Larger companies have adapted industry 4.0 and it’s benefits while SMEs still face significant barriers such as limited resources and knowledge gaps. By exploring AI implementation, this research aims to provide insight into the suitability and prerequisites for implementation of various AI solutions in automation on manufacturing SMEs, helping them overcome these challenges and remain competitive on the market.

To answer the questions a literature review was conducted followed by two case studies at manufacturing SMEs. The case studies involved semi-instructed interviews and observations at site. The information gained was used to analyse and acquire relevant conclusions.

The analysis highlights factors affecting AI implementation in manufacturing systems, such as data quality, economic resources, competence development, manager support etcetera are mentioned. Additionally, methods for AI implementation, including ML cloud computing, robotics and Decision support system are discussed. Furthermore, the case studies illustrate exemplify the challenges and aspirations of SMEs in adopting AI, showcasing their varying levels of readiness and approaches towards automation and IT integration.

The result show that the lack of competence is a major barrier for SMEs in AI implementation. Both companies recognize the need to digitalize to remain competitive in the market. It is also shown that AI implementation requires the right expertise and support from management to succeed. SMEs also need to start collecting relevant data since it is an identified prerequisite for implementation. This study implies to manufacturing SMEs and how they can implement AI, identifying their needs. It also implies to AI developers that want to create SME-specific tools and helps consultants provide SMEs with accurate advice.

The discussion highlights that SMEs are not yet ready for huge AI technology since they lack many of the previously mentioned prerequisites. They should however start with implementing other technology from industry 4.0 since they are highly needed to become more digitalized. The methodology is also discussed and talked about how a triangulation method was used and can help to strengthen the quality of this research.

Större företag har anpassat sig till Industri 4.0 och dess fördelar, medan små och medelstora företag (SME) fortfarande möter betydande hinder som begränsade resurser och kunskapsluckor. Genom att utforska AI-implementering syftar denna forskning till att ge insikt i lämpligheten och förutsättningarna för att implementera olika AI-lösningar inom automatisering för tillverkande SMEer, vilket hjälper dem att övervinna dessa utmaningar och förbli konkurrenskraftiga på marknaden.

För att besvara frågorna genomfördes en litteratur undersökning följt av två fallstudier vid tillverkande SMEer. Fallstudierna involverade semi-strukturerade intervjuer och observationer på plats. Informationen som erhölls användes för att analysera och dra relevanta slutsatser. Analysen belyser faktorer som påverkar AI-implementering i tillverkningssystem, såsom datakvalitet, ekonomiska resurser, kompetensutveckling, chefsstöd med mera. Dessutom diskuteras metoder för AI-implementering, inklusive maskininlärning, molntjänster, robotik och beslutsstödsystem. Vidare illustrerar fallstudierna de utmaningar och ambitioner som SMEer har vid antagandet av AI och visar deras varierande nivåer av beredskap och tillvägagångssätt för automatisering och IT-integration.

Resultaten visar att bristen på kompetens är ett stort hinder för SMEer vid AI-implementering. Båda företagen erkänner behovet av att digitalisera för att förbli konkurrenskraftiga på marknaden. Det framgår också att AI-implementering kräver rätt expertis och stöd från ledningen för att lyckas. SMEer måste även börja samla in relevant data eftersom detta är en identifierad förutsättning för implementering. Denna studie riktar sig till tillverkande SMEer och hur de kan implementera AI genom att identifiera deras behov. Den riktar sig även till AI-utvecklare som vill skapa verktyg specifika för SMEer och hjälper konsulter att ge SMEer korrekt rådgivning.

Diskussionen belyser att SMEer ännu inte är redo för storskalig AI-teknik eftersom de saknar många av de tidigare nämnda förutsättningarna. De bör dock börja med att implementera annan teknik från Industri 4.0 eftersom den är mycket nödvändig för att bli mer digitaliserade. I metodologin diskuteras också och hur en trianguleringsmetod användes, vilket bidrar till att stärka kvaliteten på denna forskning.