Decision Support System for Sustainable Production of Spare Parts with Additive Manufacturing

Abstract

Additiv produksjon (AM) har åpnet for nye muligheter i reservedelssektoren, hvor konvensjonell produksjon (CM) har begrensninger. Med evner til å produsere ved etterspørsel, verktøy løs produksjon og designfrihet, har AM forbedret forsyningskjeden (SC) til en mer fleksibel og effektiv form. Fysiske reservedeler omdannes til digitale 3D-filer, og endrer store varehus til digitale databaser. Dette påvirker bærekraften betydelig, spesielt miljøbelastningen per produsert reservedel, som er høyt prioritert på grunn av de velkjente utfordringene klimaendringene har skapt. Litteraturen tilbyr et bredt utvalg av studier som ser på de ulike konsekvensene en endring fra CM til AM har, eller sammenligner begge basert på miljøpåvirkningene. Flere av disse studiene tyder på at AM er et fullverdig valg for å erstatte CM på grunn av redusert miljøpåvirkning og økonomiske fordeler. Litteraturen inneholder også flere artikler som sammenligner ulike AM-metoder, men ved en SC-designsammenligning av sentral og desentralisert produksjon, også kalt «på området» (on-site) og «utenfor området» (off-site), er veldig begrenset. Ingen studier tilbyr beslutningsstøtte til ledere eller utøvere når de skal velge det optimale SC-designet for bærekraftig AM av reservedeler. Når man ser på bærekraftige SC-designalternativer for reservedel produksjon, har flere artikler undersøkt dette med varierende resultater. Ved analysene av SC-designalternativene finnes det likheter i parameterne som er inkludert. Produksjon og transport er ofte brukt i slike analyser. Energimiksen nevnes flere ganger som en parameter med en betydelig innvirkning i slike analyser, men tas sjelden med i beregninger og sammenligninger. I løpet av denne avhandlingen er det utviklet en matematisk modell for å beregne totale karbonutslipp on-site og off-site, deretter blir de sammenlignet. Deretter vil det bli utført en parametrisk analyse hvor resultatet mates inn i en beslutnings tre algoritme for å produsere et beslutningsstøttesystem (DSS) for å hjelpe ledere og brukere ved valg av SC-design. Resultatene viser at energimiks er hovedparameteren for å påvirke et SC-designvalg.

Additive manufacturing (AM) has opened new possibilities in the spare part sector, where conventional manufacturing (CM) has limitations. With on-demand abilities, toolless production and design freedom, AM has improved the supply chain (SC) to a more flexible and efficient form. Physical spare parts are transformed into digital 3D files, changing large warehouses into digital databases. This significantly impacts sustainability, especially the environmental impact per produced spare part, which is a high priority due to the well-known challenges created by climate change. The literature offers a wide selection of studies on the different impacts of a change from CM to AM or comparing both based on the environmental impacts. Several of these studies suggest that AM is a viable choice to replace CM due to reduced environmental impact and economic benefits. The literature also provides several papers comparing different AM methods, but in an SC design comparison of central and decentral production, also called on-site and off-site, is limited. No studies offer decision support to managers or practitioners when choosing the optimal SC design for sustainable AM of spare parts. When looking at sustainable SC design options for spare parts, several papers have investigated this with varying results. Similarities in the parameters used are production and transportation. The energy mix is mentioned several times as a parameter with a significant impact but is rarely included in calculations and comparisons. During this thesis, a mathematical model is developed to calculate on-site and off-site total carbon emissions and compare these. Then a parametric analysis will be performed where the result is fed into a decision tree algorithm to produce a decision support system (DSS) to assist managers and practitioners when choosing SC design. The results show that energy mix is the main parameter to impact the SC design choice.