Cette étude présente la recherche-action d’inspiration pragmatiste menée au sein du Programme de production du Système, un produit complexe de haute technologie. Dans un secteur où les contraintes sont de plus en plus fortes, certaines activités qui pendant longtemps n’avaient pas été questionnées commencent à être remises en cause. La gestion des évolutions techniques, dont le processus permet de mettre en œuvre de changements sur la définition du produit, en fait partie. Or, le constat de la présence de modifications sans coûts identifiés dans cette activité a soulevé la question de recherche suivante : Comment la « modification sans coût » émerge-t-elle en tant qu’outil dans l’organisation et quelles sont ses relations avec les pratiques de la gestion des évolutions dans la production du Système ? Pour y répondre, la recherche-action a permis d’analyser les conditions de l’émergence de l’outil de gestion « modification sans coût » au cœur des pratiques de l’activité de gestion de configuration de l’Entreprise. La théorie de l’acteur-réseau s’est ensuite révélée, en raison des caractéristiques spécifiques du terrain, comme le plus adéquat pour appréhender cet outil. Dans ce cadre, la discussion proposée permettra de déconstruire la boîte noire qu’est devenue la « modification sans coût » et de mettre en évidence ses multiples dimensions. La « modification sans coût » apparaîtra ainsi comme un actant du réseau de gestion de configuration et un outil porteur d’habitudes héritées du passé. Cette interprétation établira ainsi le rôle de la « modification sans coût » dans le maintien de logiques d’actions et de pratiques collectives antérieures au sein de l’organisation. / This study presents a pragmatist action-research conducted in the production Program of the System, a complex high-tech product. In an industrial domain where constraints are getting increasingly stronger, some activities are now questioned. The engineering change management, which process allows to apply changes in the product definition, is one of these. However, the observation that for some modifications no costs were identified brings to the following research question: How the “no cost modification” emerges as a management accounting tool in the organization and what are its relationships with the engineering changes’ practices in the System production? In order to answer it, the action-research allows to analyze the emerging conditions of the “no cost modification” in the engineering changes’ practices. The actor-network theory reveals then itself as the most adequate framework in order to apprehend this management accounting tool considering the field specificities. In this context, the discussion proposed gives the opportunity to deconstruct the black box “no cost modification” and to put in evidence its multiple dimensions. The “no cost modification” appears to be an “actant” of the configuration management network and a management accounting tool carrying habits linked to the past. This interpretation will so establish the role of the “no cost modification” in the maintenance of previous action logics and collective practices in the organization.

L’objectif de cette thèse est de contribuer au développement d’approches méthodologiques et d’outils informatiques pour développer les chaînes d’intégration numériques en entreprise étendue. Il s’agit notamment de mieux intégrer et d’optimiser les activités de conception, d’intégration et de simulation dans le contexte du développement collaboratif des produits/systèmes complexes.La maquette numérique (DMU) – supportée par un système de gestion de données techniques (SGDT ou PDM) – est devenue ces dernières années un environnement fédérateur clé pour échanger et partager une définition technique et une représentation 3D commune du produit entre concepteurs et partenaires. Cela permet aux concepteurs ainsi qu’aux utilisateurs en aval (ceux qui sont en charge des simulations numériques notamment) d’avoir un accès à la géométrie du produit virtuel assemblé. Alors que les simulations numériques 3D et 2D prennent une place de plus en plus importante dans le cycle de développement du produit, la DMU offre de nouvelles perspectives à ces utilisateurs pour récupérer et exploiter les données CAO appropriées et adaptées pour les analyses par éléments finis. Cela peut ainsi permettre d’accélérer le processus de préparation du modèle de simulation. Cependant, les environnements industriels de maquettes numériques sont actuellement limités dans leur exploitation par : - un manque de flexibilité en termes de contenu et de structure, - l’absence d’artefact numérique 3D permettant de décrire les interfaces des composants de l’assemblage, - un manque d’intégration avec les données et activités de simulation.Cette thèse met notamment l’accent sur les transformations à apporter aux DMU afin qu’elles puissent être utilisées comme données d’entrée directes pour les analyses par éléments finis d’assemblages volumineux (plusieurs milliers de pièces). Ces transformations doivent être en cohérence avec le contexte et les objectifs de simulation et cela nous a amené au concept de « vue produit » appliquée aux DMUs, ainsi qu’au concept de « maquette comportementale » (BMU). Une « vue produit » définit le lien entre une représentation du produit et l’activité ou le processus utilisant ou générant cette représentation. La BMU est l’équivalent de la DMU pour les données et les processus de simulation. Au delà des géométries discrétisées, la dénommée BMU devrait, en principe, lier toutes les données et les modèles qui seront nécessaires pour simuler le comportement d’un ou plusieurs composants. L’élément clé pour atteindre l’objectif d’élargir le concept établi de la DMU (basée sur des modèles CAO) à celui de la BMU (basée sur des modèles CAE), est de trouver un concept d’interface bidirectionnel entre la BMU et sa DMU associée. C’est l’objectif du « Design-Analysis System Integration Framework » (DASIF) proposé dans cette thèse de doctorat. Ce cadre a vise à être implémenté au sein d’environnements PLM/SLM et doit pouvoir inter-opérer à la fois avec les environnements CAD-DMU et CAE-BMU. DASIF allie les fonctionnalités de gestion de données et de configuration des systèmes PDM avec les concepts et formalismes d’ingénierie système basée sur les modèles (MBSE) et des fonctionnalités de gestion des données de simulation (SDM). Cette thèse a été menée dans le cadre d’un projet de recherche européen : le projet CRESCENDO qui vise à développer le « Behavioural Digital Aircraft » (BDA) qui a pour vocation d’être la« colonne vertébrale » des activités de conception et simulation avancées en entreprise étendue. Le concept du BDA doit s’articuler autour d’une plateforme collaborative d’échange et de partage des données de conception et de simulation tout au long du cycle de développement et de vie des produits aéronautiques. [...] / The aim of this doctoral thesis is to contribute to the facilitation of design, integration and simulation activities in the aeronautics industry, but more generally in the context of collaborative complex product development. This objective is expected to be achieved through the use and improvement of digital engineering capabilities. During the last decade, the Digital Mock-Up (DMU) – supported by Product Data Management (PDM) systems – became a key federating environment to exchange/share a common 3D CAD model-based product definition between co-designers. It enables designers and downstream users(analysts) to access the geometry of the product assembly. While enhancing 3D and 2D simulations in a collaborative and distributed design process, the DMU offers new perspectives for analysts to retrieve the appropriate CAD data inputs used for Finite Element Analysis (FEA), permitting hence to speed-up the simulation preparation process. However, current industrial DMUs suffer from several limitations, such as the lack of flexibility in terms of content and structure, the lack of digital interface objects describing the relationships between its components and a lack of integration with simulation activities and data.This PhD underlines the DMU transformations required to provide adapted DMUs that can be used as direct input for large assembly FEA. These transformations must be consistent with the simulation context and objectives and lead to the concept of “Product View” applied to DMUs andto the concept of “Behavioural Mock-Up” (BMU). A product view defines the link between a product representation and the activity or process (performed by at least one stakeholder) that use or generate this representation as input or output respectively. The BMU is the equivalent of the DMU for simulation data and processes. Beyond the geometry, which is represented in the DMU,the so-called BMU should logically link all data and models that are required to simulate the physical behaviour and properties of a single component or an assembly of components. The key enabler for achieving the target of extending the concept of the established CAD-based DMU to the behavioural CAE-based BMU is to find a bi-directional interfacing concept between the BMU and its associated DMU. This the aim of the Design-Analysis System Integration Framework (DASIF) proposed in this PhD. This framework might be implemented within PLM/SLM environments and interoperate with both CAD-DMU and CAE-BMU environments. DASIF combines configuration data management capabilities of PDM systems with MBSE system modelling concepts and Simulation Data Management capabilities.This PhD has been carried out within a European research project: the CRESCENDO project, which aims at delivering the Behavioural Digital Aircraft (BDA). The BDA concept might consist in a collaborative data exchange/sharing platform for design-simulation processes and models throughout the development life cycle of aeronautics products. Within this project, the Product Integration Scenario and related methodology have been defined to handle digital integration chains and to provide a test case scenario for testing DASIF concepts. These latter have been used to specify and develop a prototype of an “Integrator Dedicated Environment” implemented in commercial PLM/SLM applications. Finally the DASIF conceptual data model has also served as input for contributing to the definition of the Behavioural Digital Aircraft Business Object Model: the standardized data model of the BDA platform enabling interoperability between heterogeneous PLM/SLM applications and to which existing local design environments and new services to be developed could plug.

Mit der zunehmenden Bedeutung von virtuellen Prototypen in den frühen Phasen der Produktentwicklung wachsen ebenso die an die verwendeten Softwarelösungen gestellten Anforderungen. Sollen unterschiedliche Faktoren wie Funktionalität, Design oder auch Ergonomie getestet werden, so muss die verwendete Software Module bereitstellen, welche die Erstellung von ganzheitlichen Produktmodellen ermöglichen. Zu den benötigten Modulen zählen zum Beispiel Simulation, Grafik, Eingabeschnittstellen oder Sound. Mit der steigenden Komplexität der zu erstellenden Prototypen wächst jedoch auch der Aufwand für die Entwickler und Anwender, sich in diese einzuarbeiten, diese zu konfigurieren und zu verwalten. An dieser Stelle setzt das Forschungsprojekt GENIAC an. Sein Ziel ist es, die Konfiguration von hochkomplexen Software-Frameworks mit Hilfe natürlicher Benutzeroberflächen zu vereinfachen. Hierzu werden die zu untersuchenden Konfigurationen als Netzwerke auf großflächigen Multi-Touch Bildschirmen dargestellt und mittels natürlicher Gestensteuerung bearbeitet.

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