Proposition d'une méthodologie pour le développement d'une plateforme de partage d'information au sein d'un réseau décentralisé de PME
Bibliographic record
Abstract
RÉSUMÉ: Ces dernières années, les solutions basées sur les technologies de l'industrie 4.0 deviennent de plus en plus accessibles aux PME. De meilleures stratégies de collecte de données sont développées et une augmentation des données disponibles est observée. Pour certains secteurs industriels, les PME contribuent à une part majoritaire de la valeur économique produite. Les PME de ces secteurs industriels font face à des problématiques communes et évoluent dans des environnements similaires. L'étude des performances de productions des PME de ces secteurs industriels permet d'identifier une grande hétérogénéité de rendements et de qualités de production. Dans ces secteurs, il est possible de considérer les PME comme un réseau de PME décentralisé où les interactions entre chaque entreprise sont limitées. Les systèmes d'information basés sur des technologies de l'industrie 4.0 sont présentés comme des outils potentiels permettant d'améliorer les performances de production des PME faisant partie de réseaux décentralisés. Aussi, l'étude, la comparaison et la valorisation des pratiques de gestion ainsi que des rendements de production de ces PME peuvent être réalisées par le développement d'outils collaboratifs au sein de réseaux de PME décentralisés. Dans ce mémoire, nous proposons une méthodologie pour le développement d'une plateforme collaborative de partage de l'information pour visualiser et améliorer la performance des réseaux de PME. La méthodologie présentée couvre l'ensemble du processus de valorisation des données, de la définition du problème à la mise en production d'un outil collaboratif de visualisation et d'amélioration des performances des PME d'un réseau décentralisé. La méthodologie proposée est constituée de 7 étapes décrivant la compréhension du con-texte, la collecte des données, la préparation des données, la visualisation des données, l'amélioration des performances, le déploiement de l'outil collaboratif et la validation des critères de développement. Finalement, la méthodologie proposée est appliquée sur un cas d'étude dans le secteur agroalimentaire de l'industrie fourragère canadienne. La plateforme collaborative développée permet de visualiser les performances de production, les techniques de gestion et les aspects spécifiques de chaque entreprise appartenant à un réseau de 240 exploitations réparties à travers le Canada. Ensuite, la plateforme permet de soutenir des pistes pour l'amélioration des performances de chaque entreprise à travers les meilleures pratiques qui sont identifiées dans des contextes similaires au sein du réseau. Le produit développé intègre 3 sources de données différentes collectées à l'aide d'outils manuels et automatiques. Parmi les attributs collectés, les paramètres météorologiques tels que le taux de précipitation, la température, la pression ou bien les paramètres de gestions des récoltes tels que les rendements, les pratiques des agriculteurs sont introduites dans les bases de données du projet. Au total, plus de 70 paramètres sont collectés et intégrés à la plateforme de partage d'information développée dans le cadre de ce projet de recherche. L'ensemble de ces paramètres permet de produire 3 outils spécifiques décrivant les rendements de production, les bonnes et mauvaises pratiques ainsi que les caractéristiques des 240 exploitations du réseau d'entreprises étudié." ABSTRACT: In recent years, solutions based on Industry 4.0. technologies are becoming more and more accessible to SMEs. As a result, better data collection strategies are being developed and an increase in available data is observed. For some industrial sectors, SMEs contribute a majority share of the economic value produced. SMEs in these industries face common issues and operate in similar environments. The study of the production performance of SMEs in these industrial sectors allows us to identify a great heterogeneity of yields and production qualities. It is then possible to consider the SMEs of these sectors as a network of decentralized SMEs where the interactions between each company are limited. Information systems based on Industry 4.0 technologies are presented as potential tools to improve the production performance of SMEs in decentralized networks. Also, the study, comparison and valorization of the management practices as well as the production yields of these SMEs can be achieved by the development of collaborative tools within decentralized SME networks. In this thesis, we propose a methodology for the development of a collaborative information sharing platform to visualize and improve the performance of SME networks. The methodology presented covers the whole process of data enhancement, from the definition of the problem to the production of a collaborative tool for visualizing and improving the perfor-mance of SMEs in a decentralized network. The proposed methodology consists of 7 steps describing the understanding of the context, the data collection, the data preparation, the data visualization, the performance improvement, the deployment of the collaborative tool and the validation of the development criteria. Finally, the proposed methodology is applied through a case study in the agrifood sector of the Canadian forage industry. The collaborative platform developed allows to visualize the production performances, the management techniques and the specific aspects of each company. It then proposes ways to improve the performance of each company through the best practices identified in similar contexts within the network.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
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".