Detta examensarbete var en studie som behandlade möjligheterna att införa tillståndsbaserat underhåll i en befintlig tillverkningsmiljö. Studien genomfördes i samarbete med Quant Service och Hitachi Energy och baserades på en fallstudie av en blästerrobot i Hitachis produktion. Bakgrunden till arbetet var behovet av att effektivisera underhållsarbetet och minska oplanerade driftstopp i takt med ökade krav på driftsäkerhet och produktivitet.

Arbetet inleddes med en kartläggning av historiska arbetsordrar, där en kodmall togs fram för att möjliggöra kategorisering av återkommande feltyper. Därefter analyserades data med fokus på kostnad, tidsåtgång och förekomst, vilket resulterade i en uppdelning i 23 felkategorier. Särskild uppmärksamhet riktades mot fel relaterade till 4 Kategorier av fel som stack ut i analysen.

Utifrån analysen föreslogs flera förbättringsåtgärder, bland annat införande av vibrationsövervakning, loggning av driftstimmar samt en förbättrad struktur för arbetsorderhantering. Dessa åtgärder syftade till att möjliggöra en övergång till mer datadrivet och tillståndsbaserat underhåll. Arbetet belyste även organisatoriska och tekniska hinder som vid tiden för studien begränsade en bredare implementering.

Slutsatsen var att tillståndsbaserat underhåll hade potential att öka både tillgänglighet och kostnadseffektivitet, men att viktiga grundförutsättningar först behövde stärkas innan en fullskalig utrullning kunde genomföras. De verktyg och metoder som togs fram i studien bedömdes dock kunna fungera som stöd vid framtida implementeringar och fortsatt utveckling inom fabriken.

This bachelor's thesis was a study that explored the potential for implementing condition-based maintenance in an existing manufacturing environment. The study was conducted in collaboration with Quant Service and Hitachi Energy and was based on a case study of a blasting robot in Hitachi’s production. The background to the project was the need to improve maintenance efficiency and reduce unplanned downtime in response to increasing demands on reliability and productivity.

The work began with a mapping of historical work orders, where a coding template was developed to enable categorization of recurring fault types. The data was then analyzed with a focus on cost, time, and frequency, which resulted in the identification of 23 fault categories. Special attention was given to four categories that clearly stood out in the analysis.

Based on the results, several improvement measures were proposed, including the introduction of vibration monitoring, logging of operating hours, and an improved structure for work order documentation. These measures aimed to support a transition toward more data-driven and condition-based maintenance. The study also highlighted organizational and technical barriers that, at the time, limited broader implementation.

The conclusion was that condition-based maintenance had the potential to improve both availability and cost efficiency, but that important foundational conditions needed to be strengthened before a full-scale rollout could take place. However, the tools and methods developed in the study were considered useful to support future implementations and continued development within the factory.