Smart tillverkning med SAP: mot den uppkopplade fabriken

Det största problemet inom tillverkningsindustrin är inte planeringen eller genomförandet, utan klyftan mellan dem. Den här artikeln förklarar hur smart tillverkning överbryggar denna klyfta och vilka förändringar som sker när den gör det.

”Smart tillverkning” lyfts ofta fram som en central del av digital transformation, men begreppet riskerar ibland att bli alltför brett. I praktiken handlar det om hur tillverkningsföretag integrerar teknik, data och affärsprocesser för att förbättra beslutsfattandet, öka den operativa effektiviteten och optimera produktionen.

Enligt en undersökning genomförd av Sapio Research och Rockwell Automation bland 1 350 tillverkare i 13 länder är utvecklingen redan långt framskriden. 97 % av de tillfrågade planerar att införa lösningar för smart tillverkning inom de närmaste ett till två åren, däribland robotteknik, automation, IoT-ansluten utrustning och lösningar för realtidsdata.

Den höga investeringstakten skapar dock inte automatiskt en tydlig strategi. I många organisationer används smart tillverkning som ett samlingsbegrepp för en rad olika digitala initiativ. Det är ofta här skillnaden mellan ambition och genomförande blir tydlig. Att investera i enskilda tekniker är förhållandevis enkelt. Att integrera dem i en sammanhängande, datadriven produktionsmiljö som skapar mätbart affärsvärde är betydligt mer komplext.

För att komma bortom hypen behöver vi därför tydliggöra vad smart tillverkning faktiskt innebär i praktiken – och hur konceptet hänger samman med den smarta fabriken.

Hur smart tillverkning och smart fabrik hänger ihop

Smart tillverkning är inte ett enskilt system eller en specifik teknisk lösning. Det är en verksamhetsmodell som bygger på integration och samordning, där produktion, planering, kvalitetsstyrning och underhåll kopplas samman genom gemensamma data och uppkopplade system.

Den smarta fabriken är den praktiska tillämpningen av denna modell. Här är fysiska tillgångar, produktionsutrustning och digitala system integrerade så att information kan flöda mellan maskiner, applikationer och team i nära realtid. Det skapar bättre förutsättningar för snabbare beslut, högre transparens och mer effektiv styrning av produktionen.

Hur smart tillverkning skiljer sig från traditionell automation

Skillnaden mellan smart tillverkning och traditionell automation ligger framför allt i graden av integration, hur data används och hur beslut fattas.

Kärnfunktioner inom smart tillverkning

När denna modell utvecklas skapas förmågor som går längre än stegvisa effektivitetsförbättringar. De är inte fristående funktioner, utan resultatet av en verksamhet där uppkopplade system och enhetliga data samverkar.

Från Industry 4.0 till det intelligenta företaget

Smart tillverkning är en central del av utvecklingen mot Industry 4.0, där uppkoppling, data och automation hanteras som delar av en sammanhängande verksamhetsmiljö i stället för som separata initiativ.

I praktiken samlas data kontinuerligt in från maskiner, produkter och leveranskedjor via IIoT. Molnplattformar möjliggör lagring och storskalig databehandling, medan AI används för att analysera data och identifiera det som kräver åtgärd. Genom integration kan produktionsnära system samverka med affärsapplikationer, vilket minskar silos mellan produktion och övriga verksamheten. Samtidigt gör digitala tvillingar och simuleringsverktyg det möjligt att testa scenarier och utvärdera beslut innan de genomförs i den fysiska verksamheten. Tillsammans utgör dessa tekniker grunden för smart tillverkning.

Det är också här konceptet det intelligenta företaget blir relevant. Industry 4.0 inom SAP fokuserar på transformation av tillverkningsverksamheten, medan det intelligenta företaget utvidgar samma principer till hela organisationen. Produktionen integreras i övergripande affärsprocesser i stället för att hanteras som en separat funktion. SAP stödjer detta genom att koppla samman produktionsnära processer med företagets övriga affärsprocesser.

Tillverkningsdata överförs till SAP S/4HANA för att stödja planering och styrning. Signaler från leveranskedjan, inklusive efterfrågeprognoser från SAP IBP och logistikdata från SAP Transportation Management, används för att anpassa produktionen i nära realtid. SAP BTP tillhandahåller den integrations- och dataplattform som möjliggör ett konsekvent datautbyte, avancerad dataanalys och systemutbyggnader utan att påverka kärnsystemet.

Detta speglar en viktig princip: tillverkningen blir inte ”smart” i isolation. Affärsvärdet uppstår när produktionen är integrerad och synkroniserad med resten av verksamheten.

Framtiden för Industry 4.0 med SAP: Strategiska perspektiv för 2026–2030

Utforska hur SAP formar framtidens Industry 4.0 med intelligenta tekniker som SAP S/4HANA, SAP Digital Manufacturing och SAP IBP.

Läs artikeln

Hur SAP möjliggör realtidsstyrning av produktionen

I många tillverkningsmiljöer sker styrningen fortfarande med viss fördröjning. Ett skift avslutas, data samlas in och rapporter tas fram – och först därefter blir det tydligt var tid eller produktionskapacitet har gått förlorad. Då är möjligheten att påverka utfallet ofta redan passerad.

SAP flyttar styrningen närmare själva produktionsprocessen. Data från maskiner, operatörer och produktionsorder samlas in och synkroniseras i realtid, så att både operatörer och arbetsledare arbetar utifrån en aktuell bild av produktionen.

Tänk dig att en produktionslinje börjar tappa tempo mitt under ett skift. Utrustningen är fortfarande i drift, men cykeltiderna ökar successivt. I en traditionell miljö skulle detta kanske inte upptäckas förrän i rapporteringen efter skiftets slut. Med SAP blir avvikelsen synlig direkt. Systemet kan identifiera var avmattningen uppstår – inte bara på linjenivå, utan i ett specifikt processteg. Det ger arbetsledaren möjlighet att agera innan förseningen påverkar produktionen i större omfattning.

Samma princip gäller kvalitet. Om processparametrar börjar avvika från fastställda gränsvärden kan SAP koppla avvikelsen till en specifik order, batch och tidpunkt. I stället för att stoppa hela linjen eller upptäcka felet först vid slutkontrollen kan teamet isolera den berörda produktionen och vidta korrigerande åtgärder medan övrig produktion fortsätter.

Operatörernas arbete är också integrerat i processen. De får uppgiftsspecifik vägledning kopplad till den aktuella produktionsordern, inklusive rätt processversion, parametrar och instruktioner för det aktuella arbetsmomentet. När förändringar sker kan de återspeglas direkt i utförandet, utan manuella uppdateringar eller extra samordning.

Koppla samman efterfrågan, planering, utförande och optimering

I många tillverkningsmiljöer är problemet inte bristande kapacitet inom planering, utförande eller analys. Den större utmaningen är att dessa funktioner inte är tillräckligt integrerade. De arbetar parallellt i stället för synkroniserat, vilket innebär att återkopplingen ofta når beslutsfattarna först när möjligheten att agera har passerat.

SAP är utformat för att överbrygga dessa gap. Lösningarna kopplar samman stegen i en kontinuerlig återkopplingsloop, där planeringen anpassas efter utfallet i produktionen, genomförandet speglar aktuell efterfrågan och optimeringen baseras på aktuella signaler i stället för fördröjd rapportering. Följande avsnitt visar steg för steg hur detta fungerar i en SAP-miljö.

Steg 1: Efterfrågeplanering

Processen börjar med efterfrågan, men inte som en statisk prognos. I SAP IBP uppdateras efterfrågebild och prognoser kontinuerligt när nya data blir tillgängliga, exempelvis inkommande order, förändringar i säljpipelinen och lagernivåer. Om efterfrågan ökar i en viss region kan systemet snabbt återspegla förändringen och föra signalen vidare i planeringsprocessen.

Det är avgörande eftersom varje efterföljande beslut bygger på hur aktuell efterfrågesignalen är. Om underlaget är inaktuellt riskerar hela kedjan att baseras på felaktiga antaganden.

Steg 2: Produktionsplanering

När efterfrågesignalen förs vidare till SAP S/4HANA för produktionsplanering utvärderas den mot faktiska begränsningar, exempelvis kapacitet, materialtillgänglighet och tidsplanering. Om komponenter saknas behöver planen justeras: order kan omprioriteras, produktionsscheman uppdateras eller produktion flyttas.

I detta skede är planen genomförbar, men den bygger fortfarande på antaganden om hur produktionen faktiskt kommer att utvecklas.

Steg 3: Utförande

När produktionen startar prövas planens antaganden mot verkliga förhållanden. SAP-miljöer ger kontinuerlig insyn genom SAP Digital Manufacturing (DM) och SAP Manufacturing Execution (ME), som kopplar samman produktionsutförandet med SAP S/4HANA.

Systemen samlar in realtidsdata direkt från produktionen, exempelvis cykeltider, orderstatus, utrustningsbeteende och driftstopp. Om en produktionslinje tappar tempo kan SAP DM identifiera avvikelsen genom att jämföra faktiskt utfall med planerade värden och koppla den till en specifik operation, arbetsstation och produktionsorder. Arbetsledare kan därmed snabbt se både var problemet uppstår och vad det är kopplat till.

Det är här processen tydligt börjar skilja sig från mer traditionella arbetssätt.

Steg 4: Prestationsanalys

När en avvikelse har identifierats är nästa steg att förstå varför den uppstår. I SAP kan detta hanteras med analysfunktioner i SAP S/4HANA, SAP Analytics Cloud (SAC) och SAP Datasphere för mer komplexa datamiljöer. Produktionsdata från SAP DM kan kombineras med planerings- och efterfrågedata för en samlad analys.

En avvikelse från en planerad cykeltid på 60 sekunder kan exempelvis analyseras i SAC utifrån arbetsstation, produktvariant eller skift. Eftersom data redan är integrerade kan analysen påbörjas utan omfattande manuell databehandling. Det gör det lättare att skilja mellan kapacitetsproblem, produktrelaterade förseningar och situationsberoende orsaker.

Med SAP Datasphere kan analysen dessutom utvidgas utanför själva produktionen. Prestationsproblem kan exempelvis kopplas till faktorer uppströms i värdekedjan, såsom leverantörsprecision eller materialkvalitet. Analysen går därmed från att beskriva vad som har hänt till att förklara varför det har hänt.

Steg 5: Kontinuerlig optimering

Här sluts återkopplingsloopen, och processen slutar fungera som en linjär kedja. Utfallet från produktionen förs tillbaka till planeringen och används för att förbättra kommande beslut. Om en maskin konsekvent presterar under planerad kapacitet kan framtida planer anpassas efter den faktiska kapaciteten. Om förseningar återkommande orsakas av materialbrist kan inköpsparametrar justeras. Om vissa produktvarianter påverkar flödet negativt kan sekvenseringsregler uppdateras.

Vad som håller återkopplingsloopen intakt

Även den mest välgrundade planen tappar värde om produktionen inte kan köras stabilt. Här spelar prediktivt och autonomt underhåll en central roll för att hålla återkopplingsloopen intakt. Utan det förblir både planering och utförande sårbara för samma typer av störningar: utrustningsfel och kvalitetsavvikelser.

SAP integrerar underhåll i denna återkopplingsloop genom att använda data inte bara för att reagera på problem, utan också för att förutse dem och anpassa verksamheten. Prediktivt underhåll är ett tydligt exempel. Med SAP Asset Performance Management (APM) analyseras utrustningsdata – exempelvis vibrationer, temperatur och belastning – kontinuerligt för att identifiera tidiga tecken på slitage. Underhåll kan därefter initieras utifrån utrustningens faktiska tillstånd.

Källa: Deloitte

Kvalitetskontrollen följer samma princip. Med AI-baserad inspektion i SAP DM och maskininlärning via SAP BTP flyttas kvalitetskontrollen närmare själva produktionsprocessen. Visuell inspektion och processanalys gör det möjligt att upptäcka fel och avvikelser när de uppstår. Det minskar kassation och omarbete, men framför allt minskar risken för att defekta produkter går vidare i produktionskedjan, där kostnaden för korrigering ofta är betydligt högre.

Grunden för detta är avvikelsedetektering. Med hjälp av maskininlärningsmodeller på SAP BTP analyseras produktionsmönster kontinuerligt. Systemet kan identifiera avvikelser från normalt beteende redan innan de leder till utrustningsfel eller kvalitetsproblem.

En gradvis ökning av variationen i cykeltid eller energiförbrukning kan exempelvis vara ett tidigt tecken på ett problem. Genom att identifiera sådana avvikelser tidigt kan teamen agera innan försämringen påverkar produktionens resultat.

Ett sammanhållet system för flera anläggningar

I distribuerade produktionsmiljöer gör skillnader i system, datamodeller och rapporteringsmetoder det svårt att jämföra prestanda mellan anläggningar. Frågor om underprestation, tillgänglig kapacitet eller balansering av produktionen kräver därför ofta manuell avstämning. SAP hanterar detta genom ett mer enhetligt arbetssätt.

Data struktureras först i en gemensam modell. SAP S/4HANA, tillsammans med SAP Datasphere som dataplattform, bidrar till att order, processer, material och prestandamått kan hanteras konsekvent mellan olika anläggningar. Även om det lokala utförandet skiljer sig åt blir data harmoniserade och jämförbara. Det ger teamen en samlad överblick över produktionsnätverket.

Samtidigt definieras nyckeltal (KPI) på ett enhetligt sätt. Mått som OEE, genomströmning, kassationsgrad och cykeltid beräknas enligt gemensamma principer. Skillnader i prestanda speglar därmed faktiska operativa skillnader snarare än variationer i hur resultaten mäts.

Styrningen kan hanteras centralt samtidigt som det lokala utförandet förblir flexibelt. Gemensamma standarder definierar hur data, planering och nyckeltal ska hanteras, medan respektive anläggning kan anpassa utförandet efter lokala förutsättningar. Det skapar enhetlighet utan att kräva identiska processer överallt.

Vad tillverkningsföretag faktiskt uppnår: resultat baserade på data

Enligt Deloittes undersökning bland 600 ledande befattningshavare inom tillverkningsindustrin har utvecklingen från traditionell automation till smart tillverkning nått en fas där effekterna kan mätas i centrala operativa nyckeltal.

Produktion, kapacitet och produktivitet

De tydligaste förbättringarna syns i centrala produktionsmått. Tillverkarna rapporterar:

• 10–20 % högre produktion
• 10–15 % mer frigjord kapacitet
• 7–20 % högre produktivitet bland medarbetarna

Förbättringarna drivs bland annat av bättre samordning mellan planering, utförande och analys. När produktionen anpassas efter faktiska begränsningar och kontinuerligt justeras kan företag få ut mer av befintliga tillgångar och resurser utan motsvarande kostnadsökningar.

Operativa och finansiella effekter

De operativa förbättringarna tenderar att bli synliga innan de finansiella effekterna realiseras.

• 49 % av tillverkarna anger operativa förbättringar som det viktigaste resultatet
• 44 % anger finansiella effekter som nästa prioritet

Det speglar hur värdet ofta byggs upp: först genom förbättrad effektivitet, genomströmning och stabilitet och därefter genom lägre kostnader och förbättrade marginaler.

Flexibilitet och reaktionsförmåga

Ett mindre uppenbart men strategiskt viktigt resultat är ökad flexibilitet. 85 % av de tillfrågade företagsledarna förväntar sig att lösningar för smart tillverkning ska förbättra flexibiliteten och förändra produktionsprocesserna. Det märks bland annat i förmågan att:

• Anpassa produktionen snabbare till förändrad efterfrågan.
• Reagera snabbare på störningar.
• Omfördela resurser inom produktionsnätverket.

I en mer volatil marknad kan denna anpassningsförmåga bli en viktig konkurrensfördel.

Områden där företagen fortfarande behöver utvecklas

Trots mätbara framsteg visar Deloittes undersökning att mognaden inom smart tillverkning fortfarande varierar. De största utmaningarna finns i de områden som krävs för att skala upp initiativen och skapa varaktiga resultat.

Den tydligaste utmaningen gäller kompetens och organisation

Även om nästan hälften av tillverkarna uppger att de har någon form av utbildnings- eller implementeringsstandarder på plats är organisationens beredskap fortfarande ett av de minst mogna områdena. Utmaningen handlar inte bara om rekrytering, utan också om att utveckla befintliga team för arbete i en mer datadriven produktionsmiljö.

Behovet är tydligt:

• 48 % av tillverkarna uppger måttliga till allvarliga svårigheter att tillsätta roller inom produktion och drift.
• 46 % uppger motsvarande utmaningar inom planering och schemaläggning.
• 35 % anger anpassningen av medarbetarna till framtidens fabrik som en av de största utmaningarna.

Samtidigt fortsätter efterfrågan på kvalificerad arbetskraft att öka. Deloitte uppskattar att tillverkningsindustrin kan behöva upp till 3,8 miljoner nya medarbetare fram till 2033. Det skapar en strukturell begränsning: även när tekniken finns på plats är det inte säkert att organisationen har rätt kompetens för att använda den fullt ut.

Därför investerar företagen både i rekrytering och kompetensutveckling:

• 68 % uppger att de rekryterar nya medarbetare
• 53 % använder interna ledarskaps- och utbildningsprogram
• 43 % använder extern eller leverantörsledd utbildning

Många tillverkare hanterar dessutom kompetensbrist genom att lägga ut vissa kritiska funktioner på externa partners, särskilt inom IT, data och cybersäkerhet.

Den andra stora utmaningen gäller underhållsmognad

Även om prediktivt underhåll ofta lyfts fram som en viktig del av smart tillverkning visar Deloittes data att många organisationer fortfarande befinner sig i ett tidigt skede av denna utveckling. Underhåll ligger efter områden som kvalitet och drift, vilket innebär att en betydande del av tillgångshanteringen fortfarande är reaktiv eller kalenderbaserad.

Det skapar ett tydligt gap: produktionen blir allt mer datadriven, medan tillgångarnas tillförlitlighet inte utvecklas i samma takt. Driftstopp och variationer i prestanda fortsätter därför att begränsa den fulla potentialen i smart tillverkning.

Det förklarar också varför underhåll fortsatt är ett prioriterat investeringsområde – inte bara när det gäller nya verktyg, utan även integration av tillgångsdata i den övergripande operativa återkopplingsloopen.

Den tredje utmaningen gäller materialhantering

Trots framsteg inom produktion och planering har många företag fortfarande svårt att synkronisera materialflöden med de faktiska produktionsbehoven. Försenade leveranser, ojämn materialtillgång och begränsad realtidsinsyn i materialstatus fortsätter att påverka produktionen.

Det blir särskilt viktigt i en mer volatil omvärld. Utan tät integration mellan leveranskedja och produktion förblir även väloptimerade tillverkningsprocesser sårbara för externa störningar.

Utmaningar inom digital transformation 2026–2030

Så bygger ni en integrerad, utbyggbar och datadriven verksamhet med SAP

Läs mer

Strategisk färdplan för att utveckla en smart fabrik

Att utveckla en smart fabrik med SAP är en strukturerad process. De företag som lyckas bäst arbetar stegvis och samordnar teknisk mognad, investeringar och genomförande.

Fas 1: Fastställa nuläget

Det första steget är att kartlägga organisationens utgångsläge. Mognaden bedöms inom produktion, system och data, ofta på en skala från 0 till 5. Benchmarking kan användas för att jämföra nuläget med andra företag i samma bransch.

Styrning och cybersäkerhet behöver definieras tidigt. Styrningen tydliggör ansvar, beslutsmandat och standarder, medan cybersäkerheten fokuserar på risker som uppstår när fler system, maskiner och datakällor kopplas samman.

Utan en tydlig nulägesbild riskerar ytterligare investeringar att förstärka befintliga skalbarhetsproblem i stället för att lösa dem.

Fas 2: Definiera målläget och investeringsprioriteringarna

När nuläget är kartlagt kan organisationen definiera önskat målläge. Gapet mellan dagens förutsättningar och framtida mål omsätts i en flerårig färdplan med tydliga delmål.

Här fastställs investeringsprioriteringarna. Kärnplattformar, dataarkitektur och integration prioriteras, budgetar fördelas och organisationens kompetens och beredskap planeras in.

Målet är att samordna initiativen så att de utvecklas som delar av ett sammanhängande transformationsprogram.

Fas 3: Pilotprojekt, validering och skalning

Genomförandet inleds ofta med avgränsade pilotprojekt. Organisationen väljer specifika användningsfall där effekten kan mätas, exempelvis återkommande flaskhalsar eller processer med ojämn prestanda.

Den första implementeringen omfattar centrala system, initial datainsamling samt uppföljning via dashboards och nyckeltal. Utbildning och förändringsledning genomförs parallellt för att stödja införandet.

Det viktigaste resultatet från denna fas är återkopplingen. Pilotprojekten visar var arbetssättet fungerar och var det behöver justeras. Erfarenheterna dokumenteras och används för att vidareutveckla planen inför en bredare utrullning.

LeverX erfarenhet av SAP-program för smart tillverkning

Program för smart tillverkning bygger på samordning mellan planering, utförande och data, snarare än på isolerade förbättringar i enskilda system. LeverX stödjer detta genom att koppla samman centrala SAP-plattformar, produktionsnära system och datamiljöer i en sammanhängande operativ modell.

Modernisering av produktionen med SAP S/4HANA

SAP S/4HANA fungerar ofta som det centrala systemet för planering och styrning. Fokus ligger på att förbättra logiken i produktionsplaneringen, strukturera stamdata och anpassa kapacitet, material och ledtider till faktisk produktionsprestanda. Målet är att skapa produktionsplaner som är realistiska och genomförbara.

Implementering av SAP Digital Manufacturing

Implementering av SAP DM fokuserar på att koppla samman produktionsorder med det operativa utförandet och registrera produktionsdata i realtid. Det omfattar bland annat produktionsövervakning, digitala arbetsinstruktioner och spårbarhet på operativ nivå. Resultatet är ett mer transparent och mätbart produktionsutförande inom samma systemlandskap som används för planeringen.

Integration mellan MES och ERP

Många tillverkningsmiljöer använder både MES- och ERP-system som bara är delvis integrerade. Integrationsinitiativ fokuserar därför på datasynkronisering och processharmonisering mellan systemen. Produktionsorder, bekräftelser och prestandadata struktureras och utbyts i ett enhetligt format, så att utfallet från produktionen kan återföras till planeringen utan onödiga fördröjningar.

Utformning av IoT-arkitektur

IoT-arkitekturen definierar hur data från utrustning och sensorer samlas in, bearbetas och används i SAP-miljön. Det omfattar dataflöden från maskiner till tillgångshantering, produktionsutförande och analysplattformar. En genomtänkt arkitektur gör det möjligt att använda data för exempelvis tillståndsövervakning, prediktivt underhåll och prestationsanalys.

Globala implementeringsprogram

Att skala smart tillverkning över flera anläggningar kräver gemensamma datamodeller, KPI-definitioner och styrningsprinciper. Globala implementeringsprogram etablerar dessa standarder på företagsnivå samtidigt som utrymme finns för lokala operativa förutsättningar. Det skapar bättre jämförbarhet mellan anläggningar och stödjer samordnad planering och beslutsfattande på nätverksnivå.