Modélisation et Analyse de Propagation dans un Réseau Complexe de Risques : Un système D’aide à la Décision Pour la Gestion des Risques Projet
Auteur / Autrice : | Chao Fang |
Direction : | Jean-Claude Bocquet |
Type : | Thèse de doctorat |
Discipline(s) : | Génie industriel |
Date : | Soutenance le 02/12/2011 |
Etablissement(s) : | Châtenay-Malabry, Ecole centrale de Paris |
Ecole(s) doctorale(s) : | École doctorale Sciences pour l'Ingénieur (Châtenay-Malabry, Hauts de Seine) |
Partenaire(s) de recherche : | Laboratoire : Laboratoire génie industriel (Gif-sur-Yvette, Essonne) |
Jury : | Président / Présidente : Min Xie |
Examinateurs / Examinatrices : Jean-Claude Bocquet, John Clarkson, Didier Gourc, Franck Marle | |
Rapporteurs / Rapporteuses : John Clarkson, Didier Gourc |
Mots clés
Mots clés contrôlés
Mots clés libres
Résumé
La gestion des risques projet est une activité cruciale dans le management de projet. Aujourd'hui, les projets sont confrontés à une complexité croissante et sont ainsi exposés à de nombreux risques interdépendants. Cependant, les méthodes classiques ont des limites pour la modélisation de la complexité réelle des risques du projet. Par exemple, certains phénomènes comme les réactions en chaîne et des boucles ne sont pas correctement pris en compte. Cette thèse de doctorat vise à analyser le comportement du réseau de risques projet grâce à la modélisation des risques et des interactions entre risques. Un système d'aide à la décision est introduit avec une série de méthodes associées. La construction du réseau de risques projet nécessite l'implication du manager de projet et l'équipe d'experts en utilisant la méthode Design Structure Matrix (DSM). Des techniques basées sur la simulation et la théorie des réseaux sont développées pour analyser et hiérarchiser les risques du projet, en regard de leur rôle et leur importance dans le réseau des risques. L'approche proposée constitue un puissant complément à l'analyse classique des risques projet. Ces nouvelles analyses fournissent aux managers de projet une meilleure vision sur les risques et sur leurs interactions complexes et les aident à élaborer des réponses plus efficaces. Prenant en compte les contraintes de ressources, un algorithme glouton et un algorithme génétique sont développés pour optimiser le plan de réponse aux risques et l'allocation des réserves budgétaires. Deux exemples d'application, 1) à un projet réel de mise en scène musicale dans l'industrie du divertissement et 2) à un projet réel de construction d’un système de transport urbain, sont présentés pour illustrer l'utilité du système d'aide à la décision proposé.