REALISERING AV SMARTA AR-GLASÖGON I EN SIMULE- RAD PRODUKTIONSMILJÖ REALIZATION OF SMART AR GLASSES IN A SIMULATED PRODUCTION ENVIROMENT
Examensarbete inom huvudområdet Produktions- teknik.
Grundnivå G2E, 30 Högskolepoäng Hösttermin 2020
Evelina Eriksson Fadi Jakoub
Handledare: Oscar Danielsson Examinator: Ainhoa Goienetxea
Sammanfattning
Tillverkningen av produkter har under de senaste åren blivit alltmer komplexa, detta har lett till ett större krav på arbetsinstruktioner samt för de operatörer som använder dem. Med hjälp av ny tek- nologi från den senaste industriella revolutionen; Industri 4.0, tillåts företag att övergå till mer komplex produkttillverkning. En av dessa teknologier är Augmented Reality (AR), eller förstärkt verklighet på svenska. AR låter användaren se och interagera med virtuella 3D-objekt i den verkliga världen. Proble- met med AR-teknologin är att det är en relativt ny teknik och få studier har gjorts i en verklighetstrogen industrimiljö. Volvo Cars Corporation (VCC) är en fordontillverkande industri med en fabrik lokaliserad i Skövde (Powertrain Engineering Sweden AB (PES)) som tillverkar motorer för personbilar. Projektet genomfördes på PES utbildningsavdelning Plant Academy där syftet var att med en fallstudie under- söka hur implementering av AR-glasögon påverkar operatörer och företaget. Baserat på en genomförd litteraturstudie har frågeställningar tagits fram inom de områden som undersökningen bör fokusera på och gett kunskap inom området. För att samla data rörande operatörernas upplevelse och inställ- ning till AR-teknologi fick testpersoner besvara en enkät. Ett experiment genomfördes för att få en djupare förståelse för hur AR-glasögon kan implementeras i produktion för upplärningssyfte. En kon- trollstation SIP (Single Inspection Point) byggdes upp på Basic Skills, en avdelning tillhörande Plant Academy som består av uppbyggda stationer som efterliknar den verkliga produktionen. Under expe- rimentet fick en testgrupp genomgå upplärning av SIP-stationen med AR-glasögon och en grupp fick lära sig arbetet med hjälp av en handledare. Där mättes hur många arbetscykler som krävdes tills en kvalitetskontroll av motorn kunde ske på 100 sekunder. Därefter genomgick deltagarna ett sluttest utan handledare eller AR-glasögon där tre fel placerats på motorn, för att verifiera att personen lärt sig arbetssekvensen och om de upptäckte kvalitetsbristerna.
Resultatet från experimentet visade att upplärningsprocessen med handledare var mest effektiv. Det krävdes färre antal arbetscykler att uppnå den satta tiden och fler kvalitetsbrister upptäcktes. Resultat från enkät visade att majoriteten av montörerna var positiva till AR-glasögon och såg stor potential för teknologin. Däremot var det en marginell skillnad och insamlad data indikerar att upplärningen kan ske med hjälp av AR-glasögon eftersom montörerna klarade att utföra hela arbetssekvensen. Vid fram- tida studier bör en undersökning genomföras där en kombination av upplärning med AR-glasögon och handledare inkluderas.
Abstract
The manufacturing of products has in recent years become increasingly complex, this has led to a greater demand of work instructions and for the operators who use them. Using new technology from the latest industrial revolution; Industry 4.0, allows companies to move to more complex product man- ufacturing. One of these technologies is Augmented Reality (AR). AR allows the user to see and interact with virtual 3D objects in the real world. The problem with AR technology is that it is a relatively new technology and few studies have been conducted in a realistic industrial environment. Volvo Cars Cor- poration (VCC) is a vehicle manufacturing industry with a factory located in Skövde (Powertrain Engi- neering Sweden AB (PES)) that manufactures engines for passenger cars. The project was carried out at PESS's training departmentPlant Academy, where the purpose was to investigate with a case study, how the implementation of AR glasses affects operators and the company. Based on a completed lit- erature study, research questions have been created to provide knowledge in areas that the study should focus on. To collect data regarding the operators' experience and attitude towards the AR tech- nology, test participants had to answer a survey. An experiment was conducted to gain a deeper un- derstanding of how AR glasses can be implemented in production for training purposes. A control sta- tion SIP (Single Inspection Point) was built on Basic Skills, a department belonging to Plant Academy which consists of built-up stations that mimic the actual production. During the experiment, a test group had to undergo training of the SIP station with AR glasses and a group had to learn the work with the help of a supervisor. The number of work cycles required was measured until a quality control of the engine could take place in 100 seconds. The participants then underwent a final test without a supervisor or AR glasses where three errors were placed on the engine, to verify that the person learned the work sequence and whether they discovered the errors that where placed out. The results from the experiment showed that the learning process with the supervisor was most effective. It took fewer work cycles to achieve the desired time and more quality errors were discovered. The majority of the operators were positive about the AR glasses and saw great potential for the technology. How- ever, there was a marginal difference and collected data indicates that the training can be done with the help of AR glasses because the operators were able to perform the entire work sequence. For future studies, a study where a combination of training with AR glasses and a supervisor should be conducted.
Intyg
Denna uppsats har lämnats in av Fadi Jakoub och Evelina Eriksson till Högskolan i Skövde som uppsats för erhållande av betyg för på grundnivå G2E inom huvudområdet Produktionsteknik.
Undertecknande intygar härmed att allt material i denna uppsats som inte är resultatet av eget arbete har redovisats med källangivelse. Uppsatsen innehåller inte heller material som undertecknande redan tidigare fått tillgodoräknat sig inom sina akademiska studier.
Evelina Eriksson Fadi Jakoub
Skövde 2020-12-28
Institutionen för Ingenjörsvetenskap
Förord
Examensarbetet har utförts i samarbete med Powertrain Engineering Skövde och Högskolan i Skövde.
Vi vill rikta ett stort tack till alla anställda på Basic Skills, framförallt till Jan Ekholm och Marie Kastebo som har ställt upp och ordnat med allt som vi har behövt hjälp med. Ytterligare ett tack till alla an- ställda som ställde upp i vårt experiment och besvarade enkäter.
Vi vill även tacka vår examinator Ainhoa Goienetxea som med hjälp av sin feedback har bidragit till att vår rapport har blivit bättre och mer förståelig.
Slutligen vill vi tacka Oscar Danielsson, vår handledare på Högskolan i Skövde. Som oförtröttligt har besvarat alla våra frågor, läst och kommenterat rapporten samt gett oss mycket tips, råd och stött- ning under hela projektet. Stort tack!
Innehållsförteckning
Sammanfattning ii
Abstract iii
Intyg iv
Förord v
Figurlista ix
Diagramlista x
Ordlista xi
Introduktion 1
1.1 Bakgrund 1
1.2 Volvo Cars Corporation 1
1.3 Problembeskrivning 2
1.4 Syfte och Mål 2
1.5 Avgränsningar och omfattning 3
1.6 Överblick av rapporten 3
Teoretisk referensram 4
2.1 Industri 4.0 4
2.2 AR- definition och olika typer av tillämpningsområden 5
2.2.1 Hololens 2 6
2.2.2 Dynamics 365 Guides 6
2.3 Online-verktyg 6
2.4 Montering 7
Litteraturstudie 7
3.1 AR-teknologi som operatörstöd 7
3.2 Möjligheter, utmaningar och begränsningar med AR-teknologi 9
3.3 Kostnadseffektivitet med AR 10
3.4 Analys av litteraturstudie 11
4.1 Skriftliga källor 13
4.2 Intervjuer 13
4.3 Observationer 13
4.4 Enkät 13
4.5 Experiment 14
4.6 Analys och tolkning av data 14
Genomförande 15
5.1 Lämplighetsbedömning av produktionsfall 15
5.2 Programmering av AR-glasögon 16
5.3 Pilottest 18
5.4 Experiment 19
5.5 Datainsamling under experimentet 20
Resultat 21
6.1 Utvärdering av upplevelse med AR 21
6.1.1 Demografi 21
6.1.2 Hälsoeffekt 22
6.1.3 Instruktionsutformning 22
6.1.4 Användarvänlighet 22
6.1.5 Montörernas syn på AR-teknologin 24
6.1.6 Utvärdering av upplevelse under upplärningsprocessen 24
6.2 Resultat från experiment 25
Diskussion 29
7.1 Osäkerheter och kontaminering av data 29
7.2 Diskussion av vald metod 30
7.3 Diskussion av resultat 30
7.4 Diskussion av frågeställningar 32
7.5 Hållbar utveckling 32
7.6 Jämställdhet och etik 33
Framtida arbeten 35
Referenser 36
Bilaga 1 WBS 40
Bilaga 2 Tidsplan 41
Bilaga 3 Enkät för AR 42
Bilaga 4 Enkät för handledare 48
Bilaga 5 Frågor från Online-verktyg 50
Bilaga 6 Resultat från Online-verktyg 52
Bilaga 7 Uträkning av effektiviteten på sluttest 54
Bilaga 8 Svar från enkät för AR 55
Bilaga 9 Svar från enkät för handledare 60
Figurlista
Figur 1 Övergripande projektplan ... 3
Figur 2 Överblick över de fyra industriella revolutionerna (från AllAboutLean.com av Christoph Roser under fria licensen av CC-BY-SA 4.0). ... 4
Figur 3 Milgram & Kishinos (1994) visualisering av de olika miljöerna. ... 5
Figur 4 Användarvy med AR-glasögon... 17
Figur 5 Interagering med det virtuella objektet "Next"-knappen. ... 18
Figur 6 Kontroll av motor med AR-glasögon. ... 19
Figur 7 Kontroll av motor med handledare ... 20
Diagramlista
Diagram 1 Bedömning av produktionsfall. ... 15
Diagram 2 Arbetserfarenhet hos montörer som deltog i enkäten. ... 22
Diagram 3 Urskilja text, bilder eller video. ... 23
Diagram 4 Komfort AR-glasögon. ... 23
Diagram 5 Arbetserfarenhet hos deltagande. ... 25
Diagram 6 Genomsnittlig tid från experiment mellan AR-deltagare och deltagare med handledare. . 26
Diagram 7 Genomsnittlig tid från experiment mellan AR-deltagare och deltagare med handledare med respektive utan tidigare erfarenhet av SIP-stationen. ... 27
Diagram 8 Resultat på sluttest med SIP-erfarna deltagare. ... 28
Diagram 9 Resultat på sluttest. ... 28
Ordlista
AGV - Automated Guided Vehicle AR – Augmented Reality
AV – Augmented Virtuality CPS – Cyber Physical Systems EEG – Elektroencefalografi HMD – Head Mounted Display IoT – Internet of Things
JIT – Just In Time MR – Mixed Reality
OIS – Operator Instruction Sheet PLC – Programmable Logic Controller SAM – Stel Automatisk Montering sAR- Spatial Augmented Reality
SIP- Single Inspection Point VCC – Volvo Cars Corporation PES – Powertrain Engineering Sweden AB
VR – Virtual Reality
Introduktion
I följande kapitel presenteras bakgrund, företaget, problembeskrivning, syfte och mål för att ge en bättre förståelse för projektets utförande. Omfattning och avgränsningar redogörs för att klargöra vad som ska och inte ska undersökas under projektets genomförande. I slutet av kapitlet ges en överblick av rapportens disposition.
1.1 Bakgrund
Utvecklingen inom tillverkningsindustrin har under de senaste årtionden alltmer övergått från mass- produktion till kundcentrerad produktutveckling och tillverkning (Rojko 2017). Detta har medfört ett större krav på tillverkningsinstruktioner för de allt fler och mer komplexa produktvarianterna, samt på operatörer som använder dem (Werrlich, Eichstetter, Nitsche & Notni 2017). Lösningen till detta ligger i den kommande industriella revolutionen. Industri 4.0 är den fjärde revolutionen som ska omforma nuvarande tillverkningsindustrin som är maskindominerat, till digitalindustri (Oztemel & Gursev 2020).
Digitalisering och tekniska framgångar har lett till uppkomsten av nya tekniker. Flera av de nya tekni- kerna kopplas samman med Industri 4.0. Oztemel & Gursev (2020) skriver att Internet of Things (IoT) eller sakernas internet, är en av de teknikerna och kommer möjliggöra att maskiner kan kommunicera med varandra. En annan viktig del är Cyber Physical Systems (CPS) som samlar data med hjälp av sen- sorer för att styra olika maskiner och utrustningar. Human-to-Machine interaktion, samspel mellan människa och maskiner kommer även vara väsentligt med kollaborativa robotar som assisterar män- niskan (Rojko 2017). Kommunikationen mellan människa och maskin är genomförbar med hjälp av Augmented Reality (AR) (Rojko 2017). AR betyder förstärkt verklighet vilket innebär att användaren ser virtuella 3D-objekt integrerade i den verkliga världen (Azuma 1997). Industri 4.0 teknologier har förutspåtts att kunna bidra med stöd för operatörer vid komplexa instruktioner och för att förbättra produktionsprocesser (Oesterreich och Teuteberg, 2017). Med allt fler produktvarianter och mer kom- plicerade arbetsuppgifter blir det en utmaning för operatörer att utföra arbetsuppgifter (Werrlich et al. 2017). I dagens industrier uppdateras produkterna ständigt och i vissa fall byts de ut, därför krävs uppdatering av instruktioner (Danielsson, Holm & Syberfeldt 2020). AR kan vara ett hjälpmedel för operatörer, samt minska risken för fel vid montering (Richardson et al. 2014).
1.2 Volvo Cars Corporation
Det svenska bilföretaget Volvo grundandes år 1926 och började serietillverka bilar år 1927 (Volvo Group 2020). Inom Volvokoncernen produceras utöver personbilar, även lastbilar, bussar, marinmo- torer och byggfordon. Volvo Cars Corporations motorfabrik i Skövde, Powertrain Engineering Sweden AB (PES), tillverkar motorer till personvagnar av sorten bensin, diesel och mildhybrid (Volvo Cars 2020).
Fabriken har cirka 2000 anställda som jobbar med bearbetning, montering, ekonomi, logistik och ad- ministration (Volvo Cars 2020). Nya arbetare som börjar jobba inom montering eller bearbetning på fabriken går först igenom Plant Academy som är en utbildningsavdelning där nya såväl som erfarna arbetare, internt som externt, undervisas och handleds inom motorlära, montering och mätning. Av- delningen har en monteringslinje, Basic Skills, som består av olika stationer som efterliknar den riktiga monteringsmiljön i produktionen. Detta projekt kommer att utföras på Basic Skills simulerade monte- ringsmiljö. PES är en av finansiärerna och initiativtagare till ASSAR Industrial Innovation Arena tillsam-
och virtuell utvecklingsmiljö för forskning, teknikutveckling, innovation och utbildning. Initiativet ska leda till att stärka konkurrenskraften för den tillverkande industrin och teknikföretagen i Skaraborgs- regionen” (Volvo Cars 2020).
1.3 Problembeskrivning
De senaste åren har AR implementerats framgångsrikt på flera företag, framförallt inom områden som militär och medicin (Quandt, Knoke, Gorldt, Freitag & Thoben 2018). Däremot har det inte fått den spridning inom industrin som förutspåtts, Quandt et al. (2018) menar att det beror på begränsningar vid implementering i produktion och att tekniken inte är redo för det ännu. Det kan vara svårt för ingenjörer som arbetar inom tillverkningsindustrin att veta när det är lämpligt att investera i AR-glas- ögon. Högskolan i Skövde har tagit fram ett online-verktyg som snabbt ger en lämplighetsbedömning för implementering av AR i specifika produktionsfall (arbetsstationer) (Danielsson 2020). Flera studier har utförts där AR-glasögon har implementerats, däremot har testerna skett med personer som inte är operatörer och arbetsuppgifterna har varit förenklade (Werrlich et al. 2017). Eftersom få studier inom AR-implementering har utförts i en verklig produktionsmiljö med operatörer som testgrupp ge- nomfördes en sådan undersökning av AR-glasögon. Litteraturstudien har synliggjort områden rörande implementering av AR inom tillverkningsindustrin där framtida studier bör fokusera på. Enligt Egger och Masood (2020) är processorns bearbetningshastighet, ergonomi, mjukvara, användarnivå, före- tagsledningsnivå samt företagsmiljö områden som kräver fler studier.
I dagsläget sker PES upplärning genom Plant Academy och på Basic Skills får operatörer lära sig arbets- moment som är viktiga att kunna behärska innan de börjar på monteringen. På monteringen finns kontrollstationer, eller SIP-stationer (Single Inspection Point), till varje monteringsmodul. Där utför operatörerna en form av avsyning och kontrollerar så att motorn är monterad korrekt. Upplärningen av SIP-operatörer sker i dagsläget på plats i produktionen med hjälp av en handledare som visar med stöd från pappersinstruktioner på en anslagstavla hur arbetet ska utföras. En undersökning av imple- mentering av AR-glasögon i produktion kan leda till effektivisering av Plant Academys upplärningspro- cess och bättre utnyttjande av sin produktionspersonal. PES kan möjligtvis förenkla upplärningen för arbetsstationer som består av många moment. Det kan även leda till en förbättrad kvalitet genom att antalen fel minskar.
1.4 Syfte och Mål
Syftet för studien är att få en djupare förståelse för implementering av AR-glasögon i produktion och hur den påverkar operatörer samt företaget. Med hjälp av en fallstudie ska implementationen av AR- glasögon undersökas och följande frågeställningar besvaras:
1. Hur påverkas företaget ur lönsamhetssynpunkt vid implementering av AR-glasögon i upplärnings- syfte?
2. Hur upplever operatörerna användningen av smarta AR-glasögon under upplärning?
Huvudmålet är att undersöka med en fallstudie hur en implementation av AR-glasögon påverkar ett företag. Flera delmål har satts upp för att stegvis uppnå huvudmålet.
• Utvärdera fem produktionsfall och bedöma lämplighet för AR-glasögon med online-verktyg.
• Ta fram monteringsinstruktioner för bäst lämpat fall.
• Genomföra intervjuer och observationer samt utvärdera och analysera dess utfall.
• Utföra experiment med testgrupp
1.5 Avgränsningar och omfattning
Endast ett produktionsfall kommer att implementera AR-glasögon. Beroende på fall som väljs kommer lönsamheten att bedömas utifrån det. Lämpligheten i fem produktionsfall bedöms med hjälp av ett online-verktyg (Danielsson 2020) som därefter utvärderas. Slutgiltigt beslut av produktionsfall sker i samråd med företaget. Det valda fallet implementeras på Basic Skills, en avdelning på PES.
Omfattning av projektet:
• Endast ett produktionsfall kommer att implementera AR-glasögon.
• Experimentet kommer att ske med två testgrupper. En grupp där upplärning sker med AR- glasögon och en grupp får upplärning med handledare.
Avgränsningar för projektet:
• Testgrupper kommer enbart bestå av personal från företaget.
• Det kommer inte att genomföras ett experiment med en kombination av upplärningsme- toderna.
• Antal testpersoner bestäms utifrån tillgänglighet av personal.
• Viss data kan behöva uteslutas på grund av sekretesskäl.
• Inga lönsamhetskalkyler kommer att genomföras. Lönsamheten kommer att diskuteras med kvalitativa termer.
1.6 Överblick av rapporten
Rapporten behandlar först bakgrundsinformation i form av en teoretisk referensram, som kan vara till nytta för läsaren för att förstå begrepp som används i resterande delar av rapporten. Därefter följer en litteraturstudie för att påvisa vad tidigare studier har kommit fram till samt för att stödja ställda frågeställningar. I metod-delen följer en genomgång av vald metod samt hur den har tillämpats. I re- sultatkapitlet presenteras data i form av diagram samt en sammanställning av resultatet från enkä- terna. Därefter följer en diskussion rörande resultaten och vad data indikerar samt diskussion rörande datainsamlingsmetoden. Rapporten avslutas med slutsatser och förslag till framtida studier.
En övergripande projektplan illustreras med figur 1. Det skapades även en Work Breakdown Structure (WBS) (se Bilaga 1). En detaljerad tidsplan skapades för att säkerställa projektets leverans (se Bilaga 2).
Figur 1 Övergripande projektplan
Teoretisk referensram
I följande kapitel ges teoretiska förklaringar av metoder, verktyg samt begrepp som använts för att ge läsaren en ökad förståelse för projektet.
2.1 Industri 4.0
Under det senaste årtiondet har ordet smart successivt påträffats i tekniska sammanhang. Benäm- ningen smart kom snart att användas för många tekniska apparater exempelvis tv-apparater, damm- sugare, diskmaskiner, hembelysning, speglar och eltandborstar. Dessa smarta produkter är oftast upp- kopplade mot internet där de kan styras och kontrolleras (Risteska Stojkoska & Trivodaliev 2017). Detta möjliggör att produkterna kan kommunicera med varandra och underlätta vardagen för människor (Risteska Stojkoska & Trivodaliev 2017). Detta fenomen kan benämnas för IoT eller sakernas internet.
Enligt Rojko (2017) är Industri 4.0 baserat på bland annat IoT konceptet. Industri 4.0 är ett framtida koncept på hur industrin kommer att utformas och se ut. Oztemel & Gursev (2020) menar att industri 4.0 är den fjärde revolutionen som ska transformera nuvarande tillverkningsindustri till digitalindustri.
Genom historien har det funnits tre industriella revolutioner och den fjärde är på väg, se figur 2, (Rojko 2017). Enligt Rojko (2017) skede den första revolutionen under 1800-talet när manuella arbeten bör- jade ersättas av maskiner. Textilindustrin var ett exempel på detta. De nya mekaniska maskinerna var mycket snabbare och kunde producera fler produkter än vad som kunde göras manuellt. Rojko (2017) menar att denna revolution kännetecknades av att människor fick förbättrad livskvalitet. Den andra revolutionen skedde under 1900-talet när elektriciteten kunde appliceras i industrin. Med hjälp av elektriciteten blev det lättare att massproducera produkter. Den tredje revolutionen kom på 60-talet enligt Rojko (2017). Elektroniska komponenter och datorer bidrog till skapandet av mer flexibla pro- duktionslinor. Detta med hjälp av bland annat Programmable Logic Controller (PLC) som fortfarande används idag. Istället för att exempelvis biltillverkare enbart kunde massproducera en bil av en färg, kunde de nu massproducera bilar i många olika färger.
Figur 2 Överblick över de fyra industriella revolutionerna (från AllAboutLean.com av Christoph Roser under fria licensen av CC- BY-SA 4.0).
Industri 4.0 kommer bidra med flexibilitet för att täcka människornas ständigt ökade efterfråga av va- rierande produkter (Rojko 2017). Maskiner kommer vara integrerade med informationstekniska kom- ponenter. Dessa maskiner har förmågan att dra egna beslut med hjälp av algoritmer som analyserar data i realtid. Med IoT kan maskiner och andra komponenter kommunicera med varandra. Industri 4.0 kommer inte enbart påverka och förbättra produktionsdelen, utan även påverka processer och verk- samheten (Rojko 2017). Detta berör logistiken, produktionen, säkerheten och kunderna. Dessa delar kommer vara integrerade med datamoln som analyserar stora mängder data med hjälp av artificiell intelligens. Detta möjliggör Just-In-Time (JIT) leveranser och kan förutspå bland annat kommande be- ställningar och underhåll. En viktig aspekt av Industri 4.0 enligt Rojko (2017) är Human-To-Machine interaktion, samspel mellan människa och maskin. Kollaborativa robotar som kan arbeta med och as- sistera människan, kommer tillsammans med människan utföra avancerade arbetsuppgifter. Uppgifter som hittills enbart kan utföras av människan. AR kommer vara en väsentlig del i Industri 4.0 och för Human-To-Machine interaktionen. AR kan möjliggöra kommunikationen mellan människa och robot.
Utöver det, kan AR förse arbetare med arbetsinstruktioner som underlättar arbetet (Rojko 2017).
2.2 AR- definition och olika typer av tillämpningsområden
Mixed Reality (MR) tillåter interagering av den riktiga världen och den virtuella världen (se figur 3), detta begrepp introducerades av Milgram och Kishino (1994). Längst till vänster i figuren existerar den riktiga världen och allt som människan känner till. Längst till höger finns den virtuella världen, en full- ständig digitaliserad miljö där allt är generat med hjälp av datorer (Milgram & Kishino 1994). Exempel- vis existerar den nu välkända Virtual Reality (VR) i den virtuella världen samt datorspel och andra helt digitaliserade miljöer. AR eller förstärkt verklighet är en typ av MR och som baseras i den riktiga världen men där virtuella objekt kan adderas. Augmented Virtuality (AV) baseras däremot på den virtuella värl- den men där objekt från verkligheten adderas (Milgram & Kishino 1994).
Real
Environment Augmented
Reality (AR) Augmented Virtuality (AV)
Virtual Environment
(VE)
Mixed Reality
Figur 3 Milgram & Kishinos (1994) visualisering av de olika miljöerna.
Enligt Azuma (1997) definieras AR med tre egenskaper:
1. Kombinerar verkligheten med den virtuella miljön.
2. Interaktivt i realtid.
3. Är registrerad i tre dimensioner.
Azuma (1997) menar att dessa tre definitioner inte behöver appliceras enbart för HMD (Head Mounted Displays), skärmar/glasögon som bärs på huvudet, utan kan appliceras för olika sorter teknik bara de
handhållna, HMD och projektiva. Till kategorin handhållna tillhör mobiltelefoner eller surfplattor (Azuma et al. 2001). Till HMD återfinns AR enheterna då de tillåter användaren att utnyttja AR utan att använda händerna.
AR tillämpas inom olika områden och tillväxten de senaste åren har lett till att fler marknader har börjat tillämpa teknologin. Parekh, Patel, Patel & Shah (2020) skriver hur AR används inom områden som medicin, Tv-spel och underhållning. Parekh et al. (2020) menar att framtidens underhållning kommer präglas av AR där teknologin förstärker och ger en mer skräddarsydd upplevelse för användaren. Detta appliceras redan i mobila applikationer som Snapchat (Parekh et al. 2020). Detta gäller även för direkt- sända evenemang där AR förstärker informationsflödet mer för åskådaren. Parekh et al. (2020) menar att AR-spel har nått mer framsteg under senaste tiden. Enligt nio studier visades att inlärningsförmågan och motivationen hos studenter ökar vid användning av AR-spel med 58 % och 10 % (Parekh et al.
2020). Inom medicin kan AR användas vid operation, rehabilitering och upplärning. Parekh et al. (2020) diskuterar även hur företag använder AR vid marknadsföring och tar upp exempel på IKEA som låter användaren virtuellt möblera rum.
2.2.1 Hololens 2
År 2016 lanserade Microsoft första versionen av företagets AR-glasögon som kallades för Hololens (Microsoft 2020a). Glasögonen baserades på Windows 10 och använder sig av plattformen Windows holographic. Efterföljaren till Hololens blev Hololens 2 som lanserades 2019 och har flertal förbätt- ringar jämfört med föregångaren (Microsoft 2020a). Hololens 2 är utrustad med fyra ljus-kameror som observerar och scannar omgivande miljö samt erbjuder ett synfält på 52° (Microsoft 2020b). Glasögo- nen har två inbyggda infraröda kameror som följer ögonens rörelser tillsammans med flertal sensorer (Microsoft 2020b). En djupsensor, accelerometer, gyroskop och magnetometer är även inbyggda (Microsoft 2020b). Glasögonen har litiumbatterier som ger två till tre timmars användning innan upp- laddning krävs (Microsoft 2020b). Skärmen på Hololens 2 har en upplösning på 2048 × 1080 per öga.
Glasögonen är utrustade med mikrofon och högtalare. Hololens 2 har en totalvikt på 566 gram.
Hololens 2 har vikten jämnt fördelad i bak och fram för bättre ergonomi.
2.2.2 Dynamics 365 Guides
Dynamics 365 Guides är ett datorprogram utvecklat av Microsoft, som kan styras från datorn och Hololens (Microsoft 2020c). Programmet möjliggör skapandet av instruktioner i form av rektangulära kort som holografiskt projiceras i Hololens (Microsoft 2020c). Dessa instruktioner visualiseras i realtid och kan stationeras vid önskad plats eller följa användaren beroendes på arbetsmomenten som pro- grammerats (Microsoft 2020c). Instruktionerna kan innehålla text, bilder, korta filmer och CAD-mo- deller i 3D (Microsoft 2020c). Det krävs ingen programmering vid skapandet av instruktioner utan görs i realtid med handgester; text och bilder läggs in via dator (Microsoft 2020c). Efter utförd arbetssession kan data analyseras via Guides Analytics. Guides Analytics är ett analyseringsverktyg som samlar och visar data på exempelvis tider på utfört arbete. Tiderna på utförda arbeten under ett arbetspass kan visualiseras genom diagram och ger en tydligare bild på arbetarens tider samt avvikelser (Microsoft 2020c).
2.3 Online-verktyg
Genom ett forskningsprojekt har Högskolan i Skövde tagit fram ett online-verktyg som kan underlätta
egna arbetsplatsen i ett specifikt fall (Danielsson 2020). Online-verktyget består av olika frågor som sedan har följdfrågor vid de tillfällen något svar innebär kritiska hinder. Verktyget riktar sig mot perso- nal som arbetar med implementering av ny utrustning och består av totalt femton frågor indelade inom olika områden. Dessa områden är operatör, infrastruktur och produktion (Danielsson 2020). In- nan uppstart av verktyget får utövaren först fylla i sin arbetstitel och erfarenhet inom branschen. Där- efter får utövaren uppskatta hur pass lämplig hen tror att fallet kommer att vara. Verktyget ger sedan en grov uppskattning om fallets lämplighet för användningen av AR (Danielsson 2020).
2.4 Montering
Montering innebär att olika delar sätts samman till en produkt och är ett av de sista stegen i en pro- dukts förädlingsprocess (Björklund, Gustafsson, Hågeryd & Rundqvist 2015). Många monteringspro- cesser är i dagens industrier tidsstyrda, detta medför enligt Björklund et al. (2015) en möjlighet till kostnadseffektiviseringar hos dessa processer. Montering kan ske manuellt eller automatiskt samt kombinerade. Manuell montering innebär att sammanfogningen av produkten sker enbart av männi- skor. Denna variant av montering används oftast vid låga produktionsvolymer eller då produkten är komplext konstruerad (Björklund et al. 2015). Automatisk montering appliceras enklast vid masspro- duktion av en produkt, detta benämns som Stel Automatisk Montering (SAM) (Björklund et al. 2015).
Monteringsprocesser med ett blandat produktflöde är enligt Björklund et al. (2015) betydligt mer kom- plicerat att automatisera eftersom det krävs många olika fixturer till maskiner och robotar, samt att det krävs omställningar mellan varje produktvariant.
Litteraturstudie
I detta kapitel presenteras vad tidigare studier inom samma område genomfört och kommit fram till, för att stärka motivationen för detta projekt. Studien behandlar artiklar rörande implementering av AR-teknologi samt möjligheter och begränsningar för den.
En litteraturstudie genomfördes för att undersöka vad tidigare forskning kommit fram till och vart eventuella luckor inom området fanns. Flera databaser användes för sökning av litteratur, främst Sci- ence Direct, IEEE Xplore, SpringerLink samt Google Scholar. Nyckelord som användes var Augmented Reality, Smart glasses, Industry, Manufacturing, Industry 4.0, Operator training, assembly instructions och olika kombinationer av dem. Artiklar användes för att få kunskap inom ämnet. Eftersom tekniken är relativt ny inom tillverkningsindustrin och har utvecklats snabbt de senaste åren finns få böcker utgivna som är uppdaterade. Då intressanta artiklar hittades under litteraturstudien gav dessa även flera referenser som följdes upp. Denna metod för att söka artiklar kallas för ”snowballing” och innebär att artiklar söks upp genom att titta på referenslistan och refereringar i den löpande texten (Wohlin 2014).
3.1 AR-teknologi som operatörstöd
Evans, Miller, Pena, MacAllister & Winer (2017) utförde en studie där Hololens användes och testades i en kontrollerad monteringsstation. Evans et al. (2017) syfte var att undersöka möjligheterna med att skapa monteringsinstruktioner för produktionen med AR-glasögon (Hololens). Monteringsinstrukt- ioner skapades med spelmotorn Unity3D. Evans et al. (2017) menar att brister med glasögonen var dess förmåga att spåra positionen av monteringsstationen. Eftersom den ansågs bristfällig komplette- rades spårningen med Vuforia, ett mjukvaruprogram som tillåter skapande av AR-applikationer, och
detta gav ett bättre resultat (Evans et al. 2017). För framtida studier föreslår Evans et al. (2017) att tester bör fokusera på att jämföra läsplattor gentemot AR-glasögon.
Richardson et al. (2014) utförde en studie där syftet var att jämföra traditionella monteringsinstrukt- ioner med instruktioner från en AR-läsplatta. För montörer klassade som nybörjare eller de med lite erfarenhet av montering, passar instruktioner från AR-läsplattan bra (Richardson et al 2014). Detta kan bero på att AR-läsplattan visar med noggrannhet vart delar ska sitta och placeras, i jämförelse med traditionella instruktioner. Richardson et al. (2014) mätte arbetseffektiviteten genom att notera hur mycket deltagarna tittade på arbetsinstruktionerna. Ju mindre deltagarna tittade på instruktionerna desto effektivare arbetade de. Detta beror på att deltagarna inte behöver pendla mellan instruktion- erna och arbetsuppgifterna lika frekvent (Richardson et al. 2014). En AR-läsplatta ger mer arbetseffek- tivitet än traditionella instruktioner (Richardson et al. 2014). Detta beror på att AR har förmågan att visualisera mer detaljerade och tydliga instruktioner. Danielsson, Syberfeldt, Holm och Wang (2018) menar att AR har en stor möjlighet att verka som operatörstöd inom tillverkningsindustrin. Danielsson et al. (2018) gjorde en liknande undersökning men där frekvensen av hur ofta montörer behövde fo- kusera blicken på en informationsskärm observerades. De genomförde en fallstudie där syftet var att undersöka hur montörerna uppfattade AR och ansåg att en viktig aspekt vid implementering av AR- glasögon är hur montörer accepterar ny teknik. Även företagsmiljön har enligt Egger och Masood (2020) en stor påverkan på hur väl AR kan implementeras. Resultatet från studien visade att majorite- ten av montörerna var positiva till den nya tekniken (Danielsson et al. 2018). Egger och Masood (2020) förklarar att flera studier har utförts i syfte att undersöka användarnas upplevelse av AR. Egger och Masood (2020) menar att fler holistiska undersökningar bör utföras, framförallt i en industrimiljö samt att implementering av AR bör undersökas ur en bredare företagssynpunkt. Eftersom AR förändrar ar- betsprocesserna och informationsutbytesprocessen kan detta leda till fler konsekvenser (Egger &
Masood, 2020). För att summera så anser flera studier att AR-teknologi kan fungera som operatörstöd och att AR hjälper till att visualisera instruktionerna på ett tydligt sätt.
Danielsson et al. (2018) föreslår en prototyp för hur ett möjligt användargränssnitt skulle kunna se ut i AR-glasögon på avdelningen där testerna utfördes. De föreslår att användargränssnittet borde ut- vecklas praktiskt i ett par AR-glasögon och testas i en verklig produktionsmiljö. Danielsson et al. (2018) menar att det troligen är orimligt att genomföra i en riktig produktion eftersom det skulle innebära för mycket störningar. Därför föreslår de att de första testerna borde utföras i en testmiljö där liknande arbetsuppgifter utförs.
Danielsson, Holm och Syberfeldt (2020) undersökte framtida problem vid implementering av AR-glas- ögon i tillverkningsindustrin. Undersökningens syfte var att bidra med kunskap för en snabbare imple- mentering av AR-glasögon samt bättre förståelse för dem. Sex kategorier som kan relateras till opera- törperspektivet är monteringsinstruktioner, mänskliga faktorer, design, validering, support och upp- lärning (Danielsson, Holm & Syberfeldt 2020). Vid implementering av AR-glasögon krävs det standarder för monteringsinstruktioner innan de digitaliseras. Danielsson, Holm och Syberfeldt (2020) menar att dagens instruktioner för montering saknar standarder för både utveckling och fördelningen av dem.
För att summera krävs det att ett företag har digitaliserade filer innan AR kan implementeras. Ett första steg annars är att standardisera arbetet och skapa digitala instruktioner. Därefter kan en implemente- ring av AR-glasögon ske på ett enklare sätt.
Vid implementering av AR-glasögon som ett verktyg för montörer är det viktigt att ergonomin tas i beaktning. Enligt Chihara och Seo (2018) är vikten och dess placering av tyngdpunkten av stor bety- delse. För att minska den ergonomiska påfrestningen bör glasögonens tyngdpunkt flytta sig beroende på huvudets lutning. Enligt Egger och Masood (2020) är glasögonen fortfarande relativt tunga. En out- forskad del inom AR är enligt Vovk, Wild, Guest & Kuula (2018) effekten av åksjuka som kan upplevas vid användning av dem. Vid en undersökning noterades dock att glasögon som är optical see-through, exempelvis Microsoft Hololens, inte ger någon betydande effekt av åksjuka (Vovk et al. 2018). Vid de- sign av användargränssnitt i AR-glasögon finns flera olika utmaningar eftersom digitala objekt placeras i den verkliga världen, detta leder till en mycket större miljö för operatören att avläsa (Danielsson, Holm & Syberfeldt, 2020). Vissa studier menar att AR kan påverka balanssinnet och skapa åksjuka men att det beror på olika modeller. Projektet kommer använda Hololens 2 och undersöka upplevelsen samt om några negativa hälsoeffekter upplevs.
AR-glasögon kan användas som operatörstöd och underlätta vid inlärning av nya uppgifter. Enligt Da- nielsson, Holm och Syberfeldt (2020) kan produkters komplexitet öka i framtiden och därmed skapa ett större behov av informationsstöd vid montering. AR-glasögon kan effektivisera upplärningen av ny personal eftersom de tillåter operatören att arbeta mer självständigt (Danielsson, Holm & Syberfeldt 2020). De flesta testerna som genomförts i studier gällande upplärning med AR-stöd har skett med testpersoner som inte är operatörer och arbetsuppgifterna har ofta varit förenklade (Werrlich et al.
2017). Egger och Masood (2020) menar att teknologin inte är helt redo för alla typer av arbetsuppgifter inom tillverkningsindustrin än. Egger och Masood (2020) upptäcker sex områden där fler studier bör utföras, dessa var processorns bearbetningshastighet, ergonomi, mjukvara, användarnivå, företags- ledningsnivå samt företagsmiljön.
Bosch et al. (2020) genomförde fem fallstudier på tillverkande industrier i Tyskland. Syftet var att un- dersöka hur spatial AR (sAR) fungerade som ett stödjande verktyg för nyanställda och erfarna montö- rer på företagen. Bosch et al. (2020) förklarar att sAR är en lovande version av AR som är förutspådd att passa en industrimiljö eftersom arbetsinstruktionerna projiceras nära operatörens arbetsområde eller på själva arbetsobjektet. Detta låter operatören följa arbetsuppgiften utan att behöva hålla i en läsplatta eller bära ett par glasögon för att få instruktionerna (Bosch et al. 2020). Under fallstudierna undersökte Bosch et al. (2020) sex kategorier kopplade till operatörstöd. De sex kategorierna var föl- jande; tiden det tog att slutföra en arbetsuppgift, inlärningshastigheten, produktkvaliteten, arbetsled- ningsinsatsen under upplärning, operatörernas anställbarhet och operatörernas arbetsbelastning (Bosch et al. 2020). Inlärningshastigheten definierades av antalet arbetscykler som krävdes innan för- utbestämd arbetstakt uppnåddes (Bosch et al. 2020). Samma definition som Bosch et al. (2020) an- vände för att bedöma inlärningshastigheten tillämpas i detta projekt. Enligt Bosch et al. (2020) hade inte sAR någon positiv påverkan på tiden upplärningen tog jämfört med traditionell upplärning. Däre- mot menar Bosch et al. (2020) att tiden som handledare eller teamledare i vanliga fall spenderar på upplärning, minskade betydligt med stöd från sAR.
3.2 Möjligheter, utmaningar och begränsningar med AR-teknologi
Fördelar med AR-glasögon jämfört med andra typer av AR-föremål är enligt Danielsson, Holm och Sy- berfeldt (2020) att informationen visas som 3D i displayen direkt i operatörens synfält, samt att glasö- gonen låter operatörens händer vara fria, vilket är viktigt vid manuell montering. En nackdel enligt Danielsson, Holm och Syberfeldt (2020) är den begränsade batteritiden och att synfältet är betydligt
mindre än vid lösningar med exempelvis fasta skärmar. Egger och Masood (2020) undersöker möjliga hinder beträffande implementering av AR i produktion. De poängterar att det finns många hinder och utmaningar främst i ARs mjukvara. Mjukvaruutmaningarna kategoriseras till ARs framställningsnog- grannhet, spårningsteknologin, dataintegrering, användargränssnitt och databearbetning. De menar att en större utmaning ligger i osäkerheten för vilka standarder som ska bestämmas och användas för skapande av exempelvis modellering, användargränssnitt och datastruktur (Egger & Masood 2020).
Litteraturstudien av De Souza Cardoso, Mariano och Zorzal (2020) fokuserar på möjligheterna och för- delarna med att använda AR i industriella miljöer. Studien undersöker artiklar från 2012–2018 över fem olika databaser. Under De Souza Cardoso, Mariano och Zorzal (2020) olika huvudfrågor framgår fråga fyra som Vilka är AR-teknologins främsta fördelar? På denna fråga fann De Souza Cardoso, Mari- ano och Zorzal (2020) att 90 % av hittade studier listar flertal fördelar med AR-teknologin. 32 % av studierna finner att AR-teknologin hjälper till att minska tiden på en arbetsuppgift. 26 % finner att AR hjälper till att förbättra kvalitén och 22 % menar att AR är värdefullt när det appliceras vid upplärning.
Dessa är faktorer som tillsammans bidrar till minskad produktionskostnad (De Souza Cardoso, Mariano
& Zorzal 2020). På huvudfråga fem Vilka är de största utmaningarna vid implementering av AR i pro- duktion? listades hårdvaran och mjukvaran som en utmaning. 24 % av studierna citerade att spårning eller lokalisering var underliggande utmaningar vid implementering av AR (De Souza Cardoso, Mariano
& Zorzal 2020). 25 % fann att projektionen, kvalitén, noggrannhet och interaktion hade brister. Till dessa relateras problem med virtuella objekten som projicieras. Det rapporteras att objekten har bris- ter i upplösningen och positioneras dåligt i realtid (De Souza Cardoso, Mariano & Zorzal 2020). 25 % av studierna fann att utmaningarna låg i själva hårdvaran och 17 % tog upp utmaningar relaterade till användarhälsan och användaracceptans och resterande 9 % procenten var komplexiteten vid framtag- ning av utveckling. De Souza Cardoso, Mariano och Zorzal (2020) skriver att AR utvecklare bör fokusera på att skapa AR enheter som är mer anpassade för användning inom industrin. De poängterar att det bör forskas mer på hur AR påverkar människans hälsa.
För att summera finns flera fördelar med AR-teknologi några av dessa är kvalitetsförbättringar samt arbetseffektivitet. Tekniken har begränsningar. Dessa begränsningar är problem vid interaktionen med virtuella objekt samt förmågan att lokaliseras rätt i realtid.
3.3 Kostnadseffektivitet med AR
Quandt et al. (2018) menar att AR-glasögon är en kostsam investering i dagsläget, däremot förväntas en kostnadsreducering eftersom det är en växande marknad. För att undersöka vilka krav som ställs vid implementering av AR genomfördes två fallstudier, där kostnadseffektiviteten var ett av kraven (Quandt et al. 2018). Kraven undersöks i två fall där ett är med AR-baserat stödsystem för vindkraft- tekniker och en AR baserad svets-simulator för upplärningssyfte (Quandt et al. 2018). Quandt et al.
(2018) presenterar generella krav för AR-teknologier inom industriella applikationer som följande tre delar: krav under utveckling och integrering, krav under installation, krav under processen. Krav som finns under utveckling och integration är enligt Quandt et al. (2018) kostnadseffektivitet, datasäkerhet och föreskrifter. Vid fallet med AR som stödsystem för vindkrafttekniker baserades kostnadseffektivi- teten på förväntad lönsamhet i form av tidsbesparing, detta stöds dock inte med någon form av mät- ning. För att kort sammanfatta finns det vissa krav som bör uppfyllas vid implementering av AR-tek- nologi. För att implementera ny teknik bör det vara en lönsam investering.
Enligt Oesterreich och Teuteberg (2017) är höga implementeringskostnader och otydliga fördelar en möjlig anledning till att AR inte har fått den spridning som förutspått. Oesterreich och Teuteberg (2017) menar att AR-teknologin är redo men metoder, verktyg och tidigare studier saknas för att göra en kostnadsanalys vid AR-applikationer. Därför genomförde Oesterreich och Teuteberg (2017) en studie där syftet var att utveckla en bedömningsmall för att utvärdera kostnader och fördelar vid investering av ett informationssystem baserat på AR inom konstruktion. Bedömningsmallen togs fram med hjälp av en litteraturstudie och en traditionell kostnadsanalys användes för att tydliggöra hur beslutsproces- sen kan påverkas av den (Oesterreich & Teuteberg, 2017). Med stöd från tidigare studier sammanstäl- ler Oesterreich och Teuteberg (2017) en tabell med olika fördelar baserade på fem huvudtillämpnings- områden (design & planering, konstruktion, underhåll, ledning och demolering) och med vilka termer dessa kan mätas. Fördelarna delas in i operativa, taktiska och strategiska fördelar och mätbara termer som används är tidsbesparing, kostnadsbesparing samt ökad försäljning (Oesterreich & Teuteberg 2017). För en förenklad egen tolkning av den se Tabell 1.
Tabell 1 Fri tolkning av Benefit framework (Oesterreich & Teuteberg 2017)
För att summera är det ett omfattande arbete att genomföra en traditionell kostnadsanalys, däremot kan lönsamheten bedömas med kvalitativa termer.
3.4 Analys av litteraturstudie
Tidigare studier har visat att behovet av fler studier inom AR är stort. Egger och Masood (2020) fast- ställer sex områden inom AR där behovet av studier är som störst. Dessa områden var processorns bearbetningshastighet, ergonomi, mjukvara, användarnivå, företagsledningsnivå och företagsmiljö. De Souza Cardoso, Mariano och Zorzal (2020) menar också att framtida studier bör undersöka hur AR- teknologi påverkar människan. Vovk et al. (2018) nämner att åksjuka har varit ett outforskat område inom AR, däremot att Hololens inte ska ha den effekten på människan. Egger och Masood (2020) samt Danielsson et al. (2018) anser att framtida studier bör fokusera på implementering av AR i en verklig produktionsmiljö.
Metod
Detta kapitel beskriver teori för metoden som valts till projektet samt motivering till varför den ansågs lämpligast. Den andra delen av kapitlet redogör för hur datainsamling har skett samt beskrivning av olika informationskällor.
För projektet valdes fallstudie som forskningsmetod. Jensen och Sandström (2016) beskriver fallstudier som en passande forskningsmetod när komplexa företeelser ska studeras och som är svåra att urskilja i sitt sammanhang. För projektet är sammanhanget tillverkande företag och fallet är implementation av AR-glasögon. En annan metod som kunde anses lämplig för projektet är surveystudier. Enligt Bell (2006) är surveystudier en lämplig metod då en undersökning kräver mycket fakta under en relativt kort tidsperiod. En surveystudie besvarar mer konkreta frågor som Vad? Var? När? samt Hur? (Bell 2006). Anledningen till att fallstudie valdes som metod istället för surveystudie var för att en djupare förståelse för ämnet eftersträvades. Fallstudier används ofta då fallet som studeras består av en eller flera frågeställningar som inkluderar frågorna Hur? och Varför? (Yin 2006). För detta projekt och dess fallstudie kommer två frågeställningar användas för att avgränsa området eftersom tiden för studien är begränsad. Yin (2006) ger den tekniska definitionen av en fallstudie i två delar. Den första delen förklarar vad fallstudien omfattar och den andra delen består av tillvägagångssätt för att samla in och analysera data (Yin 2006):
1. Fallstudie innebär en faktabaserad undersökning som studerar en viss händelse i sin verkliga om- givning speciellt då gränserna mellan dem är otydliga.
2. Fallstudie lämpar sig som metod då fler variabler än datapunkter existerar. Detta medför att en fallstudie skapas med flera källor som stöd och att tidigare studier nyttjas vid datainsamling och analys.
Jensen och Sandström (2016) menar att det ofta är svårt att beskriva fallet innan studien har genom- förts. Enligt Jensen och Sandström (2016) har mycket av den klassiska fallstudiens fördelar försvunnit genom åren och menar att fallstudierna bör eftersträva att återfå dessa fördelar. Några av dessa för- delar är att pröva sig fram, delta i aktiviteterna som studeras, observera och låta det som sker under studiens gång påverka frågeställningarna och metoderna (Jensen & Sandström, 2016). Eftersom stu- dien sker inom ett nytt område kommer en öppenhet inför nya upptäckter att eftersträvas.
Enligt Yin (2006) krävs information och belägg för en fallstudie, dessa kan komma från sex olika källor;
personliga anteckningar, skriftliga källor, intervjuer, fysiska artefakter, direkt och deltagande observat- ion. Vid insamling av data kommer flera av dessa informationskällor att kombineras. Yin (2006) fram- håller att ingen källa till information är bättre eller sämre att använda, utan tillsammans kompletterar de varandra. Fysiska artefakter är enligt Yin (2006) en informationskälla som inte används lika ofta som de övriga källorna vid fallstudier. Exempel på fysiska artefakter kan vara ett verktyg, maskin eller ett konstverk (Yin 2006).
Yin (2006) menar att följande tre principer bör tas hänsyn vid datainsamling för att erhålla en hög kvalitet på en fallstudie:
1. Använda flera av informationskällorna.
2. Ta fram en databas för fallstudien.
3. Etablera en beviskedja.
En beviskedja innebär att en forskare öppet visar alla genomförda steg i analysen och kopplar samman specifika händelser eller fall och sedan skapar slutsatser utifrån dessa (Jensen & Sandström 2016). Vid analysen av en fallstudie kan flera olika tekniker användas. Enligt Bell (2006) finns olika datorprogram som kan underlätta analysen av data. Under studien kommer flera olika informationskällor att använ- das.
4.1 Skriftliga källor
Skriftliga källor kan enligt Yin (2006) vara dokument av olika slag. Det kan exempelvis vara dokument i form av brev, mötesprotokoll, skriftliga rapporter, administrativa dokument, tidningsnotiser eller undersökningar av den plats där fallet genomförs på (Yin 2006). Vid en fallstudie är dokumentens vik- tigaste uppgift att stärka information och bevis som tagits från andra källor (Yin 2006). Under projektet används skriftliga källor för att samla kunskap inom det valda ämnet samt för att undersöka vad tidi- gare forskning kommit fram till. Yin (2006) framhåller att fallstudieutövaren bör granska dokumenten kritiskt och inte förlita sig helt på allt material som samlas in. Material som exempelvis internkommu- nikation på ett företag, kan ge en riktning för något som kan undersökas mer, men bör inte ses som slutsatser eller resultat. Som skriftliga källor användes främst forskningsartiklar.
4.2 Intervjuer
Intervjuer är enligt Yin (2006) en värdefull informationskälla vid fallstudier. Vid fallstudier används främst tre olika former av intervjuer. Dessa är intervjuer av öppen karaktär, fokuserad intervju och intervju med strukturerade frågor (Yin 2006). Oftast är en fallstudieintervju i form av öppen karaktär, Yin (2006) menar att intervjufrågorna som ställs dels kan röra den utfrågades egna åsikter men även enbart fakta. Vid intervjuer kan det vara lämpligast att spela in men då måste inspelningarna transkri- beras vilket är tidskrävande speciellt vid omfattande intervjuer. Projektet har genomfört intervjuer av öppen karaktär genom att samtala med produktionsledare och montörer på företaget för att få in- formation hur upplärningsprocessen sker i dagsläget.
4.3 Observationer
Yin (2006) menar att det finns två varianter av observationer, direkta samt deltagande. Direkta obser- vationer kan utföras på platsen där fallstudien genomförs vid de tillfällen relevanta beteenden finns att beskåda. Det kan exempelvis vara att utföra observationer vid möten, händelser i ett klassrum eller hur arbetet sker i en fabrik (Yin 2006). Vid en deltagande observation medverkar observatören i de aktiviteter som undersöks istället för att enbart observera. Yin (2006) beskriver både för- och nackdelar med deltagande observation. En fördel är åtkomsten till information som en direkt observation inte skulle ge. En nackdel enligt Yin (2006) är att observatören förlorar rollen som extern betraktare och kan få problem med att hinna anteckna det som observerats. Observationer kan bidra med en alter- nativ syn och en djupare förståelse för den frågeställning som undersöks (Yin 2006). Vid experimentet kommer direkta observationer utföras, där antal fel som upptäcks observeras. Detta ska dels ge en indikation om kvaliteten av det utförda arbetet påverkas samt för att verifiera att testpersonerna har erhållit den kunskap som krävs för att utföra arbetet på ett korrekt sätt.
4.4 Enkät
“I en enkät formuleras frågor som mäter antingen fakta eller åsikter, attityder och värderingar i förhål- lande till ett visst ämnesområde eller forskningsobjekt” (Säfsten & Gustavsson 2019, s 158). Det finns
riktlinjer vid skapandet av en enkät. Säfsten och Gustavsson (2019) menar att demografiska frågor som kön, ålder och arbetserfarenhet används för att beskriva deltagarna. De menar även att språket i en- kätens skall anpassas till målgruppen och deltagarna (Säfsten & Gustavsson 2019). Enkätens frågor ska vara utformade för att inte tolkas på andra sätt och det är viktigt att inte förvirra deltagarna med frågor som består av en dubbelfråga. Enkäten ska vara lättläst med talspråk och inte innehålla långa och för- virrande frågor (Säfsten & Gustavsson 2019). Likert-skalan är en attitydskala som tillåter deltagaren att utrycka sig både negativt, neutralt eller positivt genom en fem eller sjugradig skala. Enligt Bell (2006) är skalfrågor ett bra alternativ då man vill få fram styrkan i ett påstående. Däremot kräver dessa en mer genomtänkt planering för analysering, jämfört med exempelvis alternativfrågor (Bell 2006). Fasta svarsalternativ är lätta att sammanställa och analysera jämfört med öppna frågor som låter deltagarna att utrycka sig med egna ord (Säfsten & Gustavsson 2019).
Det skapades två enkäter för projektet, dessa innehöll olika typer av frågor (se Bilaga 3 och 4). Enkä- terna bestod av frågor som var av demografisk karaktär, enkla frågor som krävde korta svar, skalfrågor samt frågor med fritext.
4.5 Experiment
Enligt Bell (2006) kan ett experiment låta forskaren dra slutsatser om anledningar och påverkan. Där- emot menar Bell (2006) att det som undersöks måste vara jämförbart eftersom många faktorer kan ge olika påverkan. Faktorer som kan tänkas påverka resultatet bör vara kontrollerbara för att minska va- riationen av insamlad data (Bell 2006). Bell (2006) framhäver dock att det är en svår uppgift att kon- trollera varje påverkande faktor vid ett experiment.
Ett experiment genomfördes för att samla in data rörande upplärningstiden. Genom att mäta hur många arbetscykler testpersonerna behövde genomföra kontrollstationen innan den satta tiden 100 sekunder uppnåddes. Två testgrupper fick genomföra samma arbete vid kontrollstationen, en av grup- pen arbetade samtidigt som upplärning skedde med en handledare och den andra gruppen samtidigt som upplärning skedde med AR-glasögon. För att verifiera att testpersonen uppnådde den kunskaps- nivå som krävdes och för att undersöka kvaliteten av kontrollen, genomfördes ytterligare ett test. Där fick testpersonerna utföra en kontroll av motorn utan stöd från handledare eller AR-glasögon. Med hjälp av en checklista kontrollerades om testpersonerna genomförde alla arbetsmoment i kontrollen och i rätt sekvens. Vid detta test placerades även tre bestämda fel ut, för att undersöka om dessa upptäcks. Därefter beräknades den totala effektiviteten av testet.
4.6 Analys och tolkning av data
Enligt Bell (2006) måste all insamlad data registreras, kategoriseras och sedan analyseras samt tolkas.
Bell (2006) menar att det är viktigt att tänka på redan vid val av datainsamlingsmetod vilken typ av analys som sedan ska utföras. Redan vid utformandet av intervjufrågor bör analyseringsmetod bestäm- mas (Bell 2006). Under experimentet samlades kvantitativa och kvalitativa data in rörande upplär- ningstiden. Analys av data genomfördes med Excel. Kvaliteten av upplärningsprocessen undersöktes genom att registrera antalet fel som upptäcktes vid sluttestet. Data som samlats in vid testet tolkades med statistiska beräkningar och presenterades som diagram. Kvalitativa data som samlades in under projektet delades in i kategorier och analyserades med diagram. Frågorna från enkäten med fri svars- text analyserades genom att följa upp positiva eller negativa svar och möjliga orsaker eller korrelat- ioner diskuterades.
Genomförande
Här beskrivs genomförandet av studien med valda metoder och verktyg samt hur insamling av data skett.
5.1 Lämplighetsbedömning av produktionsfall
Företaget besöktes för att undersöka vilket produktionsfall som ansågs vara mest lämpligt för imple- mentering av smarta AR-glasögon. Fem operatörer valdes från olika arbetsstationer och moduler på företaget, dessa fick sedan besvara enkäten online samtidigt som handledare fanns på plats. För varje operatör tog det ungefär femton minuter att besvara frågorna i verktyget. Frågorna i online-verktyget behandlar aspekter som är viktiga att ta hänsyn till vid implementering av AR-glasögon och för att bedöma om de kan vara en lönsam investering (se Bilaga 5).
Produktionsfallen som bedömdes var fyra monteringsstationer och en kontrollstation (SIP). Under ti- den som operatörerna svarade på online-verktyget gavs en genomgång av arbetssekvensen för varje station som utvärderades. Svaren sammanställdes och analyserades genom att undersöka vilken stat- ion som fick högst procent av lämplighet från online-verktyget (se Diagram 1). Det slutgiltiga valet av arbetsstation skedde sedan i samråd med företaget.
Diagram 1 Bedömning av produktionsfall.
Från resultaten kunde direkt två fall tas bort eftersom de fick lägre lämplighetsprocent än de övriga.
Vid bedömningen av produktionsfall fick tre fall samma lämplighetsprocent (se Diagram 1).
Baserat på svaren från online-verktyget så hade inte station 280 på modul 2 några större kritiska punk- ter. SIP-stationen kanske inte var lönsam att investera AR-glasögon i, om de inte utnyttjas tillräckligt ofta. För station 280 på modul 4 kan det bli en dyr investering om tekniken inte används ofta. Finns det problem vid extrahering av filer till 3D-objekt, kan implementeringen försvåras. För alla resultat från verktyget se Bilaga 6.
Det slutgiltiga valet för implementering av AR-glasögon skedde i samråd med företaget och blev SIP- stationen, en kvalitetskontrollstation.
5.2 Programmering av AR-glasögon
Anställda på Plant Academy hjälpte till att bygga ihop en SIP-station på Basic Skills som skulle användas enbart för detta projekt. De försåg även med arbetsinstruktioner för SIP-stationen med tillhörande bilagor. Vid skapandet av instruktioner för programmeringen av AR-glasögonen användes WES (Work Element Sheet) och OIS (Operator Instruction Sheet) dokument från företaget. Dessa är instruktioner för hur arbetsmomenten ska utföras och i vilken ordning. WES:en och OIS:en som användes tas inte med i denna rapport av sekretesskäl. Dokumenten visade även vart på motorn som de olika instrukt- ionerna hänvisade till. Det gjordes ett besök på en riktig SIP-station på monteringen där det observe- rades hur arbetet utfördes. Vid programmering fördes arbetsinstruktionerna över till programvaran Guides Dynamics 365. Därefter kunde instruktionskort skapas och önskade bilder och filmer kunde adderas. Programmet synkroniserades och överfördes till Hololensen. Därifrån kunde instruktionskor- ten och önskade objekt placeras vid önskad plats i realtid med hjälp av handgester. Det placerades även en QR-kod på motorn som fungerade som en ankare för Hololensen. QR-koden förankrar de vir- tuella objekten till önskad plats i den riktiga miljön, se figur 4. Samma anställd testade den simulerade SIP-stationen på Basic Skills med AR-glasögonen och gav värdefull återkoppling. Den anställda menade att flera saker behövde förbättras, några objekt hade missplacerats och några triggers, virtuella utlö- sare som aktiveras vid beröring, reagerade dåligt i realtid. Den anställda menade också att det var mycket mörkare ljus i glasögonen jämfört med ljuset i den riktiga produktionen. Ljuset på glasögonen kan justeras manuellt med hjälp av två knappar som är placerade vid sidan på glasögonen. Ett annat hjälpmedel som finns på Dynamics 365 Guides är så kallade “Gem”. Gemet hjälper till att lokalisera vart ett moment ska utföras genom en prickad linje som leder till den önskade positionen. Dessa Gem fungerade inte exakt som de skulle då de missplacerades varje gång programmet startades på nytt. Vid omjusteringen av programmet fick en person lätt huvudvärk efter en timme av användning, medan den andra personen upplevde obehag i form av tryck från huvudbandet efter 40–50 minuters använd- ning. De problem som den erfarna anställda påpekade, åtgärdades och programmet testades av två andra anställda. Båda med tidigare erfarenhet inom SIP-stationen. Ingen av dem kände något obehag vid användningen. Många bra synpunkter erhölls och förslag som att använda mer bilder i instruktion- erna implementerades. Bilderna innehöll ett korrekt sätt att utföra ett visst moment och ett inte kor- rekt sätt. Därför kan användaren visuellt säkerställa att momentet är korrekt utfört i kvalitetssyfte.
Figur 4 Användarvy med AR-glasögon.
Två ytterliga anställda, med ingen tidigare erfarenhet inom en SIP-station, testade programmet. Ingen upplevde något obehag vid användningen av glasögonen. De båda anställda föredrog synliga “next”
knappar (se figur 5), virtuella lådor som kan aktiveras för att gå vidare till nästa steg, istället för triggers.
“Next” knappen placeras vid sidan av arbetsmomentet och kan aktiveras när användaren upplever att uppgiften är färdig. Fördelen med “next” knapparna menar de två anställda var att användaren tar sin tid och aktiverar nästa steg när denna är redo. Detta är att föredra vid upplärningssyfte menar de två anställda. Det experimenterades även med användning av analysverktyget Guides Analytics. Det upp- täcktes att analysverktyget inte alltid presenterade noggrann data på tider, därav bestämdes det att analysverktyget inte skulle användas under experimentet för att undvika kontaminering av slutdata.
Figur 5 Interagering med det virtuella objektet "Next"-knappen.
5.3 Pilottest
För att verifiera att testet gav den data som eftersöktes samt för att kontrollera att enkätfrågorna var tillräckliga utfördes ett pilottest med AR-glasögonen. Under pilottestet användes tre testpersoner, dessa var tillgängliga anställda som arbetade på företaget. Testpersonerna som deltog i pilottestet arbetade på olika avdelningar. En var en erfaren SIP-operatör och två arbetade som utbildare på Plant Academy. Dessa genomförde SIP-stationen samtidigt som tiden för hur lång tid varje genomgång av motorn tog uppmättes. Samma person mätte alla tider för att minska variationen i mätningen. Test- personerna fick först läsa en introduktionstext som inkluderade instruktioner för hur AR-glasögonen skulle hanteras samt för 3D-objekt som de behövde känna till innan de utförde testet. Varje testperson genomförde kontrollen två gånger och halverade sin hastighet på bara en omgång. Därför bestämdes tiden det fick ta att genomföra kontroller av motorn till 100 sekunder.
Anledningen till att 100 sekunder valdes som måltid för experimentet och inte 76 sekunder som före- taget arbetar efter i den riktiga produktionen var för att projektet var tidsbegränsat. Hade mer tid funnits tillgängligt kunde pilottestet utförts under en längre tid för att undersöka och verifiera om 76 sekunder var möjligt att använda som måltid och hinna genomföra med alla testpersoner. Under ex- perimentet var målet att samla information från så många deltagare som möjligt och att uppnå en måltid på 76 sekunder hade lett till att färre test hade kunnat genomföras.
Testpersonerna föreslog att en introduktionsvideo hade underlättat istället för den befintliga textin- struktionen. Därför skapades en video som varje testperson fick ta del av innan de utförde testet.
Några andra åtgärdsförslag var att minska ljusstyrkan på ett par 3D-objekt för att förbättra sikten vid vissa arbetsmoment på motorn, samt att komplettera med instruktionsvideo för ett moment som upp- levdes otydligt i guiden. Efter pilottestet korrigerades guiden efter testpersonernas förslag och enkä- terna ändrades. Guiden presenteras inte i rapporten på grund av säkerhetsskäl.
5.4 Experiment
Ett experiment genomfördes på Plant Academys avdelning Basic Skills. Artontestpersoner användes för att samla kvantitativ data rörande upplärningen på en kontrollstation. Testpersonerna som deltog i experimentet var anställda på företaget. Testpersonerna hade varierande erfarenhet att arbeta som operatör i produktionen och varierande ålder. Testpersonerna hade möjligheten att avbryta sin med- verkan om så önskades. Studiens syfte förklarades för alla deltagare innan experimentet påbörjades.
Projektet hade fyra kvinnliga deltagare och fem manliga deltagare i testgruppen med AR-glasögon. I testgruppen där upplärningen med handledare undersöktes deltog enbart män. Alla deltagare bemöt- tes och behandlades likvärdigt oavsett könstillhörighet.
Testet gick ut på att en grupp fick lära sig SIP-stationen med hjälp av en handledare, vilket är den nuvarande upplärningsprocessen på företaget. Den andra gruppen fick lära sig stationen med hjälp av ett par AR-glasögon, se figur 6. Testpersonen fick först se en introduktionsvideo som gav instruktioner för hur AR-glasögonen skulle hanteras samt för olika 3D-objekt som behövde kännas till innan använd- ningen av dem. Instruktionsvideon är tre minuter lång. Därefter genomfördes första omgången av en arbetscykel, som innebar en genomförd kvalitetskontroll av en motor. Arbetssekvensen bestod av to- talt femton arbetsmoment, som ofta innebar att montören skulle titta och peka eller titta och känna på olika delar av motorn. Tiden uppmättes sedan medan testpersonen fick steg för steg-instruktioner genom AR-glasögonen och genomförde kontrollen. Då testpersonen lyckats genomföra en kontroll av motorn under 100 sekunder antecknades hur många arbetscykler det tagit att uppnå den tiden. Där- efter ombads testpersonen att fylla i en enkät med frågor gällande AR-glasögonen. Under tiden perso- nen besvarade enkäten placerades tre fel ut på motorn. Slutligen genomförde testpersonen en kontroll av motorn utan hjälp av AR-glasögon, där noterades antal fel som upptäcktes samt hur lång tid kon- trollen tog. Deltagare i blandad ålder och skillnader i erfarenhetsnivå kunde genomföra hela arbetsse- kvensen utan större problem. Det som skildes åt var hur många fel som upptäcktes på sluttestet. Under experimentet ombads de deltagande att inte berätta om detaljer från experimentet som genomförts till sina kollegor, för att säkerställa att resultatet var trovärdigt.
Figur 6 Kontroll av motor med AR-glasögon.
Upplärningen med en handledare startade med en genomgång av instruktionerna och bilder på ar- betsmomenten visades på en anslagstavla, se figur 7. Därefter sker en kontrollgenomgång av motorn där handledaren förklarar viktiga saker att tänka på vid de olika arbetsmomenten. Handledaren förkla-
rar hur delarna på motorn ska se ut och vad som inte är godkänt på den. Därefter får montören ge- nomföra en kontroll av motorn själv medan handledaren övervakar momenten och finns där som stöd vid frågor. Montören upprepar arbetsprocessen så många gånger det krävs tills en kontroll av motorn kan ske på 100 sekunder. Därefter ombads montören att svara på en enkät med frågor gällande upp- lärningsprocessen. Under tiden montören fyller i enkäten placerades återigen tre bestämda fel ut på motorn. Därefter genomförde montören en slutkontroll av motorn utan stöd från handledare. Under datainsamlingen användes samma handledare vid upplärning av varje testperson för att minska vari- ationen och säkerställa resultatet.
Figur 7 Kontroll av motor med handledare
Deltagarna från båda grupperna observerades och bedömdes på hur effektivt de utförde sluttestet.
Effektiviteten på sluttestet är ett medelvärde som talar om hur väl testpersonerna klarade sluttestet och består av två faktorer, antal klarade instruktionssteg och antal upptäckta fel. Detta är en ungefärlig representation av resultatet(se Bilaga 7). Experimentet för AR-deltagarna varade mellan 15–30 minu- ter och 10–20 minuter för deltagare med handledare. Mer detaljerade resultat presenteras under 6 Resultat kapitlet.
5.5 Datainsamling under experimentet
För att samla information hur upplärning sker i dagsläget på företaget har samtal med arbetsledare och personal på företaget genomförts. Detta har skett med intervjuer av öppen karaktär, utan förut- bestämda frågor samtidigt som svar har nedtecknats digitalt och skriftligt för hand. Frågorna var rik- tade till hur upplärningen sker i dagsläget, för att kunna efterlikna processen under experimentet. Vid genomförandet av experimentet observerades om testpersonen behövde någon form av stöd under användandet av AR-glasögonen samt vid upplärningen med handledare. Varje gång en testperson und- rade om något noterades detta med streck på en lista. Innan experimentet startade gavs en introdukt- ion om vad som skulle studeras. Det tydliggjordes att det var AR-glasögon som verktyg som studerades och inte deltagarnas personliga prestation. Genom att notera hur ofta assistans krävdes kan detta ge information om AR-glasögon kan användas utan handledare eller ej. Data som samlades gällande stöd vid upplärning med handledare kommer ej att användas eftersom det var problematiskt att mäta ef-
