Depuis leur apparition, les Technologies d'Information et de Communication (TIC) ont intégré et fait évoluer les modes de travail des entreprises, avec les notions de e-service, de travail collaboratif, d'organisations distribuées et de mutualisation des connaissances. Nous considérons cette intégration des TIC à la fonction maintenance, activité clé de la performance des entreprises, largement pénétrée par ces technologies avec, par exemple, les concepts de e-maintenance. Nos objectifs sont d'analyser les processus décisionnels collaboratifs et l'influence des TIC sur ceux-ci et de proposer les moyens d'évaluer les performances d'un service de maintenance supporté par les TIC. La modélisation du problème revêt un aspect multidomaine, multivue et multiacteur et l'évaluation des performances est multicritère. Nous proposons, tout d'abord, une modélisation des situations de e-maintenance en nous appuyant sur la représentation des processus et en utilisant le formalisme objet, afin de mettre en évidence les composants clés des activités de e-maintenance et l'influence des TIC. Ensuite, nous étudions les activités de décision collaborative en analysant la logique de regroupement de centres de décision, supports des décisions et nous caractérisons les ressources immatérielles engagées. Enfin, nous proposons un cadre d'évaluation des performances des activités de e-maintenance et des modèles de représentation permettant de simuler des configurations d'engagement de ces ressources et de guider les choix d'organisation afférents.

Ce manuscrit expose notre travail dans le cadre du projet IWARD et détaille la couche de gestion et de décision du groupement de robots. Ce projet avait comme objectif d'assister le personnel médical dans leur travail, ceci est réalisé en utilisant des robots mobiles, reconfigurables, et rechargeables. Ces robots sont conçus pour effectuer des taches logistiques comme : Le transport de médicaments, le nettoyage, le guidage des patients, la surveillance et la téléconsultation. Dans la première partie de la thèse nous présenterons le problème stratégique qui consiste à déterminer les plannings de rechargement des robots, la configuration des robots opérationnels ainsi que la localisation des stations d'attentes des robots lorsqu'ils sont en état de veille. Différentes hiérarchies à plusieurs niveaux de décisions, sont formulées comme des programmes linéaires en nombres entiers. Des formulations utilisant l'approche de génération de colonnes sont aussi développées pour résoudre ces problèmes. Dans la deuxième partie, le problème tactique est exposé, ceci consiste à affecter les taches arrivantes aux différents robots et d'ordonnancer dynamiquement l'exécution ces missions. Deux approches sont inspectées une version centralisée utilisant les algorithmes évolutionnaires et une autre version distribuée utilisant les algorithmes d'enchères inversées. Afin de mettre à l épreuve ces deux approches, une simulation a événements discrets a été conçue et développée spécifiquement pour le projet, permettant ainsi d'évaluer ces deux approches.

Les facteurs humains figurent parmi les causes originelles de trop nombreux accidents, dans les transports, l'industrie ou encore dans les parcours de soins. Dans ces contextes sociotechniques complexes et dynamiques, le risque de survenue d'incidents est permanent. La formation des équipes interprofessionnelles à la gestion des risques dans un environnement reproduisant fidèlement le contexte professionnel est un enjeu majeur. La motivation de cette thèse est de proposer un environnement virtuel multi-joueurs destiné à la formation à la gestion des risques liés à des défauts de communication ou de prises de décision. Pour cela, une méthode de création de scénarios interactifs destinés à la formation à la gestion des risques a été présentée. Un système de communication, un système collaboratif de prise de décision et un modèle de description d'objectifs complexes composés d'actions, de communications et de décisions sont présentés. L'environnement multi-joueurs interactif s'appuie sur cet ensemble cohérent. Ces systèmes et modèles proposés octroient une relative liberté aux équipes pour gérer la situation professionnelle présentée au sein de l'environnement virtuel. Ils permettent aussi le contrôle de la situation pédagogique dans son ensemble. Une méthode à forte valeur d'innovation a aussi été proposée pour structurer le débriefing d'une formation à la gestion des risques. Cela permet notamment d'automatiser la production de débriefing personnalisé, individuel et collectif à l'issu des séances de formation. / Many accidents in transport, industry or healthcare result from a causal chain of events where inadvertent human errors have not been corrected in time. In such socio-technical and dynamic systems where complexity and unpredictability widespread, training teams to risk management in real-life like situations is crucial. This thesis aims to provide a virtual multi-player environment designed for inter-professional team training to risk management. To that end, a method to design risk management interactive and controlled scenario has been described. A communication system, a group decision making system and a team tracing model have been created. They all together enable the virtual team to be free enough to manage the educational situations. These coherent and innovative environment allows us to control the team activity and automate the edition of a personalized, individual and corporate debriefing at the end of a team training session.

Les décisions collaboratives sous incertitude dans les situations non urgentes peuvent être retardées, surtout lorsque la santé humaine et des investissements élevés sont en jeu comme c’est le cas des projets de R and D pharmaceutiques. Cette thèse étudie les causes des retards récurrents dans la prise de décision collaborative sous incertitude et les pratiques efficientes pour réduire ces retards. Pour mieux comprendre le problème des retards dans la prise de décision face à l’incertitude, nous étudions d’abord la notion d’incertitude et proposons une définition de l’incertitude adaptée au management de projet. Ensuite, le processus de prise de décision dans les projets de développement de nouveaux médicaments est modélisé, mettant en évidence le cycle de vie de l’information à partir de sa production jusqu’à sa consommation c’est-à-dire la décision elle-même. Ce modèle comprend une étape de réflexion individuelle et une étape de l’interaction en groupe, en clarifiant comment l’information est traitée différemment par les décideurs. Afin d’analyser les conflits du passé et anticiper ceux du futur, sur la base de ce modèle, un indice est défini pour mesurer le risque d’invalidation d’une décision prise a posteriori. Finalement, à travers des entretiens approfondis, 252 facteurs clés qui influent la prise de décision sont identifiés. Les trois causes de retard les plus citées sont : la peur de l’incertitude, la peur de la hiérarchie et la difficulté des décisions d’arrêt. Sur la base des facteurs identifiés, un recueil de bonnes pratiques est construit pour les acteurs du processus de prise de décision qui aident à former, mûrir, communiquer, digérer, respecter et finalement exécuter les décisions collaboratives. / Collaborative decisions may be deferred when faced with a high degree of uncertainty, especially when public health and high investments are at stake and in situations that seem non-urgent, as is the case in pharmaceutical R and D projects. This thesis investigates the causes of recurrent delay in collaborative decision-making under uncertainty, and the efficient practices to reduce this delay. To better understand the problem of delay in decision-making under uncertainty, we first review the notion of uncertainty and propose a definition of uncertainty adapted to project management. Then, the decision-making process in drug development projects is modeled, highlighting the information life cycle from its generation to its consumption i.e. the decision itself. It includes individual reflection and group interaction, clarifying how information is processed differently by decision-makers. To analyze past conflicts and anticipate future ones, based on this model, an index is defined that measures the risk of invalidating a decision a posteriori. Finally, through an in-depth interview-based approach, 252 key factors that affect decision-making are pointed out. The three most-mentioned causes of delay are: fear of uncertainty, fear of hierarchy, and difficulty of No Go decisions. Based on the identified factors, a compendium of practices is constructed for the actors of the decision-making process that help collaborative decisions to be formed, matured, digested, respected, and finally executed.

Ce manuscrit expose notre travail dans le cadre du projet IWARD et détaille la couche de gestion et de décision du groupement de robots. Ce projet avait comme objectif d’assister le personnel médical dans leur travail, ceci est réalisé en utilisant des robots mobiles, reconfigurables, et rechargeables. Ces robots sont conçus pour effectuer des taches logistiques comme : Le transport de médicaments, le nettoyage, le guidage des patients, la surveillance et la téléconsultation. Dans la première partie de la thèse nous présenterons le problème stratégique qui consiste à déterminer les plannings de rechargement des robots, la configuration des robots opérationnels ainsi que la localisation des stations d’attentes des robots lorsqu’ils sont en état de veille. Différentes hiérarchies à plusieurs niveaux de décisions, sont formulées comme des programmes linéaires en nombres entiers. Des formulations utilisant l’approche de génération de colonnes sont aussi développées pour résoudre ces problèmes. Dans la deuxième partie, le problème tactique est exposé, ceci consiste à affecter les taches arrivantes aux différents robots et d’ordonnancer dynamiquement l’exécution ces missions. Deux approches sont inspectées une version centralisée utilisant les algorithmes évolutionnaires et une autre version distribuée utilisant les algorithmes d’enchères inversées. Afin de mettre à l épreuve ces deux approches, une simulation a événements discrets a été conçue et développée spécifiquement pour le projet, permettant ainsi d’évaluer ces deux approches. / Due to the expansion of the life duration and the shortage of medical personal in hospitals the EU funded IWARD project as part of the IFP6 program. The aims of this project were to assist the medical personnel in logistic and non medical tasks (transport, cleaning, environmental monitoring, guidance and tele-monitoring) through the usage of mobile, reconfigurable, rechargeable robots, thus letting the Medical staff to concentrate on medical aspects of their work.This thesis was part of this project, and our work consisted on developing a decision making framework for the team of robots.In the first part of the thesis, we address the strategic decisions essentially the: (i) the robots’ home station location problem, (ii) Robot‘s reconfiguration problems and (iii) Robots recharging scheduling. We formulate those problems as a linear problems and we propose to solve them using Mixed Integer Programming (MIP). We also present a formulation using a column generation approach to solve those problems.In the later part we address the tactical problems, mainly the mission assignment, the mission scheduling and rescheduling. We present two different approaches; a centralized decision finder implemented using genetic algorithms. And a decentralized approach using auction like and market based algorithms in order to provided collaborative decision making framework.Finally we compare those two approaches using a custom made discrete event simulation (DES).

La simulation est de plus en plus utilisée dans les études de conception et d’organisation des systèmes complexes. Une étude par optimisation via simulation permet d’optimiser les paramètres d’un système afin d’obtenir les meilleures performances, estimés par la simulation. Toutefois, dans de nombreux systèmes complexes, certaines données sont incertaines (par exemple, les conditions opératoires du système ou le comportement des décideurs). En conséquence, même lorsque l’étude d’optimisation via simulation est réalisée avec le plus grand soin, les solutions obtenues peuvent se révéler inadaptées. Dans ce contexte, notre objectif est d’étudier comment optimiser, via simulation, un système afin qu’il continue d’être performant et robuste. L’étude bibliographique approfondie que nous avons menée montre que très peu de travaux en optimisation via simulation intègrent l’incertain et qu’ils peuvent être très limités dans leur capacité à fournir des solutions robustes en un temps de calcul raisonnable en particulier lorsque des métaheuristiques sont employées. Par ailleurs, la plupart des travaux existants délivrent une solution unique de conception performante du système et ne sont pas adaptés pour prendre en compte les aspects collaboratifs (groupe de décideurs). C’est pourquoi, nous avons proposé une approche originale connectant une recherche des solutions par optimisation évolutionniste multimodale et une évaluation des performances du système via simulation. Notre approche va permettre de fournir plusieurs alternatives performantes de conception d’un système et assez diversifiées pour acquérir aux décideurs une flexibilité dans le choix de la solution à implanter. De plus, nous avons exploité cette flexibilité pour intégrer, d’une part, les préférences individuelles des membres d’une équipe décisionnelle et, d’autre part, la présence de plusieurs environnements pour étudier la robustesse des solutions en un temps de traitement raisonnable par rapport à d’autres approches utilisant des méta heuristiques. Les approches proposées sont illustrées par l’optimisation d’une maille de supply chain. Grâce à cette application, nous avons montré qu’en plus de fournir un choix de solutions performantes pour dimensionner le système, nous pouvons proposer des solutions « collectivement acceptable » pour l’équipe décisionnelle et déterminer des solutions de conception robustes du système. Ces approches fournissent ainsi une flexibilité pour la phase de décision et contribuent à la prise en compte de l’incertitude dans l’optimisation via simulation d’un système. / Simulation is more and more used in studies of design and organization of complex systems. A simulation optimization study search for the system parameters that yield the best performance. However, in many complex systems, data can be uncertain (e.g., the operating conditions of the system or the behavior of decision makers). Therefore, even when the simulation optimization study is performed with the greatest care, the solutions may be inadequate. In this context, our goal is to study how to optimize, via simulation, a robust system. The extensive literature review we conducted shows that few simulation optimization approaches incorporate uncertainty and they can be very limited in their ability to provide robust solutions in a reasonable processing time, especially when metaheuristics are used. In addition, most existing approaches provide a single solution to the design problem and are not adapted to take into account the collaborative aspects (decision maker’s team). Therefore, we propose a novel approach connecting a search for solutions by evolutionary multimodal optimization and the evaluation of the system performance by simulation. Our approach allows to obtain a diverse set of designs that can be considered as efficient in terms of their performance and to provide decision-Makers with flexibility in the choice of the solution to implement. In addition, we use this flexibility to integrate first, the individual preferences of the members of decision maker’s team and secondly, the presence of multiple environments For studying the robustness of solutions in a reasonable processing time compared to other approaches based on metaheuristics. The proposed approaches are illustrated with an example of supply chain. With this application, we have shown that in addition to providing a choice of efficient solutions for sizing the system, we propose "collectively acceptable" solutions to the decision-Making team and we identify robust solutions. Then, these approaches provide flexibility to the decision phase and contribute to the consideration of uncertainty in the simulation optimization of the system.