Exploration des Opportunités et des Défis Apportés par l'Industrie 4.0 aux Chaînes d'Approvisionnement Mondiales et à la Macroéconomie en Intégrant l'Intelligence Artificielle et les Méthodes Traditionnelles

Exploration of opportunities and challenges brought by Industry 4.0 to the global supply chains and the macroeconomy by integrating Artificial Intelligence and more traditional methods

• Auteur / Autrice : Rongyan Zhou
• Direction : Julie Le Cardinal
• Type : Thèse de doctorat
• Discipline(s) : Ingéniérie des systèmes complexes
• Date : Soutenance le 16/04/2021
• Etablissement(s) : université Paris-Saclay
• Ecole(s) doctorale(s) : École doctorale INTERFACES : approches interdisciplinaires, fondements, applications et innovation
• Partenaire(s) de recherche : Laboratoire : Laboratoire génie industriel (Gif-sur-Yvette, Essonne)
• Partenaire(s) de recherche : référent : CentraleSupélec (2015-....)
• Jury : Président / Présidente : Jean-Fabrice Lebraty
• Jury : Examinateurs / Examinatrices : Giacomo Büchi, Fragkiskos Malliaros, Anjali Awasthi
• Jury : Rapporteurs / Rapporteuses : Jean-Fabrice Lebraty, Giacomo Büchi

Mots clés

Mots clés contrôlés

Chaînes de valeur mondiales

Industrie 4.0

Apprentissage automatique

Mots clés libres

Nouvelle Révolution Industrielle

Traitement du Langage Naturel (NLP)

Chaîne d'Approvisionnement à Plusieurs Niveaux

Réseau Complexe

Réseau Neuronal Graphique (GNN)

Données du Panneau

New Industrial Revolution

Natural Language Processing (NLP)

Multi-Tier Supply Chain

Complex Network

Graph Neural Network(GNN)

Panel Data

Résumé

L'industrie 4.0 est un changement important et un défi de taille pour chaque segment industriel. La recherche utilise d'abord l'analyse de la littérature pour trier la littérature et énumérer la direction du développement et l'état d'application de différents domaines, ce qui se consacre à montrer un rôle de premier plan pour la théorie et la pratique de l'industrie 4.0. La recherche explore ensuite la tendance principale de l'offre à plusieurs niveaux dans l'industrie 4.0 en combinant l'apprentissage automatique et les méthodes traditionnelles. Ensuite, la recherche examine la relation entre l'investissement et l'emploi dans l'industrie 4.0 pour examiner la dépendance interrégionale de l'industrie 4.0 afin de présenter un regroupement raisonnable basé sur différents critères et de faire des suggestions et une analyse de la chaîne d'approvisionnement mondiale pour les entreprises et les organisations.De plus, notre système d'analyse jette un coup d'oeil sur la macroéconomie. La combinaison du traitement du langage naturel dans l'apprentissage automatique pour classer les sujets de recherche et de la revue de la littérature traditionnelle pour enquêter sur la chaîne d'approvisionnement à plusieurs niveaux améliore considérablement l'objectivité de l'étude et jette une base solide pour des recherches ultérieures. L'utilisation de réseaux et d'économétrie complexes pour analyser la chaîne d'approvisionnement mondiale et les problèmes macroéconomiques enrichit la méthodologie de recherche au niveau macro et politique. Cette recherche fournit des analyses et des références aux chercheurs, aux décideurs et aux entreprises pour leur prise de décision stratégique.

Industry 4.0 is a significant shift and a tremendous challenge for every industrial segment, especially for the manufacturing industry that gave birth to the new industrial revolution. The research first uses literature analysis to sort out the literature, and focuses on the use of “core literature extension method” to enumerate the development direction and application status of different fields, which devotes to showing a leading role for theory and practice of industry 4.0. The research then explores the main trend of multi-tier supply in Industry 4.0 by combining machine learning and traditional methods. Next, the research investigates the relationship of industry 4.0 investment and employment to look into the inter-regional dependence of industry 4.0 so as to present a reasonable clustering based on different criteria and make suggestions and analysis of the global supply chain for enterprises and organizations. Furthermore, our analysis system takes a glance at the macroeconomy. The combination of natural language processing in machine learning to classify research topics and traditional literature review to investigate the multi-tier supply chain significantly improves the study's objectivity and lays a solid foundation for further research. Using complex networks and econometrics to analyze the global supply chain and macroeconomic issues enriches the research methodology at the macro and policy level. This research provides analysis and references to researchers, decision-makers, and companies for their strategic decision-making.