Timothé SISSOKO

Composition du jury

Abstract

The purpose of this research is to support decision-making for solving design issues in the development phase of complex systems supported by numerical simulation. We conducted our studies in a multinational car manufacturer.

The first part of the research focused on identifying difficulties encountered in the issue resolution process, in particularly focusing on decision-making issues and methods and tools. A qualitative study done with 11 experts and on 40 decision problems highlighted that the decision-makers choose from a set of process alternatives rather than artifact alternatives. The consequences of these process alternatives such as recalculating, integrating information, waiting for the technical definition of the vehicle to evolve, etc. are not explicit. We identified the lack of a rigorous framework as an opportunity for improvement.

The second part was therefore to propose a framework to support design decisions. Concurrent engineering, resources constraints and project management issues have been often overlooked in the Decision Based Design literature. Attempting to bridge this gap, we designed IRDS framework. Through IRDS, we propose to make explicit the process alternatives, to gather economic data and expert forecasts in adecision model based on the prescriptive decision theory, including the maximization of the expected utility and the economic value of imperfect information.

The third part of the research is related to the impact of uncertainty on the data collection process and on the overall decision outcomes. This has been done through proposing a sensitivity analysis that is performed with available data, before data gathering through elicitation process. The impacts on the decision-making process and information exchanges between stakeholders, as well as the resources consumed by the new practices we proposed have also been studied on a more superficial level. This work was in particular deployed and tested on 5 cases studies. The validation of this approach requires to collect further empirical evidence to support the hypothesis that better decisions are made on the long run. We are confident that our research will serve as a base for future studies on the design and the implementation of frameworks addressing industrial challenges.

Résumé

L’objectif de nos travaux est d’aider la prise de décision liée à la résolution de problèmes de conception dans la phase de développement de systèmes complexes dans un contexte de simulation numérique. Nous avons conduit nos travaux au sein d’une entreprise automobile multinationale.

La première partie de la recherche s'est concentrée sur l'identification des difficultés rencontrées dans le processus de résolution de problème, en s’intéressant particulièrement à la prise de décision, et aux méthodes et outils. Une étude qualitative menée auprès de 11 experts et portant sur 40 problèmes de décision a mis en lumière le fait que les décideurs choisissent parmi un ensemble d'alternatives relatives au processus plutôt que des alternatives liées à l’artefact (i.e. uniquement liées au produit). Les conséquences de ces alternatives relatives au processus telles que le recalcul, l'intégration de nouvelles informations, l'attente de l'évolution de la définition technique du véhicule, etc. ne sont pas explicites. Nous avons constaté que l’absence d'un cadre rigoureux était une perspective d'amélioration. La deuxième partie consista donc à proposer un cadre pour aider la prise de décision en matière de conception. Les questions relatives à l’ingénierie concourante et aux contraintes de ressources et liées à la gestion de projet en analyse de la décision n’ont été que rarement approfondies dans la littérature Decision Based Design.

Pour tenter de combler cette lacune, nous avons conçu le framework IRDS. Par le biais de IRDS, nous proposons de rendre explicites alternatives liées au processus, de rassembler des données économiques et des prévisions d'experts dans un modèle décisionnel fondé sur la théorie prescriptive de la décision, incluant la maximisation de l'utilité espérée et la valeur économique de l’information imparfaite.

La troisième partie de nos travaux s’intéresse à l'impact de l'incertitude sur le processus de collecte des données et sur les résultats de la décision. Pour ce faire, nous avons proposé de réaliser des analyses de sensibilité à partir des données grossières disponibles, en amont la collecte par élicitation d’expert. Les impacts sur le processus décisionnel et les échanges d'informations entre les parties prenantes, ainsi que les ressources consommées par les nouvelles pratiques que nous proposons ont également été étudiés à un niveau plus superficiel. Nous présentons le déploiement et le test de ces méthodes sur 5 études de cas. La validation de cette approche exige de recueillir davantage de données empiriques pour soutenir l'hypothèse selon laquelle de meilleures décisions sont prises à long terme. Nous sommes convaincus que nos recherches serviront de base à de futures études sur la conception et la mise en œuvre de frameworks visant à relever des défis industriels.