar inom olika delar av varje organisation
utförs (Khomchenko, et al., 2018).
Organisationen har ett ansvar för att eliminera alla sorters förluster och hinder vid en förändring i produktionen. Förändringen inkluderar nya analyser gällande
processkartläggningar samt en helhetsbild av robotens funktioner. Genom att kombinera digitalisering och automation kan man uppnå övergångar som säkerställer automatiserade funktioner rörande robotar. Internet of Things är en relevant funktion att kombinera med robotar. (Guryanov, et al., 2017) Detta kan vara genom att ansluta enheter till robotar så att personal med rätt kompetens ska kunna arbeta med robotar på distans. Detta medför flera fördelar, som exempelvis att kunna ta del av arbetskraft trots geografiskt avstånd där distansen tidigare varit ett hinder. Arbete på distans innebär även kostnadsbesparing vilket gynnar företaget ekonomiskt. Dessa typer av fördelar har en stor inverkan på tekonologier och driver den globala utvecklingen mot att locka företag till ytterligare implementeringar inom industri 4.0 (Tucker, et al., 2018).
För att undvika hinder behöver företagen även lyfta eventuella risker som kan uppstå. Detta genom att rada upp risker med hjälp av en riskanalys, med saker
som kan påverka maskiner, robotar och de anställda. Många faktorer i ett företag har olika sorters påverkan på teknologin för att inte uppnå en komplett automation av robotar samt maskiner. Detta är stora utmaningar för företag att finna och anpassa dessa påverkande faktorer (Kocsi & Oláh, 2017).
Figur 6: Risker kan finnas med robot (Mooc-List 2021)
3.4.1 Robotens effekt
Manuella lyftuppgifter är en typ av arbetsrisk. Fysiska arbetsuppgifter med få arbetsmoment kan ersättas av teknologier i form av robotar. Detta för att underlätta arbetet genom assistering eller eliminering tunga lyft. Även inom denna teknologi finns efterfrågan på personal med rätt kompetens. Behovet för anställda med lägre utbildning eller andra utbildningar än det nya behovet kan därför försvinna. Arbetare kan behöva ersättas eller sägas upp. Detta för att kunna anställa personal med rätt teknisk kompetens för att kunna stödja den nya tekniken. Utan rätt kompetens kan det önskade mervärdet av den tekniska implementeringen gå förlorad (Hao, et al., 2020).
Upprepande tunga lyft påverkar trötthet och muskelsmärta hos arbetaren. Detta jämförs i figur 8. (Detta kan kategoriseras som en störning hos arbetstagaren, vilket är en risk i
arbetsmoment. Att genomföra en implementering i lyftuppgifter med en assisterande robot eliminerar denna typ av risk. Detta då roboten inte påverkas av denna fysiska interaktion men också medför en förbättrad arbetsmiljö för arbetaren. Även indirekta slitageskador påverkar arbetarens fysiska form över tid. En robot behöver genomgå service enligt serviceplan som tillverkaren föreslår för att behålla sina egenskaper. Vid eventuella problem kan delar på roboten bytas ut. En fysiskt sliten kropp på en arbetare kan inte åtgärdas på liknande sätt. Slitage i form av ledskador kan uppstå som påverkar arbetarens fysisk (Hao, et al., 2020).
Figur 7: Robotens fysik (Shutterstock 2020)
Enligt (Godina, et al., 2020) främjas AM för att nyttja ny teknik som kan resultera i
ekonomiska vinster. Detta kan även innebära en ökad arbetslöshet enligt Godina, et al (2020). Ur ett organisationsperspektiv har man kundernas intressen i prioritet. Om detta påverkar arbetslöshet, ses det inte som en förlust utan snarare som en ersättningsstatregi. Maskiner och robotar som ersätter arbetarna ses som långsiktiga investeringar. En robot eller en maskin kan arbeta självständigt 160 timmar i veckan ostörd till skillnad ifrån arbetarna som jobbar på golvet. En anställd arbetar 40 timmar i veckan, där semesterdagar, sjukdagar, raster, skador
inkluderas in till prognosen. Denna jämförelse visar på att en användning
av Additive manufacturing leder till ekonomiska vinster. Resultatet blir även en ökad effektivitet och tillförlighet än vid tillfällen där en arbetare utför uppgiften (Godina, et al., 2020).
Figur 8: Human vs Robot (VectorStock 2019)
3.5 Additive Manufacturing
Additiv tillverkning handlar till stor del om 3D-printning. Denna metod används av
konstruktörer där syftet är att designa, forma och räkna ut hållfastheten via en CAD-modell. Denna CAD-modell ansluter sig direkt till en 3D-maskin. Vid tillverkningen arbetar
konstruktörerna på en och samma arbetsplats. Syftet är att producera snabbare, billigare och undvika onödiga transportkostnader. Vid bil, flyg och rymdindustrier försöker man undvika att flytta runt material. Tekniken har som mål att främja hållbarheten i ett tillverkningssystem, optimera materialförbrukningen, anpassa mönster och förkorta produktionstiderna (Godina, et al., 2020). Additiv tillverkning har tendenser att tillverka produkter med avancerade former. Detta medför att kunder oftast dras till företag med den sortens teknik (Holmstrom & Gutowski, 2017).
Tillämpningen av denna teknik kan minska produktions, logistik och lagerkostnaderna. Genom att man samlar allt material på ett och samma ställe, minskar man kostnader för transport samt lagerhållning. Detta ses som onödiga internkostnader. Istället är det viktigt att placera företagen på ett bra geografiskt område, där man har nära till slutkunden (Holmstrom & Gutowski, 2017). Placeringen av ett företag kan medföra att de ekonomiska aspekterna minskar (Prisecaru, 2017).
Den stora utmaningen är att hitta lämplig personal med rätt kunskaper (Mohamed, 2018). Produkter med avancerad design blir allt mer vanligt och blir därmed svåra att tillverka, därför blir det svårt för människor att få jobb inom additiv tillverkning. Konstruktörerna behöver rätt utbildning och kompetens för att kunna arbeta med att 3D-printa material. Det viktigaste uppdraget för en konstruktör är att tillfredsställa kundens behov (Petrick & Simpson, 2013).
Problematiken med att använda denna metod är att ledtiden är alldeles för lång, tidskrävande och består av höga materialkostnader. Inom ramen för de framsteg som forskningen medfört inom Additiv tillverkning kan material som exempelvis betong, gummi och keramer hanteras (Berman, 2012).
3.6 Smarta fabriker
Definitionen av ordet smart har med tiden växt och skapat sig en bredare tolkningsutrymme. Vi lever i en värld där vi använder oss av smarta telefoner, bygger smarta bostäder och även
utvecklar smarta fabriker. Definitionen av ordet smart är inte helt definierat då ordet används i många olika sammanhang (Kergroach, 2017). En oberoende enhet i form av exempelvis en sensor som utför analys eller beslutstagande kan beskrivas som smart. En uppfattning till detta kan då vara att implementeringen av sensorn kan bidra till ytterligare
funktioner. Ytterligare ett exempel är RFID-taggar som bidrar till ytterligare funktioner genom att fylla ut olika funktioner i en smart fabrik som exempelvis spårning. Några
exempel på funktioner som kan utföras med insamlade data från en enhet kan vara att beräkna in och ut aktivitet, lagersaldo, bäst före datum och liknande funktioner. Smarta fabriker bygger på det virtuella tillsammans med den verkliga världen. Utvecklingen och implementeringen av olika metoder och tekniker inom en fabrik stödjer den
uppmålade definitionen av den smarta fabriken. Tekniker som kan kommunicera med andra smarta enheter i sitt nätverk och samla in data är bara ett exempel. Insamlade data som kan användas till att stödja andra enheter i senare delar av kedjan men även för att analyseras av människor (Agnieszka, et al., 2014). Implementering av dessa tekniker kan underlätta eller lösa problem med komplexa försörjningskedjor. Smarta fabriker kan relateras till att vara flexibla och omställbara till låga kostnader. Detta genom att utveckla produktionen till smarta enheter som kan programmeras om digitalt för att utföra nya arbetsuppgifter så
omställningstiderna i princip blir obefintliga (Agnieszka, et al., 2014).
Arbetsmiljön för arbetare i smarta fabriker kan förbättras genom små implementeringar av dessa smarta innovationer. Smarta sensorer kan programmeras och tillverkas till att
genomföra olika typer av arbetsuppgifter efter behov. Användningsområdet för sensorerna blir därför stor och även dess inverkan. För arbetaren påverkas arbetsmiljön genom att
arbetsplatsen är utrustad med dessa sensorer av olika slag. Temperaturen i en smart fabrik kan övervakas med hjälp av en sensor programmerad för att samla temperaturdata. Sjunker eller ökar temperaturen till den gräns som är satta hos programmeraren utförs en automatisk åtgärd. Att sätta igång värmen i fabriken eller starta eventuella fläktar kan vara exempel på
ingripande åtgärden. Denna process blir därmed helt automatiserad genom att programmerade sensorer används. Ytterligare ett användningsområde innefattar rörelsekänsliga sensorer. Dessa kan placeras ut på områden där arbetare inte ska befinna sig för att undvika
arbetsplatsolyckor. Upptäcker den utplacerade sensorn rörelse så görs en åtgärd som kan vara att stoppa driften för att undvika arbetsplatsolyckan. På detta sätt kan arbetsplatsens känsliga arbetsytor ständigt övervakad av sensorer som bidrar till en säkrare arbetsmiljö för arbetarna (Wortmann & Fluchter, 2015).
4.
Diskussion och Analys
Detta kapitlet analyserar och diskuterar hur de anställda påverkas vid en implementering av industri 4.0. Avsnittet är uppdelad till de aspekter som arbetet är begränsad till, detta för att underlätta för läsaren.
Utifrån nyttjad teori för påverkan av industri 4.0 har vi observerat att det påverkar både företaget och de anställde på olika aspekter. Ekonomiska, säkerhet, arbetsmiljön och
kommunikation är fem stora aspekter som bör diskuteras vid implementering av industri 4.0. Aspekternas påverkan på både företag och anställd anses vara omfattande nog för att besvara frågeställningen. Vår uppfattning är att några av dessa aspekter påverkar varandra indirekt, därav krävs det användning av flera eller samtliga aspekter vid implementering istället för att endast fokusera på en av dessa. Fokus på endast en aspekt kan istället leda till en försämring eller arbetsrisk för den anställde.
4.1 Samspel mellan aspekter
Samtliga teknologier vi har valt att lyfta påverkar människan på dessa fem nedannämnda aspekter. Implementeringen av industri 4.0 är inte en simpel implementering utan kräver utvecklingsarbete. Implementeringen kräver uppföljning och samspel. Implementeringen kan inte ses som ett tillägg utan kräver kombinationer av flera teknologier parallellt för att fungera optimalt. Detta förtydligas även i figur 9 i början av diskussionskapitlet. Figuren tydliggör att teknologierna påverkar flera aspekter samtidigt och kräver därför ett samspel från samtliga för att fungera optimalt. Att implementera teknologier på en arbetsplats som personalen inte har en kunskap om kommer inte förbättra arbetsplatsen i längden.
Tabellen nedan visar att samtliga teorier berör olika aspekter inom företaget.
Internet of Things
Big Data & Cloud Computing Cyber Security Robotics Additive Manufacturing Smarta fabriker Kommunikation X X X X Arbetsmiljö X X X X X Säkerhet X X X X X Ekonomiska X X X X X X Utbildning/kompetens X X X X X X
4.2 Kommunikation
Implementeringar av enheter för kommunikation påverkar den anställde och företaget på olika sätt. Detta då dessa enheter skapar en nätverksanslutning som klarar av kommunikation mellan människor, enheter och maskiner. Detta skapar möjlighet till anslutning och
kommunikation mellan flera olika tekniska lösningar. Sensorer kan därför användas som en enhet för datainsamling. Genom insamling av data kan korrigering och inmatning utföras på andra enheter i syfte för optimering eller effektivisering även på distans (Tucker, et al., 2018). Tidigare kommunikationsuppgifter som en anställd behövt utföra manuellt kan därmed bli ersatt av en enhet. Beställningar för påfyllning av material som skötts manuellt kan genom enheter bli automatiserat ersatt. Viktkänsliga sensorer kan placeras under exempelvis lådan för muttrar på ett företag. Genom den inmatade data kan sensorn utföra åtgärder för olika signaler från viktsensorn. Understiger vikten en viss gräns kan en automatisk åtgärd göras då sensor skickar en beställning för påfyllning av muttrar. RFID-taggar kan även implementeras för att spåra produkter i företag. Dessa taggar kan exempelvis användas för att kategorisera produkter efter datum för att undvika slöseri inom företag. Detta är ytterligare ett hack mot en smartare fabrik och en förbättring (Agnieszka, et al., 2014).
Då dessa enheter klarar av att kommunicera på distans genom nätverksuppkoppling blir tidsskillnader och avstånd inte lika omfattande problem vid arbete. Arbete på distans är även ett mer kostnadseffektivt och miljövänligt alternativ som blir ytterligare en
kostnadsbesparing. Detta kan innebära att kompetenser från andra geografiska platser kan utnyttjas då kostnaderna inte blir lika stora vid inhyrning. Exempel på kostnader som kan elimineras blir transport och vistelsekostnader. Detta innebär att personalen lokalt kan ta del av större kompetenser genom möjligheten att kommunicera med de lokala enheterna från distans (Tucker, et al., 2018). Vid större ingrepp som omställningsarbete kan därför erfaren personal användas för att säkerställa arbete. Då det är data som ska matas in i enheterna, blir omställningstiden i princip obefintlig och omfattas av en lägre kostnad (Agnieszka, et al., 2014).
4.3 Arbetsmiljö och säkerhet
Utvecklingen mot en smartare fabrik bidrar bland annat till en förbättrad arbetsmiljö
(Wortmann & Fluchter, 2015). En enhet som kan identifiera avvikelser utifrån inmatade data blir en metod för att öka arbetssäkerheten kring den anställde. Detta skapar metoder som reagerar på tidiga indikationer som kan innebära arbetsrisk. Förbättringar för den anställde kan även vara genom mindre implementeringar, som exempelvis de tidigare nämnda viktkänsliga sensorer. Även de tidigare nämnda temperaturkänsliga sensorer förbättrar arbetsmiljön för den anställde. Detta då temperaturen ständigt övervakas där arbetaren befinner sig för att säkerställa rätt temperatur och utifrån detta låta enheten ta åtgärder. Även nämnda rörelsekänsliga sensorer skapar en säkrare arbetsmiljö kring den anställde. Då industri 4.0 kan innebära implementeringar av robotar i den anställdes arbetsmiljö kan nya risker dyka upp på arbetsplatsen. Utrustningen av robotar med rörelsekänsliga sensorer som reducerar och stoppar robotens drift vid potentiell risk för olycka kan därför skapa en säkrare arbetsmiljö. Detta för den anställde som befinner sig i robotens arbetsyta där risken för arbetsolyckor med roboten finns. Det ständiga arbetet för undvikande av arbetsplatsolyckor skapar trygghet hos den anställde även.
Implementering av robotar kan skapa en förbättrad arbetsmiljö även ergonomiskt på
anställde. Trötthet hos en arbetstagare riskerar att orsaka arbetsolyckor då risken finns att arbetstagaren tappar koncentration och därmed sin fulla arbetsförmåga. Detta undviks vid arbete med människor genom att planera in raster i arbete exempelvis.
Enklare tunga manuella lyft kan därmed bli en arbetsuppgift för roboten för att reducera risken för slitage på arbetaren samtidigt som man reducerar risken för arbetsplatsolyckor. Arbetsuppgifter som exkluderar tunga lyft förbättrar med andra ord arbetsmiljön och ergonomin för den anställde.
Detta kräver att implementeringsarbetet utförs korrekt med kunskap och erfarenhet för att behålla säkerheten för den anställde kring roboten. Implementering kan annars istället bli en arbetsrisk för den anställde. Detta kan undvikas genom att företaget utför riskanalys
parallellt. Även enheter tidigare nämnda rörelsesensorer från teorin stödjer säkerheten kring roboten.
Även jagandet efter förbättringar och lösningar blir en ständig påfrestning på arbetsmiljön enligt Khomchenko, et al., (2018). Detta kan skapa ett ostrukturerat arbete då rutiner
förändras. Implementeringar och lösningar tänkta att gynna arbetaren och företaget kan därför vändas till att bli arbetsrisk. Då företag har ett ansvar gentemot de anställda enligt Guryanov, et al., (2017) att eliminera hinder och risker, bör företaget även parallellt utföra riskanalyser. Detta för att exempelvis inte riskera att brista i säkerheten med den anställde under
implementeringar och förändringsarbeten. 4.4 Ekonomiska
Implementeringen av industri 4.0 tyder på långsiktiga kostnadsbesparingar enligt bidragen teori. Företag gynnas av dessa kostnadsbesparingar då detta istället kan användas för att utveckla företag och bidra med fler förbättringar för den anställde. Detta kan vara genom att exempelvis fortsätta implementering av industri 4.0 för att fylla ut alla fem aspekter. Även ett fortsatt utvecklingsarbete parallella med riskanalyser för att hitta risker skapar en säkrare arbetsplats.
Implementeringen av en robot blir även en effektivisering generellt enligt Godina et al., (2020). Detta då roboten klarar av att utföra arbetsuppgifter mer effektivt och flexibelt än den fysiskt anställde. Detta beror på att en robot inte behöver tillfredsställa sina behov som en anställd behöver. Vid implementering av robotar behöver företagen inte räkna in
semesterdagar, raster eller sjukdom för roboten. En robot kräver endast underhållstöd och reparation vid skador. Därför blir roboten en långsiktig lösning till det företag som vill uppnå ökad effektivitet och ekonomisk vinning. Då en robot arbetar mer effektivt vid stora volymer än vad en anställd skulle klara av enligt Godina et al., (2020) så kan omfattande arbete placeras på en robot för tid och kostnadsbesparing. En inmatning kan göras för att
tillfredsställa företagsbehov och krav för att exempelvis undvika avgifter vid sena leveranser.
Nedan presenteras en figur, som jämför en robot med en personal. Figuren jämför fem olika kategorier.
Jämförelse mellan Robotar/maskiner och Personal Personal Robot och maskin
Semesterdagar Ja Nej
Raster Ja Nej
Sjukdagar Ja Nej
Skador Ja Ja
Underhåll Nej Ja
4.5 Utbildning
Ett ställningstagande bör även tas av arbetsplatsen vid implementering av industri 4.0 för att matcha den nya efterfrågan på kunskap på arbetsplatsen. Värsta scenariot för en arbetare är ifall arbetsplatsen inte har möjlighet till att erbjuda en utbildning till den anställde.
Anställningen kan därmed blir ersatt med en erfaren arbetare för att stödja den nya tekniken. En lösning för att behålla befintlig personal är att erbjuda en utbildningsplan för de anställda enligt Godina et al., (2020). Detta kan vara genom att använda sig av molntjänster. De utbildningar som lagras på den centraliserade datamolnet ger arbetaren fördelen att ta del av utbildningar när som helst men även från vilken plats som helst då tjänsten ej är
platsberoende. Genom att använda sig av datamoln ger företaget även den anställde tryggheten att rätt upplaga används då samtliga anställda har tillgång till samma filer och program istället för att arbetare ska behöva utföra detta från lokala datorer. Användningen av datamoln i utbildningssyfte blir därför mer kostnadseffektivt då utbildningen blir en
engångskostnad för företaget. En uppladdad utbildning på datamoln kan därefter användas ständigt. Även denna kostnadsbesparing kan användas för arbetarna. Härmed har företaget kunnat utveckla sitt utbildningssystem för att kunna bevara sin befintliga personal på ett kostnadseffektivt sätt.
Detta skapar även i sin tur en säkrare arbetsplats då samtliga arbetare har tillgång till utbildningen ständigt. Utbildningen kan därför användas i efterhand för att matcha och säkerställa kunskaper vid osäkerhet. Detta skapar även en mer gemensam kunskapsgrund vid arbete, vilket kan innebära att andra arbetare också kan upptäcka potentiella risker och därmed notera eventuella felaktigheter.
5. Slutsats
Detta är ett avslutande kapitel, där författarna besvarar frågeställningen samt hur arbetet kan användas till fortsatta studier
Hur påverkas anställda vid implementering av industri 4.0 i tillverkande företag?
Vi anser att en implementering av industri 4.0 har många potentiella fördelar för den anställde vid implementering. Detta kräver däremot struktur och planering av företaget vid
implementeringen då resultatet blir en drastisk förändring i företaget som kan äventyra säkerheten för de anställda. Detta med hänsyn till att marknaden pressar företagen till att ständigt arbeta efter förbättringar, vilket kan vara en bidragande faktor till att arbetsplatsen tappar strukturen och därmed sätter säkerheten för den anställda på spel. Tar däremot företaget sitt ansvar för det parallella arbetet med riskanalyser och utbildningar ger detta möjlighet till att eventuella risker identifieras och därmed åtgärd innan olyckan är framme. Fokuset vid implementering av industri 4.0 bör därför inte vara på en enskild teknologi utan på industri 4.0 i helhet. Aspekterna påverkar varandra indirekt och kräver därför ett aktivt samspel för att bilda en optimal helhetslösning. Detta presenteras ytterligare i figur 9. Ovannämnda aspekter berör därav de teknologier som innefattar industri 4.0 syfte. Detta i form av de teknologier som valts att lyftas i denna litteraturstudie. Den påverkan dessa teknologier har på hur människan påverkas vid implementeringen av industri 4.0 skapar därför en centraliserad roll för våra valda aspekter.
Våra fem berörda aspekter: • Kommunikation • Arbetsmiljö • Säkerhet • Ekonomi
• Utbildning/kompetens
De sju olika teknologier som vi har valt att diskutera som har en påverkan på människan vid en implementering av industri 4.0 i tillverkande företag berör dessa fem viktiga aspekter. Kommunikationen kommer att underlättas med hjälp av tidigare nämnda enheter för den anställde. Nätverksanslutningen som skapas bidrar till att den anställde kan ta nytta av ett bredare arbetsnätverk. Arbetsuppgifter för den anställde kan även bli mer definierade då kringuppgifter kan automatiseras med enheter. Enkla nyttjandet av kunskaper på andra geografiska platser bidrar till en förbättrad arbetsplats då mer kunskap finns i ruljangs. Det nämnda automations arbetet och övervakningen skapar en förbättrad arbetsmiljö som är säkrare för den anställde. Arbetsrisker elimineras samtidigt som arbetsmiljön förbättras som den ergonomiska. Detta skapar fördelar för den anställde och en trygghet att arbetsplatsen är säkrare efter implementeringen. Tryggheten ökar ytterligare när företaget väljer att göra långtids investeringar i form av industri 4.0 som med längden ska gynna företaget och den anställde. Detta skapar en ekonomisk trygghet då kostnadsbesparingar sker långsiktigt
samtidigt som arbetsprocesser kan effektiviseras. Att välja att automatisera eventuella tidigare stressiga arbetsmoment lättar trycket på den anställde som har det mer utsatt enligt
Dessa nya teknologier kan implementeras men utan personal med rätt kunskap kommer implementeringen inte nyttjas rätt. Arbetsplatsen bör därför utbilda personal för att matcha efterfrågan teknologierna ställer på arbetsplatsen. Detta skapar ett mervärde av
implementeringen, men också en säkrare arbetsplats för den anställde. Tryggheten finns i att personalen på arbetsplatsen har kunskapen för teknologier och arbetsmomenten.
Dessa sju olika teknologier påverkar människan på fem olika aspekter som nämnt. Teknologierna bör implementeras parallellt med samspel då de har en sammanhängande påverkan på varandra indirekt enligt figur 6. Att endast satsa på en teknologi innefattar inte industri 4.0 syfte med en hel lösning och kan därför vara en bidragande faktor mot en försämrad påverkan på människan. Industri 4.0 kan därför ses som en helhetslösning för ett utvecklingsarbete mot ett moderniserat företag. Teknologierna tillsammans integrerat skapar fördelar för människan vid implementering av industri 4.0.
5.1 Fortsatta studier
Denna studie har en generell beskrivning på hur de anställda kan påverkas vid en
implementering av industri 4.0. Arbetet beskriver sju olika teorier, som studien avgränsade sig till. Till framtida studier, kan ytterligare teorier kombineras för att optimera. Även det som har studerats i denna litteraturstudie kan prövas i praktiken för att se hur teorierna beter sig i verkligheten. Det skulle även varit intressant se om företag arbetar annorlunda jämfört med studiens slutsatser.
6. Källförteckning
Agnieszka, R., Bilberg, A., Bogers, M. & Madsen, E. S., 2014. The Smart Factory: Exploring Adaptive and Flexible Manufacturing. Procedia Engineering, 69(14), pp. 1184-1190.
Ahrne, G & Svensson P., 2015. Handbok i kvalitativa metoder. 2 ed. Stockholm: Liber AB. Berman, B. (2012). ’3D printning: the dawn of a new era in manufacturing?’ Assembly
Automation, 3(4), pp.307-311
Brogårdh, C & Lexell, J., Skriva granska och publicera vetenskapliga arbeten. 1 ed. Lund: Studentlitteratur AB
CLIM, A., 2019. Cyber Security Beyond the Industry 4.0 Era. A Short Review on a Few Technological Promises. .Informatica Economica, 23(2), pp. 34-44.
Isaila, N., 2014. CLOUD COMPUTING IN EDUCATION. Knowledge
Horizons. Economics;, 6(2), pp. 100-103.
Eliasson, A. (2013). Kvantitativ metod från början. Lund: Studentlitteratur
Godina, R. et al., 2020. Impact Assessment of Additive Manufacturing on Sustainable Business Models in Industry 4.0 Context. Journal of Sustainability, 12(17), pp. 1-21. Gradeck, J., Neguriță, O., Grecu, I. & Grecu, G., 2019. Big Data Analytics in Industry 4.0: Sustainable Industrial Value Creation, Manufacturing Process Innovation, and Networked Production Structures. Journal of Self-Governance and Management Economics, 7(3), pp. 34-40.
Guryanov, A. V. et al., 2017. DIGITALIZATION OF PROJECT AND PRODUCTION PROCEDURES AS A TOOL FOR INSTRUMENTATION DESIGN AUTOMATION IN INDUSTRY 4.0. Nauchno
Tekhnicheskii Vestnik Informatsionnykh Tekhnologii, Mekhaniki i Optiki, 17(6), pp.
1171-1176.
Gustavsson, M & Säfsten, K., 2020. Research methodology – for engineers and other
problem solvers. 1 ed. Lund: Studentlitteratur
Hamilton. A. B. & Finley, E. F. P., Reprint of: Qualitativ methods in implementation research: An introduction. Psychtatry Research. Volume 283, pp 1-8.
Hao, L., Zhao, Z., Li, X. & Mingfang, h. Y., 2020. A safe human–robot interactive control structure with human arm movement detection for an upper-limb wearable robot used during lifting tasks. International Journal of Advanced Robotic Systems, 17(5), pp. 1-15.
Hariharasudan, A. & Kot, S., 2018. A Scoping Review on Digital English and Education 4.0 for Industry 4.0. Social Sciences, 7(11), pp. 1-13.
Holmstrom, J. & Gutowski, T., 2017. Additive Manufacturing in Operations and Supply Chain Management: No Sustainability Benefit or Virtuous Knock-On Opportunities?. Journal
of Industrial Ecology, 21(1), pp. 21-24.
Jobs, C., Gilfoil, D. & Aukers, S., 2016. HOW MARKETING ORGANIZATIONS CAN BENEFIT FROM BIG DATA ADVERTISING ANALYTICS. Academy of Marketing
Studies Journal, 20(1), pp. 18-35.
Leso, V., Fontana, L. & Iavicoli, I., 2018. The occupational health and safety dimension of Industry 4.0. La Medicina del Lavoro, 109(5), pp. 327-338.
Lobo, A., 2015. The Industry 4.0 revolution and the future of Manufacturing Execution Systems (MES). Jounal of innovation Management, 3(4), pp. 16-21.
MCAlpine, L. (2016). Why might you use narrative methodology? A story about narrative. Eesti Hardiusteaduste Ajakiri, 4(1), pp 32-57
Mohamed, M., 2018. Challenges and Benefits of Industry 4.0: An overview. International
Journal of Supply and Operations Management, 5(3), pp. 256-265.
Murray, S., 2018. Machines ease cyber security industry talent crunch. Recruiting cyber
security, 9 (2), pp. 2-26.
Kaur, A. & Kaur, R., 2018. CLOUD COMPUTING: A FOCUS ON SECURITY ISSUES IN CLOUD COMPUTING REGION. International Journal of Advanced Research in
Computer Science;, 9(2), pp. 267-269.
Kendall, E & Kisely, S., 2011. Critically appraising qualitative research: a guide for clinicians more familiar with quantitative techniques. Australasian Psychiatry, 19(4), pp. 364-367. Kergroach, S., 2017. Industry 4.0: New Challenges and Opportunities for the Labour Market. Foresight and STI Governance, 11(4), pp. 6-8.
Khomchenko, V. K., Gebel, E. S. & Peshko, M. S., 2018. Educational robotics as part of the International Science and Education Project "Synergy" in realizing the social needs of society on the road to the Industrial Revolution "Industry 4.0". EAI Endorsed Transactions on Energy
Web, 5(16), pp. 1-4.
Kocsi, B. & Oláh, J., 2017. Potential connections of unique manufacturing and industry 4.0. Scientific Journal of Logistic, 13(4), pp. 390-400.
Petrick I.J, Simpson T.W. (2013). ´3D-printning Disrupts Manufacturing: How Economies of One create New Rules of Competition ´, Research Technology Management, 56(6), pp. 12-16 Pierides, D. & Zyphur, M., 2017. Is Quantitative Research Ethical? Tools for Ethically Practicing, Evaluating, and Using Quantitative Research. Journal of Business Ethics, Volume 143, pp. 1-16.
Pilloni, V., 2018. How Data Will Transform Industrial Processes: Crowdsensing,
Pfeiffer, S., 2016. Robots, Industry 4.0 and Humans, or Why Assembly Work Is More than Routine Work. Robots and the Work Environment, 6(2), pp. 1-26.
Prisecaru, P., 2017. The Challenges of the Industry 4.0. Global Economic Observer, 5(1), pp. 66-72.
Raihan, M. et al., 2019. Industry 4.0 for the Construction Industry—How Ready Is the Industry?. Applied Sciences;, 9(14), pp. 1-26.
Salvador, J. T., 2016. Exploring Quantitative and Qualitative Methodologies: A Guide to Novice Nursing Researchers. European Scientific Journal, 12(18), pp. 107-122.
Santos, . Y. M. et al., 2017. A Big Data system supporting Bosch Braga Industry 4.0 strategy. International Journal of Information Management, 27(6), pp. 750-752.
Schmidt, M.-C., W. Veile, J. & M. Müller, J., 2019. Kick-Start for Connectivity - How to Implement. Applied Sciences;, 11(3), pp. 1-12.
Skiba, D., 2011. Are You Computing in the Clouds? Understanding Cloud Computing. Nursing Education Perspectives;, 32(4), pp. 266-8.
Tucker, K. et al., 2018. Internet Industry: A Perspective Review Through Internet of Things and Internet of Everything. International Management, 14(), pp. 26-35,56-57..
Tuli, F., 2010. The Basis of Distinction Between Qualitative and Quantitative Research in Social Science: Reflection on Ontological, Epistemological and Methodological
Perspectives. Ethiopian Journal of Education and Sciences, 6(1), pp. 97-108.
Zhang, H., Heng, J. & Song, M. 2020. Creating Sustainable Innovativeness through Big Data and Big Data Analytics Capability: From the Perspective of the Information Processing Theory. Journal of Sustainability, 12(5), pp. 1-23.
Wortmann, F. & Fluchter, K., 2015. Internet of Things: Technology and Value Added. Business & Information Systems Engineering, 57(3), pp. 221-224.
Özüdoğru, A. G., Ali, G., Djihane, A. & Ali, G., 2018. How Industry 4.0 Changes Business: A Commercial Perspective. International Journal of Commerce and Finance, 4(1), pp. 84-95.
