Life Cycle Cost models in manufacturing: a literature review and gap analysis

In today’s industrial landscape, particularly within the manufacturing sector, rising competitive pressure is driving companies to maximize the value generated by their assets and production systems. This shift has led organizations to consider the full implications of their decisions. From an economic perspective, models that evaluate cost implications along the full life cycle of the asset have taken on an increasingly prominent role, becoming key support tools for asset-related decision-making. In this context, the present work aims to characterize the state of the art of life cycle cost evaluation models, specifically Life Cycle Cost (LCC) and Total Cost of Ownership (TCO), as applied to the manufacturing industry. The research was conducted through a Systematic Literature Review (SLR) consisting of a search phase and an analysis phase. The search phase involved identifying and screening articles based on criteria aligned with the review’s objective, resulting in 26 eligible contributions. Subsequently, the models presented in the eligible contributions were analyzed across six dimensions: publication trends over time, supported decisions, data requirements and sources, uncertainty management, treatment of parameter non-stationarity and generated indicators. The review provides results of the analysis conducted and discusses them, giving insights on the current utilization of Life Cycle Cost Assessment tools while identifying critical gaps in existing literature and promising directions for future development. One of the primary gaps identified relates to the limited application of these tools in supporting strategic decisions regarding asset utilization and maintenance. Moreover, several structural issues emerge, most notably the prevalence of deterministic approaches over stochastic models, with the latter being more suitable for managing the inherent uncertainty in cost estimations. Another criticality is the limited integration of parameter non-stationarity, which prevents models from evolving or updating their data over time. Finally, there is a limited tendency to generate operational indicators integrated with economic ones, a factor that ultimately weakens the fundamental link between an asset's technical parameters, its performance, and the resulting costs. The research also identifies two promising development paths. First, integrating models with simulations appears to be the most effective approach for maintaining transparency between asset parameters, performance, and costs, thereby supporting more robust decision-making. Second, implementing closed-loop parameter updates ensures that the model remains aligned with real-world conditions, thereby enhancing the precision of cost assessments or reassessments during the asset's operational phase. Finally, the paper concludes by addressing the limitations of the current research and suggesting potential directions for future research.

Nel panorama industriale odierno, in particolare nel settore manifatturiero, la crescente pressione competitiva spinge le aziende a massimizzare il valore generato dai propri asset e sistemi di produzione. Questo cambiamento ha portato le organizzazioni a considerare con maggiore attenzione tutte le implicazioni legate alle proprie decisioni. Dal punto di vista economico, i modelli che ne valutano l'impatto sui costi lungo l'intero ciclo di vita dell'asset hanno assunto un ruolo sempre più rilevante, diventando strumenti chiave di supporto per i processi decisionali. In questo contesto, il presente lavoro mira a caratterizzare lo stato dell'arte dei modelli di valutazione dei costi del ciclo di vita, specificamente il Life Cycle Cost (LCC) e il Total Cost of Ownership (TCO), applicati all'industria manifatturiera. La ricerca è stata condotta attraverso una Revisione Sistematica della Letteratura (SLR), articolata in una fase di selezione e una di analisi. La fase di selezione ha riguardato l'individuazione e la scrematura degli articoli sulla base di criteri coerenti con l'obiettivo dello studio, portando alla selezione di 26 contributi idonei. Successivamente, i modelli presentati in tali contributi sono stati analizzati secondo sei dimensioni: andamento delle pubblicazione nel tempo, decisioni supportate, dati utilizzati e rispettive fonti, gestione dell’incertezza, trattamento della non-stazionarietà dei parametri e indicatori generati. La ricerca presenta e discute i risultati delle analisi condotte, offrendo spunti sull'attuale utilizzo degli strumenti di valutazione dei costi sul ciclo vita e identificando, al contempo, lacune critiche nella letteratura e direzioni promettenti per sviluppi futuri. Uno dei principali gap identificati riguarda il limitato impiego di questi strumenti a supporto delle decisioni sulle politiche di utilizzo e manutenzione dell’asset. A questa carenza si aggiungono diverse criticità di natura strutturale, a partire dalla prevalenza di approcci deterministici a scapito di modelli stocastici, i quali risultano invece più idonei a gestire l’incertezza intrinseca nelle stime di costo. Un ulteriore limite significativo è rappresentato dalla mancata integrazione della non-stazionarietà dei parametri, che impedisce ai modelli di far evolvere o aggiornare i propri dati nel corso del tempo. Infine, si riscontra una scarsa tendenza a produrre indicatori operativi integrati a quelli economici, un fattore che finisce per indebolire la connessione fondamentale tra i parametri tecnici dell'asset, le sue performance e i relativi costi sostenuti. La ricerca identifica inoltre due promettenti percorsi di sviluppo. In primo luogo, l'integrazione dei modelli con le simulazioni appare l'approccio più efficace per mantenere la trasparenza tra parametri dell'asset, prestazioni e costi, supportando così processi decisionali più robusti. In secondo luogo, il periodico aggiornamento dei parametri garantisce che il modello rimanga allineato alle condizioni reali dell’asset, migliorando la precisione delle valutazioni (o rivalutazioni) dei costi durante la fase d’uso dell'asset. Infine, l'articolo si conclude affrontando i limiti della ricerca attuale e suggerendo potenziali direzioni di sviluppo per studi futuri.