Une Holistique Système Dynamique de prise de décision pour le classement d’opportunités dans un contexte de collaboration d’entreprise

A Holistic Dynamic Decision Making System for Ranking Opportunities in Enterprise Collaboration

• Auteur / Autrice : Muhammad Naeem
• Direction : Abdelaziz Bouras, Yacine Ouzrout, Nejib Moalla
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 14/04/2017
• Etablissement(s) : Lyon
• Ecole(s) doctorale(s) : École doctorale en Informatique et Mathématiques de Lyon
• Partenaire(s) de recherche : Equipe de recherche : DISP - Décision et Information pour les Systèmes de Production (Lyon, INSA)
• Partenaire(s) de recherche : établissement opérateur d'inscription : Université Lumière (Lyon ; 1969-....)
• Jury : Président / Présidente : Hervé Panetto
• Jury : Examinateurs / Examinatrices : Nada Matta
• Jury : Rapporteurs / Rapporteuses : Ricardo Jardim-Gonçalves, Lilia Gzara

Mots clés

Mots clés contrôlés

Ontologies (informatique)

Systèmes d'aide à la décision

Gestion d'entreprise

Mots clés libres

Processus collaboratifs

Modélisation ontologique

Système d’information

Big data

Aide à la décision

Enterprise Collaboration

Project/Partner Ranking

Capability Evaluation

Cross Correlation Evaluation

Ontological Modeling

Big Data

Decision Making

Résumé

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.

The enterprises by virtue of their progressive objectives hold a strategic impetus of revitalizing their chain of manufacturing in the array of emerging challenges of value added production. The value added production is coined by the cost effective improvement in product life cycle. Nevertheless, small and medium enterprises are not rich in resources to embrace this objective. However, they find the collaborative network to be the best course of strategic action. The enterprise collaboration has gain much popularity and strength with the inception of digital revolution. This concept has observed a dynamic and evolving phenomenon of value added chain. This phenomenon under the convergence of information technology has placed a remarkable impact on decision-making processes within enterprises. The enterprises are involved in establishing a common window of collaborative network where the principle enterprise decides the synthesis of the incoming opportunity. The decision making at early stage for ranking the potential partner plays a pivoted role in optimized collaborative network. We in this study have obtained the aforementioned objectives by analyzing a vast amount of data and knowledge base. We have shown how the decisionmaking capability can be improved by means of analytics of vast amount of data during enterprise collaboration. Apart from highlighting the stalwart role of big data and ontological modeling in decision-making processes, we have defined enablers namely "Capability Evaluator" (herein CE) which are configurable in their definition. The defined enablers have been show to cover the financial, process and enterprise level scope with diversified classification. They play the role of building blocks in the proposed framework coined by the essence of integrated data management and enterprise collaborative knowledge base. We have defined three ways of obtaining these enablers, descriptive, predictive and prescriptive analysis. These enablers cover the industrial manufacturing aspects such as: Delay, Costing, Resource, Risk, Quality Control, Product Specification (Functional, Technical, General), Process, Raw Material, Product assembly and handling, Production capacity, Customer Engagement and Customer Lifelong Value. The whole of the system has been validated by means of introducing a framework "Prescriptive Collaborative Framework for Enterprise Network"v(herein PCFEN). The framework is logically comprised of a knowledge base namely "Enterprise Collaboration Knowledge Base" (herein ECKB). This knowledge base has been adopted with the prescriptive analysis across enterprise resources using ontological modeling. The enablers are used to populate the flexible knowledge base by which the ECKB enables to provide decision making for the ranking of the projects. The decision making system is also enriched by means of summaries obtained from the free text. Here in this aspect, we introduces a summarization mechanism "Asymmetric Matrix Factorization" (AMF). This component was used to obtain the summaries of variable size and quality. The summaries were used to extract the key concepts by means of sentiment analysis to map the knowledge base. Moreover, we have also modeled the "Composition of Customer Commitment" which is used for the orchestration and synthesis of the project. The outcome of proposed system addressed the individual and collaborative enterprise capability within enterprise network using structured and semi-structured data. The proposed knowledge base decision making model provides a self-adaptive solution for enterprise collaborative services and provides a high level assistance in project ranking.