Thèse soutenue

Modélisation des processus de prévision de la chaîne logistique pour l'amélioration des performances industrielles

FR  |  
EN
Auteur / Autrice : Mohamed Sameh Belaid
Direction : Stéphane LecœucheAnthony Fleury
Type : Thèse de doctorat
Discipline(s) : Automatique - Productique
Date : Soutenance le 30/03/2022
Etablissement(s) : Ecole nationale supérieure Mines-Télécom Lille Douai
Ecole(s) doctorale(s) : Ecole doctorale Mathématiques, sciences du numérique et de leurs interactions (Lille ; 2021-....)
Partenaire(s) de recherche : Laboratoire : Centre for Digital Systems / CERI SN - IMT Nord Europe
Jury : Président / Présidente : Bertrand Rose
Examinateurs / Examinatrices : Aurélie Montarnal, Michel Philippart
Rapporteurs / Rapporteuses : Allou Badara Samé

Résumé

FR  |  
EN

Quel que soit le secteur d’activités des entreprises industrielles aujourd’hui, ces dernières doivent faire face à plusieurs enjeux et challenges économiques pour garantir leur pérennité et compétitivité sur leur marché. L’amélioration continue des processus de production et la gestion efficiente de la Supply Chain sont des pistes incontournables pour une bonne maîtrise des coûts et des risques associés à l’activité de chaque entreprise. Avec l’avancement technique et technologique, plusieurs pistes à fort potentiel telles que l’intelligence artificielle, se présentent comme des opportunités intéressantes et innovantes permettant de répondre à des problématiques industrielles complexes. Parmi ces dernières, les tâches de planification de la demande, de la production ou encore la gestion des stocks représentent des éléments clés pour une bonne maîtrise de la Supply Chain. C’est dans ce cadre que les travaux menés dans cette thèse s’intègrent, en ayant comme objectif de mettre en place un outil d’aide à la décision permettant de fiabiliser, faciliter et automatiser la préparation des prévisions des ventes. Nous proposons donc une approche guidée par les données permettant de répondre à cette problématique dans un cadre d’application industrielle chez l’entreprise elm.leblanc du groupe Bosch. Notre méthodologie proposée est complétée par une mise en œuvre à travers un développement sur une plateforme de service cloud dans l’entreprise.