Business Model Innovation for Additive Manufacturing
Notice bibliographique
Résumé
Metal additive manufacturing is a rapidly emerging technology, with a growing number of companies interested in its implementation. The technology can have several positive effects, such as more efficient production, reduced transports, more focus on circular economy and reduced costs. However, the manufacturing process is still relatively slow, where components require extensive post-processing and new knowledge in the companies involved. For a broad implementation, support functions need to be developed for, amongst others, selection processes, order handling, design, and post-processing. To investigate possible uses for additive manufacturing, a case study was conducted at Alfa Laval. Their current conditions were mapped so that a new business model, specially designed for additive manufacturing, could be developed. Through interviews, future opportunities for the technology were identified, as well as problems related to these. Each possibility was examined related to how the company’s external and internal processes would be affected and changes that could occur in the value chain. The business model blocks that would need to be innovated to support this development, while simultaneously contributing to UN's sustainable development goals, were discussed. Furthermore, these scenarios were evaluated on the basis of viability, feasibility, and desirability. The report indicates that Alfa Laval should implement additive manufacturing for new products via R&D and for certain spare parts, and in line with this change, adjust their value creating processes, value proposition, and value capture. The two applications utilize different advantages of the technology, and which is best suited for Alfa Laval, and other manufacturing actors, needs to be evaluated during a longer test period within the business.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,074 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».