Cost estimation and product value optimization during conceptual design of gas turbine

Traditional and consolidated design process mainly focuses on achieving technical performances and requirements, keeping attention on quality, cost reduction, and safety. For these reasons, several design tools have been developed to assist designers in this activity. Nowadays, the development of a new product cannot leave aside value assessment and product cost management. Value becomes more and more important and represents a key and successful market factor. Therefore, the need for design tools to support the designers in considering both performance indicators (including cost) and value aspects in the design process arises. The research goal of this work is the definition of a systematic approach, based on parametric cost modelling and value analysis, for the optimization of design solutions during the early design stage of a gas turbine. The proposed approach enables design engineers to model components to achieve target cost, leveraging conceptual cost modelling and Value Analysis Value Engineering (VAVE) approach. Conceptual cost modelling allows to predict the overall cost of the module/product under analysis, and several methodologies have been compared and tested (regressions, artificial neural network, random forest, etc.) On the other hand, VAVE is used to generate disruptive ideas whenever the target cost is not matched by cost estimated through cost modelling. Two case studies are provided to address the advantages and limitations of the developed methodology. The first one deals with gas turbine blades, which have been analyzed from a parametric cost modelling point of view and partially redesigned, leveraging the methodology proposed, to achieve a cost reduction of 25% and increasing product value up to 33%. The second one focuses in particular on axial compressor’s discs and spacers and has been used to perform a comparison among different cost modelling methodologies, describing advantages and drawbacks of regression, neural network, deep learning and random forest, demonstrating the potential of machine learning techniques and their improved reliability. This research work is a step toward the development of methodology helpful to anticipate the cost of products since the early design stages, reaching an acceptable accuracy level. The target foreseen is a strong increase in product value since the conceptual design stage and a reduction of iterations and changes in design in the following design stages. Next steps and future development have been identified and described with a proposed software platform able to manage both conceptual costing and VAVE analysis, for which system architecture, needed modules, use scenarios and requirements have been defined.

Il processo di progettazione tradizionale e consolidato si focalizza principalmente sul raggiungimento delle prestazioni e dei requisiti tecnici, pur mantenendo l'attenzione su qualità, riduzione dei costi e sicurezza. Per questi motivi sono stati sviluppati diversi strumenti di progettazione per assistere il progettista in questa attività. Al giorno d'oggi, lo sviluppo di nuovi prodotti non può prescindere dalla valutazione del valore e dalla gestione dei costi del prodotto. Il valore diventa sempre più importante e rappresenta un fattore chiave e di successo del mercato. Da questa considerazione deriva la necessità di strumenti di progettazione per supportare i progettisti nel considerare sia gli indicatori di prestazione (incluso il costo) sia gli aspetti di valore nel processo di progettazione. L'obiettivo della ricerca è la definizione di un approccio sistematico, basato sulla modellazione parametrica dei costi e sull'analisi del valore, per l'ottimizzazione delle soluzioni progettuali durante la fase iniziale di progettazione della turbina a gas. L'approccio proposto consente ai progettisti di modellare componenti per il raggiungimento del costo target, sfruttando la modellazione dei costi sin dalla fase concettuale e l'approccio Value Analysis Value Engineering (VAVE). La modellazione dei costi in fase concettuale consente di prevedere il costo complessivo del modulo / prodotto in analisi e sono state confrontate e testate diverse metodologie (regressioni, rete neurale artificiale, foresta casuale, ecc.) D'altra parte, la metodologia VAVE viene utilizzata per generare idee innovative ogni volta che il costo stimato attraverso le tecniche di stima di costo è molto distante dal costo target. Vengono forniti due casi di studio per affrontare i vantaggi e i limiti della metodologia sviluppata. Il primo riguarda le pale delle turbine a gas, che sono state analizzate dal punto di vista della modellazione parametrica dei costi e parzialmente ridisegnate, facendo leva sulla metodologia proposta, per ottenere una riduzione dei costi del 25% e aumentare il valore del prodotto fino al 33%. Il secondo si concentra in particolare sui dischi e sui distanziatori del compressore assiale, ed è stato utilizzato per eseguire un confronto tra diverse metodologie di modellazione dei costi, descrivendo vantaggi e svantaggi di regressione, rete neurale, deep learning e random forest, dimostrando il potenziale delle tecniche di machine learning e la loro migliore affidabilità. Questo lavoro di ricerca segna un passo in avanti verso lo sviluppo di una metodologia utile per anticipare la stima di costo dei prodotti alle prime fasi di progettazione, garantendo il raggiungimento di un livello di accuratezza accettabile. L'obiettivo previsto è un forte aumento del valore del prodotto dalla fase di progettazione concettuale e una riduzione del numero di iterazioni e delle variazioni di design nelle fasi di progettazione successive. I passi successivi e gli sviluppi futuri sono stati identificati e descritti con una proposta di piattaforma software in grado di gestire sia il costo concettuale che l'analisi VAVE, per la quale sono stati definiti l'architettura del sistema, i moduli necessari, gli scenari di utilizzo e i requisiti.