MétaCan
Menu
Back to cohort
Record W6981851179

Feuille de route pour la mise en place de système cyber-physique en PME : application dans une meunerie industrielle biologique

2021· other· fr· W6981851179 on OpenAlexaboutno aff

Bibliographic record

VenuePolyPublie (École Polytechnique de Montréal) · 2021
Typeother
Languagefr
FieldSocial Sciences
TopicPolicing Practices and Perceptions
Canadian institutionsnot available
Fundersnot available
KeywordsOccupational trainingTechnology transferSugar industry
DOInot available

Abstract

fetched live from OpenAlex

RÉSUMÉ: L'industrie 4.0 est une stratégie basée sur les nouvelles technologies pour accroître les capacités des entreprises. Une des stratégies de l'industrie 4.0 est notamment de mettre en place des outils pour gérer et valoriser les données d'une entreprise. La valorisation des données permet de convertir les données acquises dans le cycle de vie des produits en des connaissances produisant de la valeur ajoutée. L'entreprise est ainsi capable d'améliorer ses performances industrielles avec un meilleur accès aux informations, une modification de l'organisation des processus et de meilleures prises de décision. La gestion des données est alors au centre des problématiques de l'entreprise qui doit être capable de collecter, transmettre, stocker, traiter, visualiser et appliquer ses données. Cette gestion nécessite que les sources de données et les systèmes de contrôle interopèrent entre eux. Ce besoin est notamment adressé par les nouvelles technologies de l'industrie 4.0, dont les systèmes cyber-physiques (CPS) qui permettent d'intégrer les technologies informatiques dans le monde physique. Cependant, le besoin et l'intégration des technologies dépendent de l'environnement de l'entreprise. Des approches et des méthodes ont été développées pour accompagner les différentes entreprises dans leur adoption des outils de l'industrie 4.0 mais certaines entreprises ont encore des difficultés. Les petites et moyennes entreprises (PME) font partie des entreprises où l'adoption des nouvelles technologies dans leurs processus reste problématique. D'une part, les approches ne sont pas adaptées aux environnements particulièrement contraints des PME par rapport aux grandes entreprises. D'autre part, peu d'approches détaillent la mise en œuvre concrète des technologies dans un contexte industriel, et en particulier pour répondre aux problématiques d'interopérabilité et d'hétérogénéité des systèmes. Ce mémoire propose une feuille de route pour mettre en place un système cyber-physique (CPS) en contexte de PME. Cette feuille de route décrit chacune des étapes nécessaires pour connecter l'ensemble des sources de données d'une entreprise et gérer ces données. Le CPS est le système central de cette architecture qui permet aux sources de données d'interopérer et qui fournit une infrastructure supportant la valorisation des données. Le CPS offre un accès aux informations et aux services à toutes les entités (humaines, machines et organisationnelles) en temps réel et de façon décentralisée. L'entreprise peut ainsi redéfinir l'organisation des processus et des systèmes et créer un système de pilotage plus réactif avec des prises de décisions basées sur les données. Dans le but de construire cette feuille de route, une démarche scientifique basée sur des observations du terrain et des retours d'expérience a été réalisée. Un partenaire industriel a été impliqué pour comprendre les problématiques industrielles réelles et pour étudier les solutions présentes dans la littérature dans un contexte pratique. Ce partenaire est La Milanaise, une meunerie biologique de la région de Montréal. La feuille de route proposée utilise une approche agile, une architecture orientée service (SOA) et des compétences jugées génériques pour pallier aux défis particuliers des PME. Les méthodes agiles s'appuient sur des cycles de développement courts avec des itérations de révisions. Ces méthodes sont très utilisées dans le développement informatique car elles permettent de répondre aux besoins de façon dynamique. Dans notre cas, elles permettront d'adapter les solutions aux contextes des PME. Plusieurs itérations ont été réalisées chez le partenaire industriel pour mettre en œuvre la feuille de route actuelle, qui a permis d'implanter un CPS dans un contexte de PME. Notre étude montre que la phase d'intégration des outils dans les processus est une étape difficile. L'implantation d'un CPS modifie les processus en offrant des capacités de surveillance et d'aide à la décision, ce qui implique des changements organisationnels, notamment dans les responsabilités des employés. Les employés doivent prendre le temps d'utiliser les outils implanter mais cela nécessite une compréhension des solutions et des bénéfices et une culture technologique et organisationnelle adéquat dans l'entreprise. Une des solutions pour accompagner la transition des employés est de nommer un responsable pour gérer les modifications organisationnelles et faire le lien entre les utilisateurs et les développeurs. ABSTRACT: Industry 4.0 is a strategy based on emerging technologies to increase the capabilities of industry. One of the strategies of Industry 4.0 is to implement tools to manage the company's data. Big data enables the conversion of data acquired during the product life cycle into knowledge that produces added value. The company is thus able to improve its industrial performance with better access to information, with modifications of the organization and data-driven decision making. Data management is therefore a key element in the company's strategy, which must be able to collect, transmit, store, process, visualize and apply its data. This management requires that data sources and control systems interoperate with each other. This need is notably addressed by the new technologies of Industry 4.0, including cyber-physical systems (CPS) that allow the integration of computer technologies in the physical world. However, the need and the integration of technologies depend on the business environment. Approaches and methods have been developed to support individual companies in their adoption of Industry 4.0 tools, but some companies still struggle. Small and medium-sized enterprises (SME) are among the companies where the adoption of new technologies in their processes remains problematic. On the one hand, the approaches are not suited to the particularly constrained environments of SME compared to large companies. On the other hand, few approaches detail the concrete implementation of technologies in an industrial context, and in particular to address the issues of interoperability and heterogeneity of systems. This paper proposes a roadmap for implementing a cyber-physical system (CPS) in an SME context. This roadmap describes each of the steps required to connect all of an enterprise's data sources and to enable them to manage that data. The CPS is the central system in this architecture that enables data sources to interoperate and provides an infrastructure that supports Big Data. The CPS provides access to information and services to all entities (human, machine and organizational) in real time and in a decentralized manner. This allows the company to redefine the organization of processes and systems and create a more responsive management system with data-driven decision making. In order to build this roadmap, a scientific approach based on field observations and feedback was carried out. An industrial partner was involved to understand the real industrial problems and to study the solutions present in the literature in a practical context. This partner is La Milanaise, an organic flour mill in the Montreal area.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.005
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: none
GenreCandidate signal: Methods · Consensus signal: Methods
Teacher disagreement score0.013
Threshold uncertainty score0.026

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.005
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0010.001
Scholarly communication0.0030.002
Open science0.0010.001
Research integrity0.0020.001
Insufficient payload (model declined to judge)0.0080.002

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.015
GPT teacher head0.275
Teacher spread0.260 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designTheoretical or conceptual
Domainnot available
GenreMethods

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2021
Admission routes1
Has abstractyes

Explore more

Same venuePolyPublie (École Polytechnique de Montréal)Same topicPolicing Practices and PerceptionsFrench-language works237,207