Dans un environnement compétitif et incertain, l'industrie automobile est confrontée à de nouveaux défis pour répondre aux exigences des clients, qui sont en constante évolution. La personnalisation de masse a augmenté considérablement la diversité des produits et par conséquent, a mis à l’épreuve la capacité des systèmes de production existants à faire face à cette nouvelle conjoncture. La convertibilité traduit la capacité du système de production à produire une diversité de produits à moindre coût. Cette thèse analyse la définition et les dimensions de la convertibilité et examine les inducteurs de la convertibilité des systèmes de production et plus particulièrement celle des lignes d'assemblage automobile. En se basant sur les pratiques industrielles, un nouveau concept, baptisé AutoConvert, autour de la convertibilité du système d’assemblage automobile est explicité. Celui-ci met en exergue l'impact de l’introduction d’une nouvelle variante du produit sur les trois éléments principaux qui composent un système d’assemblage, à savoir les produits, les processus et les ressources. Ensuite, trois indicateurs technologiques sont construits pour quantifier la convertibilité du système d’assemblage et fournir, à la fois aux concepteurs des produits et des lignes d’assemblage, un outil d'aide à la décision pour appuyer leurs orientations et leurs choix. Aussi, une étude de coûts est également menée afin de compléter et consolider les indicateurs technologiques. La pertinence de l'approche est expérimentée sur des cas réels de l'industrie automobile. / : In a highly competitive and uncertain environment, the automotive industry is facing new challenges to meet customer requirements that are constantly changing. Mass customization caused that product variety increased drastically and consequently, tested the capacity of the existing production systems to cope with this new situation. Convertibility is the ability of the assembly system to cope with product variety with minimum cost. This thesis analyzes the definition and dimensions of convertibility and investigates the change drivers that make convertibility important for the case of automotive assembly lines.Based on industrial practices, a new concept is developed, named AutoConvert, regarding the automotive assembly line convertibility. It analyzes the impact of the introduction of a new variant on the three main elements which compose an assembly system, namely Products, Processes and Resources. Then, three technological indicators’ are built to quantify assembly line convertibility and provide both assembly line and product designers’ with efficient decision-making support tools to support their orientations and choices. A cost study is also conducted in order to complete and consolidate the technological indicators. The relevance of the approach is experimented in real cases from the automotive industry.

In today's market, companies are faced with pressure to increase variety in product offerings. While increasing variety can help increase market share and sales growth, the costs of doing so can be significant. Ultimately, variety causes complexity in products and processes to soar, which negatively impacts product development, quality, production scheduling, efficiency and more. Product variety is just one common cause of product complexity, a topic that several researchers have tackled with several sources of product complexity now identified. However, even with such progress, product complexity continues to be a theoretical concept, making it difficult for companies to fully implement advances and fully manage product complexity. More and more companies are relying on product family design to handle product variety. Broadly, a product family can be defined as a group of products sharing common elements. The advantages for companies using product family strategies can be significant: they enable efficient derivation of product variants, reduce inventory and handling costs, as well as setup and retooling time. The design challenge however, is to select the product platform to generate a variety of products with minimum deviation from individual requirements. Accordingly, the structure of product families makes designing and evaluating them a challenging process. In order to fully embrace the relationships between variety, product complexity, and product families an understanding of product complexity causes and impacts is essential. This research begins by introducing four main dimensions of product complexity within the context of a generalized definition. Product complexity indicators suitable in product design, development and production are derived. By establishing measurements for the identified indicators and using clustering techniques, a complexity evaluation approach for product family designs is also developed in this research. The evaluation approach is also applied on a component basis, to identify Critical Components that are main sources and contributors of complexity within product families. By standardizing identified Critical Components, product complexity levels and associated costs can be managed. A case application of three product families from a tire manufacturing company is used to verify that this research approach is suitable for evaluating and managing product complexity in product families. / Ph. D.

This study focus on Sinyi Realty Inc.. According to the other researches, the brand value content 5 decisive factors: 1.brand loyalty, 2.brand awareness, 3.perceived quality, 4.brand association, 5.other exclusive assets of the brand, and I research the brand value creation on these 5 factors. This study evaluates the brand value of Sinyi Realty Inc. by Brand Asset Valuator. The purpose is to discuss 1.What brand value did Sinyi Realty Inc. create sucessfully, 2.The influence on the Real Estate Agencies of their brand value, 3. The other advices for Sinyi Realty Inc., 4.The other advices for Real Estate Agencies to creat brand value. The main conclusion of the study divides the way how Sinyi Realty Inc. created the brand value into three periods: 1. Initial stage: Grasp the market mainstream, make the variety management, and create the corporate culture¡÷Provide high quality services 2. Middle stage: Advertising marketing ¡÷ brand image establishment¡÷ brand value creation 3. Recent stage: Influence the industry developments and lead the market trend There are the following suggestions on Sinyi Realty Inc. of this research: 1. Do customer relationship management system well. 2. Improve the marketing share. 3. Make the best of the advantage of the place. 4. Build the complete brand management system.

Le secteur automobile est aujourd’hui face au paradoxe de la personnalisation de masse. La diversité de produits finis est en augmentation perpétuelle du fait de la croissance de la personnalisation offerte au client. La diversité de composants à laquelle doivent faire faces les Chaînes Logistiques résulte de cette diversité de produits finis à fabriquer. Même si le coût de la diversité reste difficilement mesurable, cette diversité à un impact majeur sur la performance économique des entreprises de production. Dans le secteur automobile, une grande partie de ces coûts sont induits par le nombre très important de contraintes entre composants. De façon opérationnelle, ces contraintes rendent difficile la définition de nomenclature. Dans cette thèse, nous étudions une nouvelle façon de représenter la diversité. Aussi, pour limiter l’inflation de la diversité de composants à gérer, les fabricants doivent améliorer sans cesse leurs processus de conception et de production. L’usage d’une architecture modulaire des produits doit permettre de simplifier ces contraintes et donc la diversité de composants. Le succès de la mise en place d’une telle architecture dépend d’un certain nombre de conditions que nous étudions aussi dans cette thèse. Enfin, parce que la diversité de composants peut aussi résulter d’une vision locale des enjeux de diversité en phase de conception, cette thèse propose aussi une méthode de standardisation des modules et de leurs composants invisibles du client, basée sur une vision économique globale. / Nowadays, the automotive sector faces the mass customization paradox. The end-product diversity is constantly increasing as the customer can customize more and more product features. The component variety that Supply Chains must deal with, results from the end-product variety to make. Though variety cost is hard to measure, variety has a great impact on the economic performance of today's manufacturers. In the automotive sector, a large portion of these costs are due to the great amount of constraints between components. On an operational point of view, these constraints lead to difficulties in the establishment of Bills of Materials. In this thesis, we define a new approach that describes the variety within Bills of Materials. In addition, in order to limit the inflation of component variety to manage, companies should improve continuously their design and manufacturing processes. The use of a modular architecture should allow to reduce the number of constraints between components and as a consequence, to reduce the component variety. The success of the application of such architecture depends on some prerequisites that we also focus on in this thesis. Finally, as component variety might result also from local interests in design phases, this thesis proposes also a model that aims at standardizing both modules and their components that is based on a global economic perspective.

Die Nachfrage der Kunden nach individualisierten Produkten, die Globalisierung, neue Konsummuster sowie kürzere Produktlebenszyklen führen dazu, dass Unternehmen immer mehr Varianten anbieten. Aufgrund der Arbeitsteilung und der unterschiedlichen Perspektiven können einzelne Entwickler die Komplexität des Produktportfolios nicht durchdringen. Dennoch sind die heutigen Verfahren im Produktportfolio- und Variantenmanagement geprägt durch manuelle und erfahrungsbasierte Aktivitäten. Eine systematische Analyse und Optimierung des Produktportfolios sind damit nicht möglich. Unternehmen benötigen stattdessen intelligente Lösungen, welche das gespeicherte Wissen in Daten nutzen und einsetzen, um Entscheidungen über Innovation, Differenzierung und Elimination von Produktvarianten zu unterstützen. Zielstellung dieses Forschungsvorhabens ist die Entwicklung eines Frameworks zur Analyse komplexer Produktportfolios mittels Machine Learning. Machine Learning ermöglicht es, Wissen aus Daten unterschiedlicher Lebenszyklusphasen einer Produktvariante automatisiert zu generieren und zur Unterstützung des Produktportfolio- und Variantenmanagements einzusetzen. Für die Unterstützung der Entscheidungen über Produktvarianten ist Wissen über deren Abhängigkeiten und Beziehungen sowie die Eigenschaften der einzelnen Elemente erforderlich. Dadurch soll ein Beitrag zur besseren Handhabung komplexer Produktportfolios geleistet werden. Das Framework zur Analyse komplexer Produktportfolios mittels Machine Learning besteht aus drei Bausteinen, die das zentrale Ergebnis dieser Arbeit darstellen. Zuerst wird in Baustein 1 auf die Wissensbedarfe bei der Analyse und Anpassung komplexer Produktportfolios eingegangen. Anschließend werden in Baustein 2 die Daten, welche für Entscheidungen und somit für die Wissensgenerierung im Produktportfolio- und Variantenmanagement erforderlich sind, beschrieben und charakterisiert. Abschließend findet in Baustein 3 die Datenvorbereitung und die Implementierung der Machine Learning Verfahren statt. Es wird auf unterschiedliche Verfahren eingegangen und eine Unterstützung bei der Auswahl und Evaluation der Algorithmen sowie die Möglichkeiten zum Einsatz des generierten Wissens für die Analyse komplexer Produktportfolios aufgezeigt. Das Framework wird in einer Fallstudie bei einem Industriepartner aus der Nutzfahrzeugbranche mit einem besonders komplexen Produktportfolio angewendet. Dabei werden die drei Anwendungsfälle Prognose von „marktspezifischen und technischen Eigenschaften der Produktvarianten“, Ermittlung von „Ähnlichkeiten von Produktvarianten“ und Identifikation von „Korrelationen zwischen Merkmalsausprägungen“ mit realen Daten des Industriepartners umgesetzt. Das Framework sowie die in der Fallstudie beim Industriepartner erzielten Ergebnisse werden anschließend Experten im Produktportfolio- und Variantenmanagement vorgestellt. Diese bewerten die Ergebnisse hinsichtlich der funktionalen Eigenschaften sowie dem Mehrwert aus Sicht der Forschung und industriellen Praxis anhand zuvor definierter Kriterien.:1 Einführung 1.1 Motivation 1.2 Komplexe Produktportfolios: Eine Industrieperspektive 1.3 Zielsetzung und Forschungsfragen 1.4 Aufbau der Arbeit 2 Grundlagen zur Analyse von Produktportfolios mittels Machine Learning 2.1 Komplexe Produktportfolios 2.1.1 Terminologie komplexer Produktportfolios 2.1.2 Strukturierung komplexer Produktportfolios 2.1.3 Analyse und Anpassung komplexer Produktportfolios 2.1.4 Zusammenfassung: Komplexe Produktportfolios 2.2 Machine Learning 2.2.1 Machine Learning als Teil der künstlichen Intelligenz 2.2.2 Terminologie Machine Learning 2.2.3 Wissensgenerierung mit Machine Learning 2.2.4 Datenanalyseprozess 2.2.5 Machine Learning Verfahren und Algorithmen 2.2.6 Zusammenfassung: Machine Learning 3 Ansätze zur Analyse von Produktportfolios mittels Machine Learning 3.1 Kriterien zur Bewertung bestehender Ansätze 3.2 Bestehende Ansätze aus der Literatur 3.2.1 Einsatz überwachter Lernverfahren 3.2.2 Einsatz unüberwachter Lernverfahren 3.2.3 Einsatz kombinierter Lernverfahren 3.3 Resultierender Forschungsbedarf 4 Forschungsvorgehen 4.1 Design Research Methodology (DRM) 4.2 Vorgehen und Methodeneinsatz 4.3 Kriterien für die Entwicklung des Frameworks 4.4 Schlussfolgerungen zum Forschungsvorgehen 5 Framework zur Analyse komplexer Produktportfolios 5.1 Übersicht über das Framework 5.2 Baustein 1: Wissensbedarfe zur Analyse komplexer Produktportfolios 5.2.1 Informationssuche 5.2.2 Formulierung von Alternativen 5.2.3 Prognose 5.2.4 Kriterien zur Auswahl der Wissensbedarfe 5.3 Baustein 2: Datenbasierte Beschreibung komplexer Produktportfolios 5.3.1 Produktdatenmodell 5.3.2 Vertriebsdaten 5.3.3 Nutzungsdaten 5.4 Baustein 3: Systematische Generierung und Einsatz von Wissen 5.4.1 Baustein 3.0: Vorbereitung von Produktportfoliodaten 5.4.2 Baustein 3.1: Regressionsanalyse 5.4.3 Baustein 3.2: Klassifikationsanalyse 5.4.4 Baustein 3.3: Clusteranalyse 5.4.5 Baustein 3.4: Assoziationsanalyse 5.5 Anwendung des Frameworks 5.6 Schlussfolgerung zum Framework 6 Validierung des Frameworks 6.1 Konzept der Validierung 6.2 Baustein 1: Wissensbedarfe zur Analyse komplexer Produktportfolios 6.3 Baustein 2: Datenbasierte Beschreibung komplexer Produktportfolios 6.4 Baustein 3: Systematische Generierung und Einsatz von Wissen 6.4.1 Marktspezifische und technische Produkteigenschaften 6.4.2 Ähnlichkeiten von Produktvarianten 6.4.3 Korrelationen zwischen Merkmalsausprägungen 6.5 Erfolgsvalidierung mit einer Expertenbefragung 6.6 Schlussfolgerung zur Validierung 7 Diskussion 7.1 Nutzen und Einschränkungen 7.2 Ergebnisbeitrag für die Forschung 7.3 Ergebnisbeitrag für die Industrie 8 Zusammenfassung und Ausblick 8.1 Zusammenfassung 8.2 Ausblick 9 Literaturverzeichnis 10 Abbildungsverzeichnis 11 Tabellenverzeichnis Anhang A-1