Integrated decision-support framework for manufacturing and supply chain configuration in aftermarket spare parts management

Managing aftermarket spare parts requires companies to balance operational responsiveness, production efficiency, and distribution complexity across the supply chain. This challenge has become increasingly relevant with the adoption of Additive Manufacturing (AM) as an alternative to Conventional Manufacturing (CM), since AM enables shorter lead times and greater production flexibility while often presenting higher production costs. Consequently, companies require decision-support tools capable of jointly evaluating manufacturing and supply chain decisions. This thesis investigates spare parts management through an integrated analysis of manufacturing technology selection and supply chain configuration decisions, comparing AM and CM from the perspectives of cost efficiency, lead-time responsiveness, and distribution strategy evaluation. Existing studies frequently address manufacturing and distribution decisions separately and often rely on optimization models requiring highly structured datasets that are rarely available in industrial environments. To address these limitations, a case study was conducted within a multinational company operating in the aftermarket sector. Historical production and operational data were collected and analyzed to evaluate alternative manufacturing technologies and supply chain configurations. Based on this analysis, a decision-support framework was developed to assess production and distribution alternatives under different cost and lead-time priorities. The framework integrates operational data, industrial constraints, practitioner expertise, and insights from the literature, enabling the evaluation of centralized and decentralized supply chain configurations under multiple decision scenarios. The results show that the preferred solution depends on the relative importance assigned to cost, responsiveness, and operational flexibility, confirming the importance of jointly evaluating manufacturing and supply chain decisions. Overall, the proposed framework provides a practical methodology for supporting decision-making in industrial environments characterized by operational complexity and limited data availability.

La gestione dei ricambi aftermarket richiede alle aziende di bilanciare reattività operativa, efficienza produttiva e complessità distributiva lungo la supply chain. Questa sfida è diventata sempre più rilevante con l’adozione dell’Additive Manufacturing (AM) come alternativa al Conventional Manufacturing (CM), poiché l’AM consente tempi di produzione più brevi e maggiore flessibilità produttiva, pur presentando spesso costi più elevati. Di conseguenza, le aziende necessitano di strumenti di supporto alle decisioni in grado di valutare congiuntamente scelte produttive e distributive. Questa tesi analizza la gestione dei ricambi attraverso un approccio integrato che considera la selezione della tecnologia produttiva e la configurazione della supply chain, confrontando AM e CM in termini di costo, lead time e strategie distributive. La letteratura esistente affronta frequentemente queste decisioni in modo separato e si basa spesso su modelli di ottimizzazione che richiedono dataset altamente strutturati, raramente disponibili nei contesti industriali. Per superare tali limitazioni, è stato sviluppato un caso studio presso una multinazionale operante nel settore aftermarket. Dati storici e dati operativi sono stati raccolti e analizzati per valutare tecnologie produttive e configurazioni distributive alternative. Sulla base di tale analisi è stato sviluppato un framework di supporto alle decisioni in grado di valutare alternative produttive e distributive in funzione di diverse priorità di costo e lead time. Il framework integra dati operativi, vincoli industriali, competenze aziendali ed evidenze provenienti dalla letteratura, consentendo la valutazione di configurazioni della supply chain centralizzate e decentralizzate. I risultati mostrano che la soluzione preferibile dipende dall’importanza attribuita al costo, alla reattività e alla flessibilità operativa, confermando la necessità di valutare congiuntamente le decisioni produttive e distributive. Nel complesso, il framework proposto rappresenta una metodologia pratica a supporto dei processi decisionali in contesti industriali caratterizzati da elevata complessità operativa e limitata disponibilità di dati.