Références
Présentation
Auteur(s)
-
Jean RENAUD : Professeur des Universités, INSA Strasbourg
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleINTRODUCTION
Les idées de projets, comme toutes les données brutes récoltées sur le terrain par votre entreprise, doivent être regroupées et structurées avant d’être utilisées. Cette fiche vous propose d’utiliser une méthode issue de la théorie des Rough Sets (ensembles approximatifs) pour classer vos idées de projets à partir de vos préférences.
Vous désirez savoir comment vous y prendre concrètement :
-
Qu’est-ce que la théorie des Rough Sets ?
-
Comment vous préparer à la méthode préconisée ?
-
Quelles sont les différentes étapes de la démarche ?
-
Exemple d’application sur un cas industriel.
L'expertise technique et scientifique de référence
DOI (Digital Object Identifier)
Cet article fait partie de l’offre
Management et ingénierie de l'innovation
(450 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Des modules pratiques
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
Exemple d’application industrielle3. Préparer les différentes étapes de la méthode
-
Recenser une population (P) d’idées de projets, de produits (i) : (P = {A1, A2… An}, i = 1, 2… n). Les auteurs utiliseront des méthodes comme le brainstorming ou autres approches et méthodes pour faire émerger un nombre maximal d’idées innovantes, non redondantes, exhaustives, etc.
-
Définir un jeu de critères entre 3 et 5 : ils doivent être disjoints, non contradictoires, non corrélés entre eux ou non redondants et cohérents entre eux. Les critères doivent être définis à partir de règles connues et acceptées par tous. Chaque critère est pourvu d’une échelle explicite. Les critères expriment les préférences du décideur.
-
Renseigner l’ensemble des idées à partir de chaque critère : chaque critère peut être défini à partir d’une fonction d’utilité (unique à chaque critère). Une fonction d’utilité définit l’importance de la préférence de l’expert ui(gi) en fonction des valeurs de chaque critère gi. Un exemple d’une fonction d’utilité d’une préférence d’un expert donné pour une recherche d’une maison dont la surface peut varier est donné ci-dessous. Plusieurs formes de fonctions d’utilité existent comme les formes triangulées, convexes, concaves.
Les fonctions d’utilité peuvent prendre différentes formes (triangulées, convexe, concave, gaussienne…) selon les préférences des experts.
-
Proposer une idée ou un projet cible : il s’agit de proposer une idée ou un projet souhaité correspondant aux des différents critères. Une valeur optimale est donnée pour chaque critère.
-
Extraire un échantillon de 5 à 7 idées ou projets parmi une population : les idées ou projets sélectionnés doivent être le plus disjoints que possible.
-
Classement des idées ou projets par ordre décroissant par l’expert en fonction de ses préférences. Connaissant la cible visée, l’expert va proposer son propre classement. Une manière « d’extraire » la connaissance de l’expert.
-
Comparaison des produits de l’échantillon deux à deux afin d’extraire l’ensemble des règles de préférences et...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Management et ingénierie de l'innovation
(450 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Des modules pratiques
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Préparer les différentes étapes de la méthode
ANNEXES
-
Z. Pawlak, Rough Sets, Institute of Theoretical and Applied Informatics, Polish Academy of Sciences, ul. Baltycka 5, 44 100 Gliwice, Poland
-
J. Renaud, chapitre 16 « Application des Rough Sets à la prise de décision », La Conception industrielle de produits, Vol. 3, 2008, Ingénierie de l’évaluation et de la décision, collection Hermes, Lavoisier
-
B. Walczak, D. L. Massart, Rough Sets Theory, Chemometrics and Intelligent Laboratory systems, vol. 47, 1999, p. 1-16
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Management et ingénierie de l'innovation
(450 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Des modules pratiques
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
