Titre provenant de l'écran-titre

Ecole(s) Doctorale(s) : École doctorale en Informatique et Mathématiques de Lyon

Partenaire(s) de recherche : DISP - Décision et Information pour les Systèmes de Production (Lyon, INSA) (Equipe de recherche), Université Lumière (Lyon) (établissement opérateur d'inscription)

Autre(s) contribution(s) : Hervé Panetto (Président du jury) ; Nada Matta (Membre(s) du jury) ; Ricardo Jardim-Gonçalves, Lilia Gzara (Rapporteur(s))

Thèse de doctorat Informatique Lyon 2017

Dans le contexte de l’industrie 4.0, les entreprises doivent développer et revitaliser leur système de production sur la base d’une numérisation croissante. Les petites et moyennes entreprises (PME) ont besoin d’être accompagnèes dans ce développement, en particulier dans le cadre de leurs relations collaboratives avec leurs partenaires. La mise en place d’infrastructures s’appuyant sur les systèmes d’information et les technologies en place devrait permettre de faciliter les interactions, l’échange et le partage des données et la prise de décision qui en découle. La collaboration dans les entreprises est un processus dynamique et en constante évolution qui est fortement créateur de valeur ajoutée. Des processus collaboratifs maitrisés ont un impact important sur les processus de prise de décision au sein des entreprises. L’une des problématiques majeures liée à la mise en place des processus collaboratifs concerne les différentes technologies utilisées par les PME ainsi que les différentes approches méthodologiques nécessaires pour déployer ces processus métiers et modifier les organisations en place. Du point de vue technique, les travaux de recherche portent principalement sur trois dimensions: l’échange de données, l’analyse des données et l’ingénierie sémantique. Dans le cadre de cette thèse, nous nous intéressons principalement à l’analyse et au traitement des données dans les processus décisionnels collaboratifs. En raison des hiérarchies conceptuelles complexes nous proposons un cadre méthodologique prescriptif collaboratif pour les entreprises en réseau (en anglais : Prescriptive Collaborative Framework for Enterprise Network). Ce cadre méthodologique s’appuie sur une analyse des données massives (Big Data), hétérogènes, structurées et non structurées issues des processus collaboratifs. Analyse qui a pour objectif d’enrichir une base de connaissances du schéma d’ontologie d’aide à la décision. En plus de souligner le rôle de big data et de la modélisation ontologique dans les processus de prise de décision, nous avons défini un ensemble de facilitateurs, «enablers», qui sont configurables et qui jouent le rôle de blocs de base du cadre méthodologique proposé. Ces enablers couvrent différents aspects des processus industriels collaboratifs tels que : la spécification des produits, l’approvisionnement en matières, l’assemblage et la manutention des produits, les capacités de production, la gestion des risques, le contrôle qualité, l’engagement des clients et le Customer Value Lifelong.iiiLe framework proposé est composé d’une base de connaissances, « Base de Connaissances de l’Enterprise Collaborative », qui a été construite sur la base d’une analyse des ressources de l’entreprise en utilisant une modélisation ontologique. Les enablers sont utilisés principalement pour alimenter cette base de connaissances, mais également pour proposer des mécanismes de récapitulation des données sous la forme d’une matrice asymétrique de factorisation (Asymmetric Matrix Factorization) qui se base sur l’analyse des sentiments. Les solutions proposées ont été testées et validées dans le cadre d’une collaboration industrielle impliquant deux partenaires issus du projet européen FP7 FITMAN. Le principal résultat du système proposé réside dans la création de profil de capacités de collaboration en utilisant des données structurées (du système de production) et semi-structurées (métadonnées issues du système de gestion des documents techniques). Pour analyser une opportunité, le modèle de base de connaissances pour la prise de décision proposé fournit une solution auto-adaptative pour l’entreprise collaborative