Académique Documents
Professionnel Documents
Culture Documents
net/publication/260752273
CITATIONS READS
8 1,276
4 authors, including:
Nadège Troussier
Université de Technologie de Troyes
108 PUBLICATIONS 563 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Bernard Yannou on 18 December 2014.
www.hermes-science.com
www.lavoisier.fr
Le Code de la propriété intellectuelle n'autorisant, aux termes de l'article L. 122-5, d'une part,
que les "copies ou reproductions strictement réservées à l'usage privé du copiste et non
destinées à une utilisation collective" et, d'autre part, que les analyses et les courtes citations
dans un but d'exemple et d'illustration, "toute représentation ou reproduction intégrale, ou
partielle, faite sans le consentement de l'auteur ou de ses ayants droit ou ayants cause, est
illicite" (article L. 122-4). Cette représentation ou reproduction, par quelque procédé que ce
soit, constituerait donc une contrefaçon sanctionnée par les articles L. 335-2 et suivants du
Code de la propriété intellectuelle.
Tous les noms de sociétés ou de produits cités dans cet ouvrage sont utilisés à des fins
d’identification et sont des marques de leurs détenteurs respectifs.
Printed and bound in England by Antony Rowe Ltd, Chippenham, May 2008.
La conception industrielle
de produits
volume 3
ingénierie de l’évaluation
et de la décision
sous la direction de
Bernard Yannou
Hervé Christofol
Daniel Jolly
Nadège Troussier
DIRECTION ÉDITORIALE HISHAM ABOU-KHANDIL
Collection Productique
SOUS LA DIRECTION DE JEAN-PAUL BOURRIÈRES
Introduction générale. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
Bernard YANNOU
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311
Les trois volumes de la série ont été organisés autour des aspects humains
et d’organisation pour le volume 1, des aspects de gestion des paramètres du
produit durant le déroulement du projet pour le volume 2, et des méthodes
spécifiques d’évaluation et d’aide à la décision appliquées à la conception de
produits pour le volume 3. Leurs titres :
– volume 1 : « Management des hommes, des projets et des informations » ;
– volume 2 : « Spécifications, déploiement et maîtrise des performances » ;
– volume 3 : « Ingénierie de l’évaluation et de la décision ».
Bernard YANNOU
1. http://www.aip-primeca.net/
2. Il s’agit des groupes de travail IS3C (ingénierie des systèmes de conception et conduite du
cycle de vie produit) et C2EI (modélisation et pilotage des systèmes de connaissances et de
compétences dans les entreprises industrielles).
INTRODUCTION AU VOLUME 3
Hervé CHRISTOFOL
PREMIÈRE PARTIE
1.1. Introduction
En effet, il nous est apparu d’une part que les phases préliminaires du
processus de conception, que l’on peut délimiter par les phases de définition
du projet jusqu’à la phase de conception générale comprise, sont celles qui
sont le moins formalisées. Et d’autre part qu’aujourd’hui les pratiques de
conception (sensorielle et sémantique) durant les phases préliminaires
accordent une place secondaire et limitée à l’évaluation par rapport à la place
accordée au processus de génération de concepts. Nous pouvons avancer
plusieurs raisons qui expliquent que les activités d’évaluation des
propositions de solutions soient souvent sacrifiées dans les projets de
conception :
– elles interviennent en fin de phases alors que le temps qui leur était
imparti a pu déjà être consommé par les activités précédentes (études et
modélisations, créativité, gestion de l’information, communication, gestion
du projet, faisabilité, etc.) ;
– les informations figurant dans les cahiers des charges ne sont pas
toujours mises à jour ;
– les concepteurs peuvent être égocentrés et se satisfaire de leur
autoévaluation ;
– les décideurs peuvent se considérer omniscients et ne pas valoriser
d’autres points de vue que le leur, etc.
3. Ce groupe est constitué de l’ensemble des auteurs de cette première partie de l’ouvrage :
Carole BOUCHARD, Stéphanie BUISINE, Hervé CHRISTOFOL coordonnateur du groupe, Anne
GUENAND, Fabrice MANTELET, Jean-Pierre NADEAU, Jérome PAILHES, Jean-François PETIOT,
Benoît ROUSSEL.
Méthodes d’évaluation sensorielle et sémantique 29
Catégorisation Méthodes
Type A : Analyse Fonctionnelle (externe et interne)
Evaluation du produit Analyses des phénomènes physiques
Analyses des harmonies chromatiques
Type B : Recueil des imaginaires clients et méthodes d’évaluation
Evaluation de la cible marketing
marketing Analyse conjointe
Evaluation des attributs du produit de D. Bachelet
Type C : Evaluation sémiotique et analyses sémantiques de l’offre ;
Évaluation de l’interaction Analyses de l’usage
produit/utilisateur Conception à l’Ecoute du Marché
Évaluation micro-psychologique
Analyses sensorielles
Chaînage cognitif moyens–fins et chaînage Valeur–
Fonctions–Attribut
concepteur qui relie des valeurs des utilisateurs ciblés, des fonctions
sémantiques et les attributs du produit conçu.
C’est par une étude précise des usages d’un produit que le concepteur
pourra déterminer les fonctions auxquelles devra répondre le produit et les
différents sens mobilisés pour évaluer la pertinence des attributs retenus pour
satisfaire ces fonctions. Dans le cas de l’analyse de l’usage, ces études sont
principalement des observations in situ d’utilisation de produits existants, de
maquettes ou de prototypes.
Après une analyse statistique distincte des deux espaces (celui des
préférences et celui des descripteurs), ils sont comparés afin de déterminer
quelles caractéristiques sensorielles sont plébiscitées ou rejetées par le panel
de consommateurs.
Délais de
Métier/
Méthodes/ Marketing pull/ Objectives/ Qualitatives/ formation/
interdisci-
critères techno push subjectives quantitatives de mise en
plinaire
oeuvre
Au global de type
Objective Interdisci-
C ; type A
Analyse (caractérisation) plinaire 6 mois /
(caractérisation) Quantitative
sensorielle intersubjective (ingénierie + 2 semaines
type B
(préférence) design)
(préférence)
Interdisci-
plinaire
Analyse 1 mois /
Type C Intersubjective Qualitative (SHS ou
sémantique 2 semaines
marketing +
design)
Analyse des
Quantitative et Métier 2 mois /
phénomènes Type A Objective
qualitative (ingénierie) 2 semaines
physiques
Objective
Métier
Analyse de (mesure) Quantitative et 2 mois /
Type C (ergonomie
l’usage intersubjective qualitative 2 mois
ou design)
(compréhension)
Analyse de l’usage
2.1. Introduction
2.3.1. Définition
entre les êtres humains et les autres composantes d’un système, et la mise
en œuvre dans la conception de théories, de principes, de méthodes et de
données pertinentes afin d'améliorer le bien-être des hommes et
l'efficacité globale des systèmes. Les ergonomes contribuent à la
conception et à l’évaluation des tâches, du travail, des produits, des
environnements et des systèmes en vue de les rendre compatibles avec les
besoins, les compétences et les limites des personnes ». Société
d’ergonomie de langue française et International Ergonomic Association
[SEL 06].
Nous les avons fait utiliser le simulateur sur parcours urbain pendant
trente minutes. Dans ce laps de temps, ils avaient pour instruction de
procéder à au moins dix réglages des fonctions de confort, au choix. Pour
cela nous ne leur avons donné aucune consigne sur la manière d’utiliser
l’interface multimodale, afin d’observer leurs comportements spontanés.
Enfin, une fois le test fini, les utilisateurs ont répondu à un questionnaire.
Analyse de l’usage 55
2.4.3. Résultats
Pour mettre en évidence des relations entre ces variables, nous avons
utilisé la méthode d’analyse en composantes principales [BUI 06], qui a
fourni une visualisation du nuage des variables, autour de deux axes
(figure 2.3, graphique du haut). L’examen des contributions à la variance de
chaque axe permet ensuite d’interpréter la signification des axes : nous
voyons ainsi que l’axe vertical oppose les commandes verbales en haut avec
les commandes gestuelles en bas. Nous renommons donc cet axe « parole vs.
gestes ». De même, nous voyons que l’axe horizontal oppose : à gauche, la
complémentarité et la séquentialité et à droite, la concurrence et la
redondance. Nous considérons que la gauche de l’axe représente un mode de
communication optimisé puisque chaque modalité est utilisée pour un
élément de la commande et que l’utilisateur étale ces éléments dans le temps
afin de ne pas mobiliser toutes ses ressources attentionnelles à un même
instant. Réciproquement, la concurrence et la redondance constituent des
modes de communication non optimisés puisque la même commande est
donnée par les deux modalités ou bien que celles-ci s’opposent. Nous
renommons donc l’axe horizontal « communication optimisée versus peu
optimisée » (figure 2.4).
Figure 2.4. Résultats de l’ACP : nuage des variables et nuage des groupes d’individus
Analyse de l’usage 57
Nous avons ensuite calculé la position des points moyens des groupes
d’utilisateurs (novices, occasionnels, et experts) sur les axes tels que nous
les avons renommés. Ceci nous a permis de comparer les groupes
d’utilisateurs en fonction du comportement qu’ils ont manifesté durant le
test. Ainsi, il apparaît que les novices se caractérisent principalement par
l’utilisation de la parole. Les conducteurs occasionnels se caractérisent
par l’utilisation de gestes et par une communication optimisée. Enfin, les
experts se caractérisent de façon primordiale par l’utilisation de gestes.
Ces résultats montrent que les commandes verbales ont été
principalement exploitées par les utilisateurs novices, c’est-à-dire la
population qui a probablement le moins automatisé l’activité de conduite.
L’utilisation de commandes verbales leur permet de conserver un
maximum de ressources perceptives et motrices pour l’activité de
conduite. A l’inverse, les experts qui ont sans doute fortement automatisé
la conduite peuvent allouer davantage de ressources à l’utilisation de
commandes gestuelles pour la gestion des fonctions de confort. Il est
également probable qu’ils préfèrent ce mode opératoire car il respecte
leurs habitudes. Enfin, les utilisateurs occasionnels constituent une
population intermédiaire qui peut allouer des ressources cognitives à
l’interaction gestuelle mais qui a des habitudes de conduite moins ancrées
que les utilisateurs experts.
2.4.4. Discussion
devra donc être implanté en priorité dans des voitures destinées aux
jeunes conducteurs.
2.5. L’usage : un terme global regroupant des visions locales sur l’usager
3.1. Introduction
-3 -2 -1 0 1 2 3
Moderne Classique
High-tech Rétro
Ergonomique Inadapté
--- -- - 0 + ++ +++
Moderne Classique
High-tech Rétro
Ergonomique Inadapté
1 2 3 4 5 6 7
Moderne Classique
High-tech Rétro
Ergonomique Inadapté
Les qualificatifs sont placés de manière aléatoire pour ne pas avoir d’un
côté les aspects positifs et de l’autre les aspects négatifs dans le but de ne pas
influencer le sujet.
Il est exclu et inutile dans la plupart des cas d'interroger l'ensemble des
individus qui composent l’étude. Il est en revanche possible de constituer un
Analyse sémantique en conception de produits 67
Cette méthode peut être utilisée pour évaluer les significations d’un objet
comme le dit Améziane Aoussat dans sa thèse [AOU 90]. En effet, on réalise
un profil idéal que l’on compare au profil des solutions émises. La solution
la plus proche du profil idéal sera la solution retenue (figure 3.3).
Après avoir recueilli les données des questionnaires remplis, elles sont
codées.
Figure 3.4. Etude des profils sémantiques par ACP [PAT 05]
70 La conception industrielle de produits 3
3.5. Conclusion
Observez les images des produits présentés en figure 3.5. Quatre de ces
baladeurs musicaux ont été conçus dans le cadre d’un projet prospectif de
conception centrée sur l’utilisateur, en revendiquant deux grands axes :
l’intuitivité et le plaisir d’usage.
1. Individuellement, dressez une liste d’une dizaine d’adjectifs qui
vous semblent décrire les produits et qui permettent de les différencier.
2. Première mise en commun : par groupe de 2 ou 3 personnes,
sélectionnez les adjectifs (et antonymes) pertinents en fonction des critères
vus en cours.
3. Deuxième mise en commun : au tableau ou au paper-board,
présentez par groupe votre liste de descripteurs. Chaque groupe vient
Analyse sémantique en conception de produits 71
Questions :
1. Quel type d’échelle choisira-t-on ?
2. Combien de graduations présentera-t-elle ?
5. Tous droits réservés aux auteurs des dessins : Stéphane LANOE, licence copyleft n° 2,
contact steph_ln@hotmail.com ; Guillaume SANVITO, contact guillaume.sanvito@tremplin-
utc.net ; Adrien LEBBE, contact adrien.lebbe@tremplin-utc.net ; Thomas BARSE, contact
thomas.barse@gmail.com
72 La conception industrielle de produits 3
Enfin, les concept-produits ont été réalisés selon un cahier des charges
propre à chaque groupe projet, il convient là aussi d’ajouter les qualificatifs
de chacun à la liste commune, dans la limite d’une vingtaine de descripteurs,
de sorte à valider que les descripteurs liés au cahier des charges du produit
A, B, C ou D sont bien les mieux évalués par la cible à laquelle est destinée
chaque produit.
La figure 3.7 montre les résultats pour trois produits, selon les trois
modalités sensorielles. Nous pouvons constater que les résultats des
évaluations en mode visuel ne sont pas en cohérence avec les résultats
des évaluations acoustiques, voire liées aux manipulations.
Analyse sémantique en conception de produits 75
Figure 3.7. Illustration de l’écart qui existe entre les perceptions des valeurs connotatives
lors de tests visuels et lors de tests de manipulations. (Différentiel sémantique
en mode visuel et différentiel sémantique en mode manipulatoire)
Descripteurs
sensoriels Mesures
Pf Portables
biomecaniq biomecaniques
ues
Force ouv/fer:
Nerveux
0.44/0.18 N
Résistantà
1er Samsung Ang.criti. Ouv/fer:
l’ouverture
SGH-A300 71/47.5º
Résistantà
Vitesse ouv/fer:
la fermeture
259.62/310.46º/s
Force ouv/fer:
Nerveux
0.13/0.08 N
1er Sony CMD Résistantà
Ang.criti. Ouv/fer:
bis -Z5 l’ouverture
42/25º
Résistantà
Vitesse ouv/fer:
la fermeture
190.63/294.12º/s
Force ouv/fer:
Facile 0.48/0.04 N
3è d’ouverture Ang.criti. Ouv/fer:
Motorola V.
1 main 66/57º
Vitesse ouv/fer:
223.84/341.32º/s
Force ouv/fer:
Sonie: 2.25 sones
Facile 0.12/0.11 N
Acuité: 1.27 acum.
3è d’ouverture Ang.criti. Ouv/fer:
Tonie: 48 tu
bis DoCoMo 1 main 71/44º
Rugosité: 1.18 asper
D601ps Vitesse ouv/fer:
Plaisir:0.04 pu
385.87/511.63º/s
On peut ainsi noter que dans le cas où une entreprise souhaite respecter un
cahier des charges définissant les qualités sensorielles du produit à concevoir,
alors utilisant ce travail elle pourra garantir les qualités sensorielles projetées
[GUE 03, GUE 05].
Pour intégrer toutes ces nouvelles contraintes, les industriels ont été
amenés à réfléchir à l’intégration du client-utilisateur à chaque stade de la
conception/fabrication du produit [GIB 01, CRO 00, ROU 04]. Le client est
maintenant présent non seulement lors des classiques phases d’étude de
marché et de définition du besoin client (marketing), mais également dans
les phases de recherche, de mise en œuvre, et d’évaluation de solutions
techniques [PET 04]. Le concept de qualité perçue devient désormais
incontournable pour de nombreux produits manufacturés. La difficulté pour
les industriels est principalement de relier cette qualité perçue aux
caractéristiques du produit : ils doivent faire correspondre une émotion, une
sensation, un sentiment particulier aux éléments du design des produits
qu’ils proposent.
Afin de développer des produits préférés par les consommateurs (ou par
des groupes homogènes de consommateurs, les segments), le principe de la
démarche sensorielle consiste à expliquer les préférences des
consommateurs par les propriétés sensorielles des produits, puis ensuite
d’expliquer ces propriétés sensorielles par les caractéristiques physiques des
Analyse sensorielle en conception de produits 81
stimulus
question sujet
réponse
Réponse verbale ou
comportementale
Afin d’obtenir des mesures sensorielles les plus fiables possibles, il s’agit
de définir une liste de « descripteurs sensoriels » pertinents et consensuels
pour décrire les produits, puis de sélectionner et d’entraîner les experts afin
qu’ils fournissent des évaluations reproductibles sur ces descripteurs. Pour
que le profil sensoriel des produits testés soit utilisable pour la conception,
ce panel doit être :
– représentatif, c’est-à-dire posséder une moyenne représentative du
groupe (distribution normale) ;
– reproductible ; pour une série d’essais sur un même produit
(réplication), les résultats d’un expert doivent peu varier (écart-type faible),
les experts doivent associer une sensation avec un descripteur et être
reproductibles et étalonnés sur cette association ;
– homogène ; les résultats des experts ne doivent pas être très différents
les uns des autres (analyse de la variance).
6. Par exemple, le champ des odeurs utilisé par Renault comporte quarante-cinq molécules de
référence réparties sous 11 pôles. L’échelle de cotation varie de zéro à cinq.
84 La conception industrielle de produits 3
2. désagréable 6. agréable
3. assez désagréable
7. Très agréable
4. ni désagréable ni
agréable
Cartographie de préférences
7. Par opposition aux cartographies internes des préférences, qui étudient directement la
structure de préférence indépendamment des données sensorielles.
8. En anglais PREFMAP, pour PREFerence MAPping.
86 La conception industrielle de produits 3
k k k k
Y = α + ∑ β i . X i + ∑ δ i . X i2 + ∑∑ γ ij . X i X j (4.1)
i =1 i =1 i =1 j = i
Y = α + β1.d1 + β 2 .d 2 (4.2)
β1 β2 α R2 F Significatif (p = 0.05)
C5
A
C6 C4
C
C3
C2
C1
d1
4.3. Conclusions
10. Cette méthode est très intéressante pour cannibaliser/concurrencer un produit existant. En
revanche, elle n’est pas directement efficace pour innover : on reste en effet « piégé » dans
l’espace des descripteurs sensoriels proposés, qui sont définis a priori. Ainsi, toute solution
originale (innovation de rupture) qui sortirait de cet espace, c’est-à-dire qui générerait d’autres
sensations ou impressions, ne peut y être représentée.
90 La conception industrielle de produits 3
4.4.1. Introduction
Descripteur
Caractérisation du son de fermeture sec, net
feutré
vibrant
nerveux
sourd
aigu, métallique
Tableau 4.2. Six descripteurs du son de fermeture du boîtier d’un téléphone portable
11. Voir J.M. LOPEZ, A. GUENAND. « Study on subjective evaluation of perceived quality of flap
mobile phones and prediction of sensorial profil ». Proceedings of ICED 03, Stockholm, 2003.
Analyse sensorielle en conception de produits 91
P6
2 vibrant nerveux
F2 (25,99 %)
1 P3
P5
P7 sourd
Aigu, métallique
0
P2
étouffé
-1 sec, net
P4
P1
P8
-2
-4 -3 -2 -1 0 1 2 3 4
F1 (60,64 %)
Tableau 4.3. Contribution des produits (individus) à la définition des axes de projection
(composantes principales)
92 La conception industrielle de produits 3
Vecteurs propres :
F1 F2
étouffé -0,465 -0,163
vibrant -0,139 0,682
nerveux 0,278 0,651
sec, net 0,439 -0,278
sourd -0,492 0,083
Aigu, métallique 0,502 0,003
Tableau 4.5. Corrélations entre les descripteur sensoriel et les mesures objectives
(les valeurs en gras sont significativement différentes de 0 à un niveau
de signification alpha = 0,05)
Analyse sensorielle en conception de produits 93
Une étude hédonique a été menée sur des sujets des consommateurs
courants afin de connaître la préférence des clients sur les « claps » de
fermeture des boîtiers de portable.
P6
Groupe A Groupe C
1 P3
P5
F2
P7
Groupe D
0
-3 -2 -1 0 1 2 3 4
P2
P4 -1
Groupe B
P1
P8
-2
F1
Conclusions
Groupe A Très Bon ajustement du modèle. Le groupe A apprécie les sons sourds et
étouffés (P6, P7), plutôt « vibrant »
Groupe B Très Bon ajustement du modèle. Le groupe B apprécie les sons sourds et
étouffés (P8, P4), plutôt « pas vibrant »
Recherche de relations
0 Moment significatif 0
-- Transition a
1 Moment significatif 1
-- Transition b
2 Moment significatif 2
-- Transition c
3 Moment significatif 3
-- Transition d
Les sensations qu’éprouve l’utilisateur d’un produit font appel aux cinq
sens et à la somesthésie [DOR 07a]. La somesthésie est associée au retour
d’effort. La somesthésie est la sensibilité aux diverses excitations subies
par le corps, à l’exception de celles provenant des organes sensoriels. Elle
comprend les sensations extéroceptives (tact, pression, chaud, froid), les
sensations proprioceptives (musculaires et tendineuses) et les sensations
douloureuses. Ces sensations sont liées en partie au contrôle que
l’utilisateur peut effectuer sur l’accomplissement de la fonction désirée.
FC2
skieur
ski
FS1 pente
FC1 neigeuse
Afin de définir les grandeurs physiques que l’on peut associer aux
caractéristiques sensorielles, il faut identifier les flux fonctionnels utiles et
induits par la satisfaction des fonctions de premier niveau. A cette fin,
plusieurs outils sont à notre disposition, la redondance d’une partie de ces
Analyse des phénomènes physiques 101
en ez
α er
α
ey
et ex
Figure 5.6. Action de contact neige/ski
Dans ce cas précis, nous avons des comportements différents du ski selon
la localisation du contact sur le ski. Nous devons compléter l’analyse en
descendant au niveau 1 de la décomposition du système (figure 5.4) pour
discriminer le comportement de la spatule, du talon et du patin du ski.
Toute action génère des effets induits. Nous proposons des aides pour
définir les effets produits et induits que l’on retrouve dans la référence
[NAD 06]. Dans notre exemple, le flux fonctionnel mécanique, permettant
l’accroche du ski, génère la déformation du ski en flexion et torsion
(statique) ainsi que des vibrations parasites (dynamique).
d2 f
M rr = EI rr (5.3)
dx 2
Les effets induits nuisibles : la rupture de contact par déformation de
torsion de la spatule et du talon modifie la stabilité du ski.
M xx = GI xx β (5.4)
De surcroît, ces effets génèrent des effets dynamiques qui modifient les
sensations. Nous les exprimons par le premier mode de vibration.
Par exemple dans notre cas, nous pouvons lier la flèche globale du ski à
une caractéristique géométrique, critère de discrimination des skis, notée T
et appelée « taille de guêpe ». Elle est liée aux variables de conception
largeurs de la spatule et du talon et définie par la relation :
lspatule − ltalon
T= (5.5)
2
106 La conception industrielle de produits 3
La flèche f s’exprime :
f = Ttg α (5.6)
Elle peut donc être remplacée par la taille de guêpe T car l’angle de carre
α est une variable directement liée à la situation de vie « virage ».
Dans le cas des skis, nous avons réalisé des essais de flexion et ainsi
évalué des moments quadratiques et les modules d’élasticité longitudinale
moyens (figure 5.9).
Analyse des phénomènes physiques 107
5.8. Conclusion
Nous avons présenté une démarche structurée pour lier les critères
utilisateurs aux variables de conception et ainsi faciliter leur prise en compte.
Cette démarche s’appuie sur des outils d’analyse (organigramme technique
étendu aux milieux extérieurs, première loi d’analyse des systèmes
techniques, bloc diagramme fonctionnel, tableau d’analyse des phénomènes
physiques) afin de réduire le temps d’étude et de fiabiliser l’analyse. Enfin,
l’expression des critères et des lois physiques concernées en fonction des
grandeurs physiques pertinentes et des variables de conception nous donne
Analyse des phénomènes physiques 109
les relations qui décrivent la situation réelle. Puis, on réduit chaque grandeur
physique en l’exprimant, si possible, en fonction des variables de
conception.
Rotation
support clapet came doigt guide ressort
Translation
doigt
Doigt en appui
ponctuel avec la came
Les récepteurs mis en jeu lors des transitions des deux premiers moments
significatifs (déblocage et conduite) sont des récepteurs somesthésiques. A
contrario, pour le moment significatif « échappement », il n’y plus de
contact entre l’index de l’utilisateur et l’unité d’écran et aucun récepteur
sensoriel vient en relève. La vue et l’ouïe sont bien excitées mais ne
permettent pas d’action corrective de contrôle (rapidité de l’échappement et
bruit présent qu’en fin de fermeture).
Ouverture Fermeture
Critère d’appréciation Cr
Angle position écran/support ψ ψo ψf
Vitesse de rotation à un angle donné θ dθ o / dt dθ f / dt
1 Rotation du clapet
Rψf
Rθ Ressort détendu
α
x O xO
h A 0
y TA
NA C
A
r
B
Action x
θ=0 θ
ressort
y
θ=0
r
θ z
Mg
ψ -θ y
x
7. Conclure.
Analyse des phénomènes physiques 113
5.9.3. Correction
0 Déblocage
Appui de l’index de l’utilisateur, récepteurs somesthésiques
1 Conduite
2 Echappement
Plus de contrôle du système
Figure 5.15. GRAFCET des moments significatifs pour la fonction « fermer le téléphone »
Conception
h sin α − r cosα
ψf ≅ (5.7)
R
114 La conception industrielle de produits 3
TA = N A ⋅ f (5.9)
d 2θ
2 N A R cos α − 2 TA R sin α ± Mgr cos(ψ − θ ) = I (5.11)
dt 2
d 2θ
2 N A R cos α = I (5.12)
dt 2
Rθ
flèche = x 0 − + r sin α − r (5.13)
tgα
dθ f B ⎡ ⎛ Aψ f ⎞ ⎤
= sin ⎢ Arc cos⎜⎜1 − ⎟⎥
dt A ⎣ ⎝ B ⎟⎠ ⎦
6.1. Introduction
Une fois ce méta-modèle identifié, il peut être utilisé pour analyser les
solutions de conception dimensionnées en fonction des critères spécifiés. On
distinguera en particulier un critère d’optimalité des performances (trouver la
solution qui donne le meilleur niveau de performance), un critère de
robustesse des performances (trouver la solution pour laquelle les
performances sont les plus stables), un critère de fiabilité des performances
(trouver la solution pour laquelle la probabilité de défaillance est la plus
faible pour une durée de vie spécifiée).
Où :
– aii et aij représentent les paramètres du modèle à identifier,
– Xi désigne le niveau attribué au facteur i,
– ε désigne le résidu de calcul entre les valeurs d’essais et les valeurs
estimées à partir du modèle mathématique. Ce résidu est généralement
supposé normalement distribués (par exemple : distribué statistiquement
selon la loi normale).
Lorsque une table comportant n essais est réalisée, chaque essai fournit
une valeur de la réponse y. L’ensemble des essais ainsi réalisé permet de
définir un système à n équations à partir du méta-modèle postulé (voir
équation 6.1) sous la forme suivante :
Y = X ⋅p + ε (6.2)
Où :
– Y désigne le vecteur des n réponses, Y = [y1,..,yn]t,
– p désigne les vecteur des paramètres du méta-modèle,
p = [a0,a1,…aij,..,aii,…]t.
(
pˆ = X t ⋅ X )
−1
⋅ X t ⋅Y (6.3)
Où :
– X désigne la matrice de calcul qui dépend du méta-modèle postulé et
des points expérimentaux choisis.
(
Diag Var( pˆ ) = Diag σ r2 X t X )
−1
(6.4)
[GOU 99] que la variance des coefficients estimés est minimale. Les
plans orthogonaux les plus utilisés sont les plans proposés par Plackett et
Burman et les plans de Taguchi qui sont construits à partir des matrices
d’Hadamard. L’orthogonalité de la matrice X assure une meilleure
126 La conception industrielle de produits 3
Parmi les plans les plus connus s’appuyant sur cette structure du méta-
modèle on trouve :
– les plans factoriels complets 2k : ces plans possèdent la propriété
orthogonalité (O-optimalité). Ils contiennent uniquement des facteurs à deux
niveaux généralement codés en (-1) (niveau bas du facteur) et (+1) (niveau
haut du facteur). Dans ces plans toutes les combinaisons possibles des
facteurs sont testées. Ces plans permettent de déterminer de manière
exhaustive les effets de tous les facteurs ainsi que de leurs interactions
(interactions 2 à 2, 3 à 3, etc.) ;
– les plans factoriels fractionnaires : ces plans sont généralement définis
à partir des plans factoriels complets. Ils contiennent une fraction du plan
complet pour le même nombre de facteurs et leurs niveaux. Généralement,
128 La conception industrielle de produits 3
ces plans ne permettent pas une analyse exhaustive de tous les facteurs ou
interactions. On se focalise sur un sous-groupe de facteurs et/ou
d’interactions ;
– les plans de Kosha, de plackett et Burman : ces plans sont orthogonaux
et permettent de déterminer uniquement les effets principaux des facteurs. Le
méta-modèle se limite aux facteurs. On ne peut pas évaluer les interactions.
Dans ce cas, le méta-modèle s’exprime sous la forme suivante :
m
y ( X ) = a0 + ∑ ai X i (6.6)
i =1
R2 = 1−
i i (6.8)
∑ (y − y )
2
i
130 La conception industrielle de produits 3
Où :
– ŷi désigne la prédiction fournie par le méta-modèle pour l’essai i,
– yi représente la mesure réelle issue de l’expérience ou de la simulation,
– y représente la moyenne sur l’ensemble des mesures réelles.
Considérons le treillis illustré figure 6.3. Les paramètres identifiés par des
lettres sont variables et l’on va chercher à établir des relations entre ces
paramètres de conception et les performances attendues pour le treillis
(coefficient de sécurité sur les contraintes, coefficient de sécurité sur la
première fréquence propre, encombrement).
⎛ W ⎞
2 L⎜W + CD ⎟
6 ⎠ ⎧ W = ρgwCD tL
σb = ⎝ avec ⎨ CD (7.1)
⎩wCD = w AB − 0.025
2
wCD t
La force de compression dans la barre (AB) est donnée par les formules
suivantes impliquant WAB, le poids de la barre (AB) :
2 2
⎧ 9 ⎛ W W ⎞⎫ ⎧ 3 ⎛ W ⎞⎫
FAB = ⎨ ⎜W + CD + AB ⎟⎬ + ⎨ ⎜W + CD ⎟⎬
⎩2 3 ⎝ 2 3 ⎠⎭ ⎩ 2 ⎝ 2 ⎠⎭ (7.2)
4 3
avec W AB = ρgw AB tL AB et L AB = L
9
π ² EI AB 9π ² Ew AB t 3
(7.3)
Fb = 2
=
L AB 64 L2
σb ≤ σr et FAB ≤ Fb (7.4)
M = W AB + WCD (7.5)
σr F
sσ = , s F = b , s = min (sσ , s F ) (7.6)
σb FAB
sσ ≥ 1, sF ≥ 1 (7.7)
s ≥1 (7.8)
12. Il est couramment admis qu’elle se situe après la phase de conception conceptuelle et
avant celle de conception détaillée.
13. On peut définir ici un concept de conception comme un principe de conception donnant
lieu à une architecture du produit de premier niveau.
Programmation par contraintes et frontières de Pareto 135
Avec la programmation par contraintes (PPC) sur les réels, les variables
de performances et paramètres de conception sont modélisés, à un moment
donné, comme des intervalles de valeurs admissibles. Ces valeurs peuvent
être considérées comme équiprobables, on peut dons les équivaloir à des
distributions uniformes en modélisation probabiliste.
Les techniques de PPC sur les réels sont une évolution sophistiquée de
l’analyse des intervalles, ou encore l’arithmétique des intervalles (voir
[MOO 79]), appliquée à un ensemble de contraintes analytiques. En partant
d’un ensemble de domaines initiaux pour les variables contraintes et d’un
ensemble de contraintes mathématiques liant ces variables, différentes
techniques de PPC dites de cohérence ou de filtrage (comme les techniques
Hull, Box, weak-3B ou 3B, voir par exemple [BEN 99] et [YAN 05a])
tentent de contracter autant que leur degré de cohérence le permet, les
domaines des variables contraintes de manière à éliminer toutes les valeurs
impossibles (celles ne figurant dans aucune solution faisable). Cette étape de
contraction du domaine est aussi appelée étape de filtrage. On essaie ainsi
d’aboutir au produit cartésien d’intervalles le plus resserré, mais en
s’assurant tout de même que toute solution faisable est bien contenue au sein
de cette description de l’espace. Cette dernière propriété est dite propriété de
complétude et garantit que le processus de contraction aboutit à un espace
englobant (surpassant ou égal à) l’espace de conception.
Notons que dans les deux cas, les contraintes qui sont manipulées dans un
processus de plus en plus contraint de « conception sous
incertitude », portent sur les performances (s et M). En effet, le concepteur
peut avec cet environnement de PPC concevoir fonctionnellement en partant
du besoin et en rétro-propageant les conséquences vers la solution (qui
constitue un moyen). Cette fonctionnalité assez exceptionnelle de synthèse
est ici permise par les propriétés de rétro-propagation des mécanismes de
filtrage de la PPC.
Figure 7.2. Domaines des intervalles initiaux des paramètres de conception et variables
de performance pour l’exemple treillis à deux barres (en haut). Les quatre approximations
englobantes successives de l’espace de conception à l’issue d’une résolution de PPC
t ∈ [0.0621, 0.1]
Cas n° 1 wAB ∈ [0.0654, 0.13]
« assez peu
L ∈ [3, 4]
contraint »
W ∈ [15000, 20000 ]
s ≥1
M ∈ [2077.9, 6300 .9]
s ∈ [1, 2.567 ]
Tableau 7.2. Résolution par PPC du treillis à deux barres. Deux étapes du processus
de dimensionnement sont considérées selon les contraintes de spécification adoptées
Programmation par contraintes et frontières de Pareto 141
Figure 7.3. Représentation des points de conception faisable et non faisable dans l’espace
des performances pour le cas n° 2 de conception « très contrainte ». Cent mille points ont
été tirés aléatoirement à l’intérieur des domaines de X = [t,w,L,W]. A gauche, ils ont été
tirés à l’intérieur des domaines initiaux, à droite ils ont été tirés à l’intérieur
de l’enveloppe des boîtes déduite d’une première résolution de PPC.
M − M min s −s
α + (1 − α ) max avec α ∈ [0,1] (7.6)
M max − M min smax − smin
Frontière
de Pareto
Figure 7.5. L’optimisation d’une fonction objectif (fonction de s et M), en faisant varier
le paramètre de combinaison linéaireα, décrit toute la frontière de Pareto
146 La conception industrielle de produits 3
Minimiser Y1
Minimiser Y2
Minimiser Y1
Minimiser Y2
Minimiser Y1
Minimiser Y2
Minimiser Y1
Minimiser Y2
Minimiser Y1
Minimiser Y2
Minimiser Y1
Minimiser Y2
8.1. Introduction
souvent récursif qui s’avère d’autant plus difficile à mettre en œuvre que les
phénomènes physiques impliqués dans le fonctionnement du système et les
architectures fonctionnelles du système sont complexes et couplés.
composants qui ont une action sur les performances globales du système.
Dans un tel contexte, le développement de bases de connaissances traitées à
l’aide d’un solveur CSP doit permettre de tester rapidement différentes
configurations des systèmes de conditionnement pour valider ou invalider
leur pertinence par rapport au contexte évolutif.
Peu d’outils existent qui peuvent traiter efficacement ces problèmes qui
ont souvent un caractère combinatoire [DIV 01, HUG 99, LEE 04]. Les
problèmes de conception préliminaire sont naturellement exprimés comme
des problèmes de satisfaction de contraintes mixtes [SCA 04, THO 96] dont
le traitement ne relève pas des outils classiques de simulation en mécanique.
En effet, la notion de contrainte permet de traduire les connaissances du
concepteur sous forme de conditions de compatibilité entre les variables
d’un problème de conception. Les exigences métiers, les exigences du cycle
de vie du système mécanique, les critères d'appréciation du cahier des
charges fonctionnel et les comportements physiques peuvent être décrits
sous forme de contraintes.
Les domaines de valeurs affectés aux variables sont des intervalles ou des
unions d’intervalles réels pour les variables réelles et des ensembles
énumérés ou des unions d’intervalles de nombres entiers pour les variables
discrètes. Ces domaines peuvent être laissés assez larges pour éviter
d'éliminer des solutions potentielles au problème de conception.
152 La conception industrielle de produits 3
(échangeur primaire E1). L’air étant toujours trop chaud pour être envoyé
dans la cabine, il va être refroidi et ramené à la pression voulue par le
biais d’une machine à cycle à air. Il est donc comprimé à nouveau
à 3,9 bar environ, puis refroidi dans un second échangeur de chaleur
compact (échangeur secondaire E2), lui aussi à courants croisés et sans
mélange des fluides. Enfin, l’air est encore refroidi par détente dans une
turbine, et la pression est ramenée à 0,85 bar. Parallèlement, une partie de
l’air prélevé sur le turboréacteur est mélangé à l’air issu de la turbine,
avant d’être envoyé vers la cabine.
Les relations entre les variables, ainsi que les domaines des variables
constituent les contraintes. Les relations peuvent être des égalités, des
inégalités, des règles logiques. Les variables peuvent être réelles,
entières, énumérées, tabulées. Les variables discrètes permettent par
exemple de décrire les valeurs de composants standards.
[∅1,∅2]
[∅1,∅2]
[∆P1,∆P2]
[∅1,∅2]
[∆P1,∆P2]
[Lx1,Lx2]
[Ly1,Ly2]
[Lx1,Lx2]
[Ly1,Ly2]
Une solution (a) domine une autre solution (b) si deux conditions sont
vérifiées :
– la solution (a) n'est pas moins bonne que la solution (b) pour tous les
critères,
– la solution (a) est strictement meilleure que la solution (b) pour au
moins un des critères.
D'autre part, les solutions sont évaluées à l'aide d'un seul critère de
performance. Les constructeurs aéronautiques ont l'habitude de ramener les
variables critères à un impact sur la masse de l'avion. Ainsi, la traînée induite
∆Dra est ramenée à un équivalent de masse supplémentaire, et il est possible
d'obtenir la masse supplémentaire totale (∆M total) induite par le système de
conditionnement d'air.
Les figures 8.5 et 8.6 présentent les 294 solutions trouvées par le solveur,
positionnées sur l'espace des 1296 combinaisons possibles de types de
surfaces d'échange : les 216 premières combinaisons utilisent le type 1 pour
l'échangeur primaire, les six divisions parmi ces 216 correspondent à
l'utilisation des six types (figure 8.3) pour l'échangeur secondaire et ainsi de
suite. D’autre part, l'axe des ordonnées indique la valeur du ∆M total de
chaque solution.
L'analyse de la figure 8.5 indique que les solutions satisfaisant toutes les
contraintes, pour le circuit d'air principal :
– utilisent plutôt les types 2, 3, 4, 5 pour l'échangeur primaire,
– n'utilisent pas les types 1 et 6 pour l'échangeur secondaire ; sauf lorsque
le type 5 est utilisé pour l'échangeur primaire, tous les types sont utilisés
pour l'échangeur secondaire – c'est dans ce cas qu'il y a le plus de solutions.
La figure 8.6 indique que les solutions satisfaisant toutes les contraintes,
pour le circuit d'air dynamique :
– utilisent plutôt les types 2, 3, 4 et 6 pour l'échangeur primaire,
– utilisent les types 2, 3, 4 et 6 pour l'échangeur secondaire, sauf lorsque
le type 5 est utilisé pour l'échangeur primaire, où il n'y a qu'une seule
solution.
350
∆M total (kg)
300
250
200
150
100
50
Sol. "257"
0 solutions
0 216 432 648 864 1080 1296
Figure 8.5. Valeurs de ∆M total pour les 294 solutions, dont celles du front de Pareto –
Identification selon les types de surfaces d'échange circuit d'air principal
300
250
200
150
100
50 Sol. "257"
0 solutions
0 216 432 648 864 1080 129
Type 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 Ech. secondaire
surface 1 2 3 4 5 6 Ech. primaire
Figure 8.6. Valeurs de ∆M total pour les 294 solutions, dont celles du front de Pareto –
Identification selon les types de surfaces d'échange pour le circuit d'air dynamique
8.4. Discussion
Conception robuste
Une fois connu l’ensemble des paramètres qui permettent d’atteindre les
spécifications, des critères peuvent être formalisés pour rechercher, au-delà
d’une solution convenable, la meilleure solution de conception. Parmi les
différents critères possibles, celui que nous proposons d’utiliser ici est celui
de la robustesse. En d’autres termes, nous allons chercher la solution de
conception qui garantie les performances recherchées quelles que soient les
variabilités sur les paramètres de conception.
Conception robuste 165
au point où le rapport signal sur bruit est le plus grand (et qui n’ai pas
nécessairement le plus haut niveau de performance).
t wab L W h Noise on M s
-1 -1 -1 -1 -1 -1 142 141
-1 -1 -1 -1 -1 1 503,3 504,3
-1 -1 -1 -1 1 -1 507 506
-1 -1 -1 -1 1 1 657,1 658,1
-1 -1 -1 1 -1 -1 142 141
-1 -1 -1 1 -1 1 503,3 504,3
-1 -1 -1 1 1 -1 507 506
-1 -1 -1 1 1 1 657,1 658,1
-1 -1 1 -1 -1 -1 189,3 188,3
-1 -1 1 -1 -1 1 671 672
-1 -1 1 -1 1 -1 553,1 552,1
-1 -1 1 -1 1 1 794,9 795,9
-1 -1 1 1 -1 -1 189,3 188,3
-1 -1 1 1 -1 1 671 672
-1 -1 1 1 1 -1 553,1 552,1
-1 -1 1 1 1 1 794,9 795,9
-1 1 -1 -1 -1 -1 979,8 978,8
-1 1 -1 -1 -1 1 2154 2155
-1 1 -1 -1 1 -1 2166 2165
-1 1 -1 -1 1 1 2654 2655
-1 1 -1 1 -1 -1 979,8 978,8
Tableau 9.1. Les premières lignes du plan d’expérience utilisé pour identifier
un métamodèle linéaire avec interactions
Conception robuste 169
t wAB L W h α M s
Robust
0.1 0.13 3.42 17115 1.5 0.5
design
9.2.3. Conclusion
Conception fiable
Pf (d ) = ∫ f (x, d ) dx
X
G ( x ,d )≤0
174 La conception industrielle de produits 3
m R − mS
Pf (d ) = Φ (− β (d )) avec β (d ) = (10.1)
σ R2 + σ S2
i
i
(10.3)
sous : G (x, d ) ≤ 0
mR s* ⎛ rk s*⎞ (10.4)
sR = et sS = ⎜⎜ ou sR = et ss = ⎟
r* mR ⎝ r* sk ⎟⎠
s
f S(s),fR (r) Résistance
Sollicitation R
P* Etat limite
S s*
sk
xk
G(x,d) = 0
mS
mX
r
mS sk rk mR s, r r* rk mR
s*=r*
min C I (d )
d (10.5)
sous : g j (d, γ ) ≤ 0 pour j = 1,2,K, n g
Contrainte de
s
conception fiable s g(d) = 0 Etat limite
γ Solution Solution
optimale optimale
Etat limite Iso-fiabilité
t
oû
d uc
d* on
s* g(d) = 0
uc ti
é d
R
g(d,γ ) = 0 s* d*
x0 o ût x0
d uc
on
ucti
R éd r r
r* r*
a) Optimisation déterministe b) Optimisation fiabiliste
Optimum
déterministe
Courbes
d’iso-fiabilité
Optimum
fiabiliste
x1
Afin d'illustrer cette idée, considérons le treillis à deux barres illustré sur
la figure 7.1. Les variables de conception wAB et t doivent être définies pour
satisfaire les critères de résistance en flexion au point B et en flambage de la
barre AB. Pour l'optimisation déterministe, il est indispensable d’introduire
les coefficients de sécurité sσ et sF, respectivement ; le coefficient de sécurité
global s est le minimum de ces deux coefficients. Le problème
d’optimisation s’écrit :
⎛4 3 ⎞
min M = WAB + WCD = ρ gtL ⎜⎜ wAB + ( wAB − 0.025 ) ⎟
⎟
wAB , t
⎝ 9 ⎠
σr 2LW σr
Sous : g1 = σ b − = − ≤0 (10.6)
sσ ( wAB − 0.025 ) t 2 sσ
F 9π ² E wAB t 3
Et : g 2 = FAB − b = 3W − ≤0
sF 64 L2 sF
182 La conception industrielle de produits 3
0,12
0,1
Défaillance
Sécurité
0,08
Fréquence
0,06
0,04
0,02
0
1
2
8
8
0,
1,
1,
1,
1,
2,
2,
2,
2,
Coefficient de sécurité
Figure 10.7. Distribution du coefficient de sécurité due aux incertitudes dans le système
min : CT (d ) = C I (d ) + C f Pf (d )
d (10.7)
sous : g j (d ) ≤ 0
coût initial CI
Probabilité de défaillance
Niveau optimum Pf
de fiabilité
min : C I (d ) + C f Pf (d )
d
sous : β (d ) ≥ β t (10.9)
: d L ≤ d ≤ dU
max : β ( d ) min : Pf ( d )
d d
sous : C I ( d ) ≤ CIt ou sous : C I ( d ) ≤ C I t (10.11)
et : g j ( d ) ≤ 0 et : g j ( d ) ≤ 0
max : β ( d ) C I ( d ) min : CI ( d ) ⋅ Pf ( d )
d ou d (10.12)
sous : g j ( d ) ≤ 0 sous : g j ( d ) ≤ 0
min : CI ( d ) β ( d ) max :1 CI ( d ) Pf ( d )
d ou d (10.13)
sous : g j ( d ) ≤ 0 sous : g j ( d ) ≤ 0
min : CI ( d ) + C f Pf ( d ) min : CI ( d ) + C f Pf ( d )
d d
sous : β ( d ) ≥ βt ou sous : Pf ( d ) ≤ Pf t (10.14)
et : g j ( d ) ≤ 0 et:g j ( d ) ≤ 0
186 La conception industrielle de produits 3
Solution de la partie A
Le dimensionnement du treillis doit respecter les deux limitations :
– la contrainte de flexion σb dans l’élément CD doit rester inférieure à
la limite élastique σr, égale à 225 MPa pour l’acier utilisé. Cette
contrainte est calculée par :
6 MB PL ρgwCDt L2
σb = avec : MB = + (10.15)
wCD t 2 3 18
⎛ 3P 3ρ gwCD t L ⎞ 1
FAB = ⎜ + ⎟ cos θ (10.16)
⎝ 2 4 ⎠
188 La conception industrielle de produits 3
2 2 3
π EI π E t wAB
Fb = = (10.17)
2 2
L AB ⎛ 2L ⎞
12 ⎜ ⎟
⎝ 3 sin θ ⎠
G1 = σ r − σ b ( wCD , t , L, P )
(10.18)
G2 = Fb ( wAB , t , L ) − FAB ( wCD , t , L, P )
⎛4 3 ⎞
min W = ρ gtL ⎜ wAB + wCD ⎟
wAB , wCD ,t ⎜ 9 ⎟ (10.19)
⎝ ⎠
Sous : β1 ≥ 2 et β2 ≥ 2
Solution de la partie B
Le tableau 10.2 compare les résultats de l’optimisation déterministe et
fiabiliste. Il est observé que l’optimisation déterministe conduit à un niveau
élevé de coût et de fiabilité. L’optimisation fiabiliste permet une réduction
du poids total de 12,7 %, correspondant à l’ajustement du niveau de fiabilité
au niveau de l’objectif : β1 = β2 = βt = 2. L’optimisation basée sur les
coefficients de sécurité ne permet ni d’ajuster le niveau de fiabilité par
rapport à l’objectif, ni l’obtention d’un niveau de fiabilité homogène pour les
deux critères de conception.
Solution de la partie C
La force normale FAB dans l’élément AB prend la forme :
L ⎛ ρ gwCD t L ⎞
FAB = ⎜ P+ ⎟ (10.20)
h sin θ ⎝ 2 cos α ⎠
192 La conception industrielle de produits 3
PL ρ gwCD t L2
MB = + (10.21)
3 18cos α
L’angle α engendre de forte non linéarité dans les fonctions d’état limite,
permettant de tester la stabilité de la procédure d’optimisation. L’inclinaison
optimale correspond à 25,4° pour l’optimisation déterministe et de 24,5°
pour l’optimisation fiabiliste. Le tableau 10.2 montre des différences
importantes dans les solutions optimales, en particulier pour wCD et t. La
masse optimale est réduite de plus de 22 %. La figure 10.11 montre la
convergence des algorithmes au cours des itérations. Pour les deux états
limites, les indices de fiabilité tendent vers la valeur cible βt = 2 ; ce qui évite
toute possibilité de surdimensionnement.
Ingénierie de la décision
pour la conception
Elle est fonction des méthodes de classement ou des outils utilisés (rough
sets, bilan des flux ou autres méthodes). Il s’agit d’évaluer la robustesse par
rapport au modèle choisi, aux grandeurs mesurées ou modélisées. Elle
dépend du mode de calcul. La robustesse devra être abordée par
comparaison des résultats obtenus avec différents outils disponibles.
Dans tous les cas, il s’agit d’évaluer le risque de passer d’un ensemble de
solutions « optimales » à un autre correspondant à un mode dégradé. Ce type
de robustesse peut être représenté par une distance entre les solutions
dégradées de la décision et la frontière des zones de faisabilité (de Pareto par
exemple), des compromis ou des préférences. Il s’agit d’estimer, d’évaluer
ou de mesurer une probabilité, une possibilité de dépassement de cette
décision par rapport au bord de la zone optimale. Cette probabilité de
dépassement pourra, dans certains cas, être considérée comme un nouveau
critère à prendre en compte dans l’évaluation d’une note globale.
200 La conception industrielle de produits 3
11.5. Conclusion
21. http://www.adexys.com/
22. http://www.visualdecision.com/dlab_f.htm
23. http://www.expertchoice.com/
24. http://www.m-macbeth.com/fr/index.html
25. http://www.priorizer.com/
2
26. Projet Decision Deck D : http://decision-deck.sourceforge.net/index.html
CHAPITRE 12
Cela suppose donc que tous les jugements sont commensurables ce qui
n’est pas souvent le cas pour des décisions prises dans le cadre du processus
de conception, mais comme ce sont parfois les seules méthodes utilisables, il
importe de distinguer leurs caractéristiques.
C’est une méthode développée vers la fin des années soixante par Keeney
et Raiffa [KEE 76].
Elle a été utilisée dans les problèmes d’aide à la décision et dans les
problèmes d’économie ou d’actuariat.
L’utilité VA(x1, x2,…xn) associée à l’action A évaluée sur les critères 1,…n
est :
Il faut que les critères soient indépendants et que les fonctions d’utilité
soient commensurables27.
Le concept d’utilité évite de pondérer les critères mais ils doivent tous
être évalués sur une même échelle par exemple de 0 à 10. L’utilité
27. Une fonction d’utilité doit pouvoir être comparée à une autre par l’emploi d’une unité de
mesure commune.
28. UTA : Utility Theory Additive (théorie de l’utilité additive).
29. PREFCALC est une implémentation de la méthode UTA.
30. La méthode UTA a donné naissance à plusieurs logiciels dont UTA+ programmé à
l'Université de technologie à Poznan. On peut trouver sur le site du Lamsade – Paris Dauphine
une version de démonstration de ce logiciel : http://l1.lamsade.dauphine.fr/logiciel.html.
L’agrégation complète – les OWA 205
12.3. SMART
Cette méthode a été par exemple utilisée pour choisir un projet parmi un
ensemble de projets, destiné à choisir un plan d’action et des fournisseurs
[VAN 06].
Rappels
1
Fwi ,L, wn (a1 ,L, an ) = ∏ h( a ) i
wi
Fwi ,L, wn ( a1 , L , an ) =
wi
(12.3)
∑ ( xi )
n
35. Un opérateur d’agrégation ψ est considéré comme une fonction de [0, 1] dans [0, 1],
c’est-à-dire qui agrège n quantités.
36. Une norme triangulaire (t-norme) ou co-norme triangulaire sont des opérateurs Τ ou ⊥,
respectivement d’intersection ou d’union.
208 La conception industrielle de produits 3
Ils ont été introduits par Dubois et Prade [DUB 86 ; DUB 01] dans le
cadre de la théorie des possibilités. Soit w = (w1,…, wn) un vecteur de poids,
où wi ∈[0,1], tel que ∨wi = 1. Ils sont définis par :
w max w1 ,L ( a1 , L , an ) = ∨[ wi ∧ ai )] , de i = 1 à n (12.5)
∑ w = 1 ; w ∈ [0,1] où F (a ,L, a )
i
i i 1 n = ∑w b
j =1
j j (12.6)
Le plus intéressant dans la méthode OWA est que le poids n’est pas
associé directement à un critère particulier mais à une performance
correspond à une position donnée. Exemple pour un vecteur wj = [w1, w2,
w3, w4], si le poids 1 est placé sur la plus faible performance, le score est
minimum ; si le poids 1 est placé sur la performance la plus forte, le score est
maximum (12.7).
n
[0, 0, 0, 1] < ∑ w j b j < [1, 0, 0, 0] (12.7)
j =1
Q(x) est représenté par un « ensemble flou » [0, 1] tel que x ∈ [0,1].
Q(x) indique le degré pour lequel x est satisfait par Q(x) [BEN 05].
⎧1 si x > b
⎪x−a
⎪
Q( x) = ⎨ si a ≤ x ≤ b avec a, b ∈ [0,1]
(12.9)
⎪b − a
⎩⎪0 si x < a
Q(x)
0.25
Orness [1 0 … 0]T = 1
Orness [0 0 … 1]T = 0 (12.11)
Orness [1/n 1/n … 1/n]T = 0.5
Elle mesure le degré pour lequel le vecteur poids prend en compte toutes
les informations. Cela se traduit par un vecteur poids prenant en compte tous
les critères d’une manière équivalente.
critères alors que le plus souvent il existe des groupes de critères qui ont un
poids spécifique sur la prise de décision. En effet, il est bien établi en théorie
de l'utilité multi-attribut (MAUT) (section 12.1) que ces opérateurs
d’agrégation considèrent une indépendance mutuelle parmi les critères.
Comme ces opérateurs ne sont pas appropriés en présence de critères
interdépendants, la tendance a été de construire des critères censés être
indépendants, ce qui entraînait souvent des erreurs dans les évaluations.
S ⊂ T ⊆ X ⇒ µ (S )≤ µ (T ) (12.15)
Les intégrales floues sont les intégrales d'une fonction par rapport à une
mesure non additive. Elles permettent donc d’intégrer les évaluations
introduites ci-dessus. De cette manière, outre les poids usuels sur les critères
pris individuellement, des poids sur toutes les combinaisons possibles de
critères sont également définis. La différence fondamentale entre les
intégrales de Sugeno et celles de Choquet réside dans le fait que la première
utilise des opérateurs non linéaires (min et max) alors que la seconde utilise
des opérateurs linéaires. Ceci signifie, comme il a été montré par Grabish
212 La conception industrielle de produits 3
[GRA 95], que l’intégrale de Choquet est applicable lors d’une agrégation
cardinale (c’est-à-dire lorsque les chiffres ont une réelle signification) alors
que l’intégrale de Sugeno semble être plus adaptée pour des agrégations
ordinales (lorsque seul l’ordre a une véritable signification).
0 = uσ 0 ≤ uσ1 ≤ L ≤ uσ n ≤ 1 avec u σ 1 = M in ( i ) u i
et u σ = M a x ( i ) u i
n
(12.17)
{
Aσ i = g σ i , K , g σ n . }
Nous avons constaté pour diverses applications notamment dans le
domaine de la chimie [CAM 06 ; MOR 07a ; MOR 07b] que cette approche
permet de prendre en compte des observations expérimentales bien connues
dans un domaine en particulier, mais aussi le savoir-faire des experts du
produit et de la production afin de déterminer mais aussi d’évaluer les
interactions entre variables.
L’agrégation complète – les OWA 213
Ces approches ont été utilisées depuis des années, pour la prise de
décision en conception, particulièrement M. Grabisch [GRA 96] dresse un
état de l’art des applications pour la conception dans divers domaines
notamment dans la conception d’enceintes pour des chaînes hi-fi, permettant
de mesurer le compromis du choix du consommateur entre critères de
conception et perception esthétique du produit, ou la conception de sièges de
voiture, étude dans laquelle il s’agit de modéliser la sensation subjective
d’inconfort de l’utilisateur [GRA 02].
Une autre approche qui est de plus en plus utilisée consiste à intégrer les
outils d’optimisation multiobjectif et de gestion des connaissances dans les
systèmes d'aide à la décision. En effet, le couplage de ces deux systèmes
permet de s'orienter vers des systèmes explicatifs automatisés. Fournir des
explications sur les choix proposés par un système d'aide à la décision
permet d'accroître la confiance des utilisateurs vis-à-vis de ces approches. Le
lecteur trouvera des résultats récents dans [CAM 06 ; MOR 07a ; MOR 07b].
Figure 12.2. Zone (figure de gauche) et front de Pareto (figure de droite) obtenus
37. Dans un problème multicritère dans lequel on cherche à optimiser plusieurs objectifs
contradictoires, il s’agit de l’ensemble des points de l’espace de recherche tel qu’il n’existe
aucun point qui est strictement meilleur qu’eux sur tous les critères simultanément.
L’agrégation complète – les OWA 215
4
5 4
3
2
3 1
1 1
2
1
pour être ressentie et exprimée. La préférence peut elle aussi être non
transitive !
Une fois tous les indices locaux calculés, la moyenne pondérée de ces
indices par le poids des critères donne l’indice de concordance global.
Les méthodes de surclassement 221
Figure 13.1. Intensité avec laquelle une action en surclasse une autre
13.2.1.1. Electre 1
Cette méthode a été conçue par Roy en 1968 [ROY 68], c’est la méthode
la plus basique de surclassement.
Toute action qui n’est pas dans le noyau est surclassée par au moins une
action du noyau. Les actions du noyau sont incomparables entre elles.
C’est cette partie de la méthode qui est la plus délicate ! En général, on
fait varier les seuils de concordance et de discordance pour voir comment
varie le noyau ! Plus les seuils sont contraignants, moins le graphe sera
fourni en arcs et plus le noyau sera grand. En fait, les logiciels existant
n’implantent pas cette méthode mais ses dérivées.
13.2.1.2. Electre 1v
Dans cette méthode on utilise les vraies valeurs des performances, sans
les traduire au préalable en notes avec échelles variables.
On utilise un critère vrai muni d’un seuil de veto net. Il faut choisir un
seuil de veto pour chaque critère et préciser s’il faut minimiser ou maximiser
les critères.
Dans cette méthode, il n’y a pas de seuil de discordance, son action est
remplacée par celle du seuil de veto.
13.2.1.3. Electre Is
L’indice de concordance s’applique à un critère à seuil, d’où la nécessité
de définition d’un seuil de préférence et d’indifférence pour chaque critère
Le calcul de l’indice de concordance sera explicité dans Electre 3 [ROY 84].
13.2.2.1. Electre 2
Cette méthode a été élaborée à partir d’un cas concret concernant le choix
de support de presse [ROY 71]. L’ensemble des actions est de l’ordre de 30,
224 La conception industrielle de produits 3
l’ensemble des critères de l’ordre de 15. Ces critères sont continus (coûts,
fiabilité de l’information sur laquelle on travaille, affinité de la cible avec le
support) ou discrets (adéquation du support avec le message). On veut
construire un pré ordre qui correspond à l’intérêt qu’il y a pour l’annonceur à
dépenser un franc de publicité dans les différents supports. La méthode
Electre 1 ne convenait pas car le pré ordre obtenu correspond à plus de deux
classes. On considère des vrais critères munis de vetos nets.
13.2.2.2. Electre 3
Cette méthode est parfois appelée Electre floue, car le surclassement est
établi à partir d’un indice de crédibilité calculé à partir d’un indice de
concordance flou et d’un veto flou [ROY 78].
Six combinaisons d’équipement ont été imaginées, ce sont les six actions,
elles sont caractérisées par trois types d’équipement : les équipements de
base assurant l’équilibre énergétique, les suréquipements destinés à combler
une partie des besoins de pointe et des turbines à gaz pour combler le reste.
La formulation d’une famille de critères s’est échelonnée sur plusieurs jours.
Une journée entière a servi aux décideurs à identifier les 26 conséquences
élémentaires des différentes actions. A partir de ces conséquences, les
spécialistes ont défini 17 critères et l’importance relative de chacun d’eux.
13.2.2.3. Electre 4
Cette méthode est intéressante lorsqu’il n’est pas possible d’attribuer des
poids aux critères ce qui fait qu’on ne calcule pas d’indice de concordance.
On imaginera cependant qu’aucun critère n’a à lui seul une importance
supérieure ou égale à celle d’une coalition rassemblant au moins la moitié
des critères.
Les méthodes de surclassement 227
par l’une des actions de l’un de ces deux ensembles. A partir de ces
chiffres on peut obtenir un indice de crédibilité maximal [ROY 77].
Electre Prométhée
13.3.1. Prométhée 1
13.3.2. Prométhée 2
Ces méthodes comme Electre 3 ont été très utilisées dans des applications
de conception où l’aspect environnemental est important.
13.3.3. Qualiflex
Qualiflex [PAE 76] a été utilisée pour prendre des décisions relatives au
développement régional en ce qui concerne le choix d’investissements et
d’emplacements. C’est un cas de figure ou peu d’informations numériques
sont disponibles et ou les poids ne sont pas connus, le problème traité
comportait 21 critères classés de – à +++. Les auteurs souhaitaient définir
une fonction d’évaluation en termes purement ordinaux.
13.3.4. Oreste
C’est une méthode basée sur les rangs qui n’attribue pas de poids aux
critères. Il y a un ordre faible dans le rangement des critères à la place Ce
classement a été obtenu par un comité scientifique.
On part aussi d’une matrice des rangs. Cette méthode a été conçue pour le
choix de cinq ordinateurs à partir de 26 critères [ROU 82].
38. Les termes sont laissés en anglais car ce sont eux qui sont utilisés chez le constructeur.
Les méthodes de surclassement 233
stratégie de mix de moteurs véhicules sur le marché (dans cinq à dix ans)
pour le segment véhicule considéré. Nous entendons par mix la meilleure
combinaison des technologies sus-citées.
La première étape, que nous présentons ici, est une analyse multicritère
des technologies possibles de moteurs des points de vue à la fois du client et
du constructeur Renault, ceci par la méthode Prométhée. Le lecteur est invité
à télécharger le logiciel DecisionLab2000 pour modéliser le problème à
l’adresse suivante : http://www.visualdecision.com/dlab_f.htm. Pour des
raisons de confidentialité bien compréhensibles, nous ne fournissons dans ce
chapitre qu’une partie des données de modélisation ; il s’agit de celles
correspondant au client et nous cacherons donc celles correspondantes au
constructeur Renault. Néanmoins, nous fournissons les résultats tels que
nous les avons obtenus. Le lecteur est ainsi invité à imaginer des données
« réalistes » du coté constructeur. Les technologies de moteurs seront ainsi
classées par ordre de préférence selon les deux points de vue (client et
constructeur) et un sous-ensemble seulement de ces technologies seront
considérées comme suffisamment intéressantes pour être présentes sur le
marché dans le futur et, par conséquent, gardées comme données d’entrée de
la seconde phase de la méthode.
La seconde phase de notre méthode, qui n’est pas détaillée ici (voir
[HAJ 07] pour plus de détails) consiste en une optimisation multi-objectif de
la configuration de mix véhicules fournissant les proportions optimales des
moteurs issus de la première phase sur le marché qui, tout en respectant les
contraintes de prévision de vente des véhicules du segment et de non
dépassement du taux d’émission moyen fixé de CO2, maximise à la fois la
marge du constructeur et minimise l’utilisation de ressources naturelles.
Tableau 13.1. Exemple d’une matrice de décision pour deux alternatives de voitures
(inspiré de [BRA 86])
Au final, on voit bien qu’un degré de préférence peut être calculé pour
chaque alternative par une moyenne pondérée des degrés de préférence
élémentaires. Imaginons que tous les poids des critères soient égaux, le degré
de préférence agrégé serait de 0,3 pour la voiture simple et de 0,5 pour la
voiture luxueuse.
Les méthodes de surclassement 235
Les scores pour les six technologies alternatives ont été évalués
relativement à une solution de référence qui correspond à une technologie
essence appartenant au même segment de véhicule. Le tableau 13.3
présente les améliorations relatives et éventuellement les détériorations
(c’est toujours le cas pour le prix) évaluées dans les unités
correspondantes. Ces scores sont factuels et dépendent peu
d’interprétations subjectives d’une partie prenante donnée. A l’inverse,
les limites de préférence et d’indifférence sont fortement dépendantes des
intérêts de la partie prenante : client ou constructeur. Les limites du point
de vue client sont fournies au sein du tableau 13.3. Pour des raisons de
confidentialité, les données relatives au constructeur sont gardées
secrètes et sont donc à imaginer par le lecteur. Des fonctions de
préférence de type linéaire ont été choisies ici (figure 13.6). Un jeu de
poids pour ces critères est également entré; il est donné en figure 13.7.
Toutes ces données concernant les clients (limites et poids) ont été
extraites d’une étude de marché réalisée par l’entreprise Renault.
Electre Tri39.
39. Des versions de démonstration de ces logiciels se trouvent sur le site du lamsade – Paris
Dauphine http://l1.lamsade.dauphine.fr/logiciel.html.
40. Le logiciel est proposé sur le site http://www.visualdecision.com/dlab_f.htm (une version
de démonstration y est également proposée).
CHAPITRE 14
14.1. Introduction
Dès que les produits à concevoir doivent non seulement avoir des
fonctions d’usage relativement objectives mais doivent aussi inclure des
fonctions plus subjectives dites d’estime comme celles reliées à
l’esthétique, au style, aux valeurs culturelles et aux considérations
ergonomiques, à la fois les évaluations individuelles et de groupe des
produits ainsi que leur spécification pose problème. En effet, pour ces
deux tâches de conception (évaluation et spécification), les concepteurs
doivent déjà qualifier (et donc nommer) les propriétés attendues du
produit et trouver des échelles de mesure pertinentes pour les quantifier.
Dans ce chapitre, nous présentons une méthode de conception intitulée
COMPARE qui apporte de manière intégrée des réponses satisfaisantes
sur (1) la compréhension de l’espace perceptif d’un segment de produits
(pour nommer ce qui est perçu comme étant important avec de
commencer la conception en elle-même), (2) l’aide à la définition de
spécifications pour le développement d’un nouveau produit, (3)
l’évaluation de nouveaux concepts de produit émergeant du processus de
Pour le cas d’étude des planches de bord que nous avons étudié (voir
[HAR 05]), nous avons rassemblé durant une journée entière pour réaliser
l’étape n° 1, 11 experts du domaine automobile familiers de la vente de
véhicules ou tout au moins connaissant bien les vocabulaires technique et
commercial et l’actualité du domaine. Dix planches de bord de voitures
récentes d’un même segment (voir figure 14.2) ont été soumises à leur
évaluation ; il s’agit de (1) Audi A2, (2) Citroën C2, (3) Fiat Idea, (4)
Lancia Ypsilon, (5) Nissan Micra, (6) Peugeot 206, (7) Renault Clio, (8)
Renault Modus, (9) Toyota Yaris, (10) Volkswagen Polo. Les onze
experts ont été mis en situation pour leur évaluation (description de client
type, cadre simulé de l’évaluation). Ces aspects, ayant plus trait à
l’évaluation perceptuelle (voire premiers chapitres du présent ouvrage
pour cela), ne sont pas détaillés plus avant ici mais sont disponibles dans
[YAN 07a] ; [YAN 07b]. De la même manière le processus pour aboutir à
un jeu de critères d’évaluation sous la forme de onze descripteurs ou
attributs sémantiques décrivant à la fois les fonctions d’usage et d’estime
de ces planches de bord est détaillé dans les publications référencées. Ces
onze attributs sémantiques sont : agencement du tableau de bord,
compréhension des contrôles, design des aérateurs, rangement, confort,
simplicité, sportivité, masculinité, qualité perçue, nouveauté, harmonie.
246 La conception industrielle de produits 3
Les méthodes de comparaisons par paires (CP) sont des méthodes de base
bien connues du domaine de l’aide à la décision multi-critère (ADMC). Au
lieu d’évaluer directement le score particulier d’une performance d’un
produit (ici, un attribut sémantique) sur une échelle donnée d’une manière
absolue, l’idée est d’estimer l’importance relative de toute ou partie des
paires de produits selon cette performance. La plupart du temps ces
importances relatives s’expriment sous la forme de rapports de scores. Une
matrice de comparaisons est donc construite, elle est par la suite traitée
numériquement pour en extraire un vecteur de scores normalisé41 le plus
« réaliste » en fonction des données d’entrée. Il s’agit donc bien d’une
méthode qui génère automatiquement une échelle de notation lorsqu’on ne
dispose pas de sémantique ou d’unité particulière pour évaluer
quantitativement un produit selon un critère de décision.
facilement leurs coordonnées selon les axes sémantiques ainsi que d’estimer
globalement leur éloignement perceptuel. Cette analyse est donc très
instructive pour les concepteurs d’une nouvelle planche de bord.
43. Ou marketeurs.
250 La conception industrielle de produits 3
Enfin, une note finale est attribuée à chaque planche de bord j (existante
et concept candidat) par la formule :
R
Note( j ) = ∑ pi .s ij (14.2)
i =1
44. De manière à répartir 100 % sur toutes les solutions pour un attribut sémantique donné.
La méthode COMPARE 253
14.6. Conclusion
15.1. Introduction
Les concepts des options réelles sont disponibles dans Hull [HUL 03] ou
Mun [MUN 06]. Une option est définie comme le droit, mais pas
l’obligation, de prendre une action dans le futur. Le possesseur de l’option
n’est pas obligé d’exercer ce droit. Les deux types de base des options sont
« call » et « put ». Une option de type call est le droit d’acheter un bien
avant une date donnée pour un prix prédéterminé appelé prix d’exercice. Les
options sont aussi catégorisées comme européennes ou américaines. Une
option européenne donne au détenteur le droit « d’exercer » l’option, c’est-à-
258 La conception industrielle de produits 3
Les options réelles ont déjà été utilisées dans l’industrie automobile.
En particulier, Mun [MUN 06] écrit que « General Motors (GM) applique
les options réelles pour créer des options de transformation lors de la
45. Un flux de trésorerie actualisée est le montant qu’on est prêt à payer aujourd’hui en
prévision de recevoir un flux de trésorerie dans le futur.
262 La conception industrielle de produits 3
Tableau 15.1. Lien entre une évolution de production et une option européenne de type call
( ( )
VAN OR = max ST µ ,σ 2 − X ,0 e − rT ) (15.1)
Cette équation traduit que la valeur de l’option sera la plus grande des
deux valeurs entre zéro et la différence entre le prix du stock et le prix
d’exercice, multipliée par un terme d’ajustement qui prend en compte la
valeur de l’argent dans le temps. Si la politique de production ou de mix
moteurs véhicules est entièrement décidée au début, une valeur actuelle nette
(VAN) obtenue par le critère de valeur maximum VAND peut être obtenue en
conséquence. Cet incrément positif de valeur est la valeur VOR donnée par la
formule (15.2) :
Les treillis binaires46 sont des approximations des options de type call
qui sont utilisées pour modéliser les VANOR. Deux treillis binaires sont
nécessaires : le premier est le treillis de la valeur de production sous-jacente
alors que le second est le treillis de la valeur des options. Nous supposons
que les options durent pendant le temps T et que l’intervalle de temps ∆T
sépare deux instants où les valeurs sont évaluées. Par exemple, si une option
a une étendue de maturité de un an et que le treillis binaire présente dix pas
d’évaluation, alors chaque pas de temps a un intervalle de temps de 0,1
année. Durant la vie d’une option, sa valeur s0 peut soit augmenter de s0 à
un nouveau niveau s0u soit diminuer de s0 vers un nouveau niveau s0 d ,
avec u et d définis par la formule (15.3) :
1
u = eσ ∆T
et d = (15.3)
u
La volatilité σ est une valeur annualisée de la valeur actuelle nette de la
production avec une capacité fixée. Nous utilisons la volatilité de production
annuelle σ Q pour déterminer σ comme dans Mun [MUN 06]. Les facteurs
d’augmentation ( u ) et de diminution ( d ) sont aussi reliés par le taux
d’intérêt à risque neutre donné par la formule (15.4) :
e r∆ T − d
p= (15.4)
u−d
46. Un treillis est une structure de graphe orienté acyclique, donc ne présentant pas de
référence circulaire.
Les options réelles en ingénierie de la conception 265
s ti = s 0 u i d t −i ( i = 0, 1,L , t ) (15.5)
Temps
La prochaine étape est de calculer le treillis des valeurs d’option (ligne 3).
Dans la figure 15.2, le nœud A affiche une valeur de 567,41 millions
d’euros, qui correspond à une maximisation de l’expansion. Etendre les
opérations revient à augmenter la capacité de production de 30 % au même
nœud où la valeur est de 457,23 millions d’euros ; cela rapporte donc en
considérant un coût d’expansion de 27 millions d’euros à (1,30)(457,23) –
27 = 567,41 millions d’euros. La décision maximisant le profit est
évidemment de réaliser cette expansion, la valeur de 567,41 millions d’euros
est donc agrémentée de la décision d’expansion « EXPAND ».
Les options réelles en ingénierie de la conception 267
Taux de placement
non risqué : 7%
Volatilité : 25%
16.1. Introduction
La méthode des Rough Sets est un nouveau concept mathématique que l’on
peut traduire par ensembles « vagues ou imprécis ». Cette approche a été
introduite au début des années quatre-vingt et peut être considérée
comme originale vis-à-vis des autres méthodes d’aide à la décision
[PAW 82]. Le but est de traiter de l’information vague ou imparfaite,
inhérente aux situations de décision, pour en retirer une classification. Au
départ, des différences peuvent être perçues entre divers objets pour former
des classes d’objets n’ayant pas de différences fondamentales. Cette
indiscernabilité à l’intérieur des classes permet de construire une connaissance
de système. Dernièrement, le concept des Rough Sets a été utilisé pour traiter
des problèmes de décision multicritère [PAW 94]. Un modèle de préférence
est alors construit à partir de lois déduites de sous ensembles significatifs en
termes d’objectifs. En résumé, les Rough Sets prennent en compte deux
aspects : l’indiscernabilité et la connaissances approximative.
produits, pris à partir d’une population, de classer les produits par ordre de
préférence de l’expert afin d’obtenir des règles de préférences et de non
préférences. Ce classement de l’échantillon se fait selon une cible marché ou
client. Ainsi, la connaissance de l’expert est « englobée » dans le classement.
U a1 a2 a3
x1 2 1 3
x2 3 2 1
x3 2 1 3
x4 2 2 3
x5 1 1 4
x6 1 1 2
x7 3 2 1
x8 1 1 4
x9 2 1 3
x10 3 2 1
U/A a1 a2 a3
{x1, x3, x9} 2 1 3
{x2, x7, x10} 3 2 1
{x4} 2 2 3
{x5, x8} 1 1 4
{x6} 1 1 2
U/B a1 a2
{x1, x3, x9] 2 1
{x2, x7, x10} 3 2
{x4} 2 2
{x5, x6, x8} 1 1
Un nouvel ensemble BNBX = BX* - BX* est ensuite défini, appelé région
bornée de BX. Si la région bornée correspondant à l’intersection entre ces
deux approximations haute et basse est un ensemble vide, c’est-à-dire
BN = ∅, l’ensemble sera précis. Si par contre, la région bornée n’est pas
vide, c’est-à-dire BN ≠ ∅, l’ensemble sera appelé ensemble vague ou
imprécis (« Rough »). Pour illustrer schématiquement ces concepts
d’approximation, nous proposons un tracé graphique selon la figure 16.1,
inspiré de Walczak et Massart. Un ensemble X est symbolisé par un ovale.
L’approximation basse est représentée par des carrés hachurés à l’intérieur
de l’ovale, alors qu’il faut ajouter des carrés gris pour représenter
l’approximation haute. Les rectangles gris seuls représentent la région
bornée, ou frontière, de l’ensemble X. D’où l’intérêt d’avoir développé cette
théorie des Rough Sets. La base de cette théorie repose donc sur la définition
de la région bornée.
BX *
α (B) = , avec 0 ≤ α(X) ≤ 1 (16.4)
BX*
Ensemble « approximatif »
Approximation basse Approximation haute
{x1, x3, x9} {x2, x7, x10} {x4} {x5, x8} {x6}
{x1, x3, x9}
{x2, x7, x10} a1, a2, a3
{x4} a2 a1, a3
{x5, x8} a1, a3 a1, a2, a3 a1, a2, a3
{x6} a1, a3 a1, a2, a3 a1, a2, a3 a3
f(A) = (a1∨a2∨a3)∧a2∧(a1∨a2)∧(a1∨a3)∧(a1∨a3)∧(a1∨a2∨a3)∧(a1∨a2∨a3)∧
(a1∨a2∨a3)∧(a1∨a2∨a3)a3
(16.6)
U a1 a2 D
x1 2 1 1
x2 3 2 2
x3 2 1 1
x4 2 2 2
x5 1 1 3
x6 1 1 3
x7 3 2 2
x8 1 1 3
x9 2 1 1
x10 3 2 2
{x1, x3, x9} {x2, x7, x10} {x4} {x5, x6, x8}
{x1, x3, x9} a1, a2 a2 a1
{x2, x7, x10} a1, a2 a1 a1, a2
{x4} a2 a1 a1, a2
{x5, x6, x8} a1 a1, a2 a1, a2
a1 a2 D
F1(D) 2 1 1
F2(D) 3 * 2
F2(D) 2 2 2
F3(D) 1 * 3
Paire f1 f2 …………… fn I
⎧1 si f k (a i ) < f k (a j )
u k (a i , a j ) = ⎨ (16.8)
⎩0 sinon
Exemple de règles :
Tous les points sont comparés deux à deux. Suivant la vérification d’une
règle déterministe ou pas, des fonctions de préférence locale Sj+ et Si- sont
calculées pour chaque paire (bi,bj), respectivement pour le comparant bi et le
comparé bj.
+ −
Alors S j (bi ) = 0 et S i (b j ) = 0 (16.14)
+ −
⎧⎪Q = 1 si bi f b j
Sinon S j (bi ) = 2Q − 1 et S i (b j ) = 1 − 2Q où ⎨ (16.15)
⎪⎩Q = 0 si bi N f b j
Chaque action, point ou produit est ensuite classé suivant les valeurs de
leur fonction de préférence globale décroissantes.
m m (16.16)
S(b ) = ∑ S + (b ) + ∑ S − (b )
i j i j i
j =1 j =1
j≠i j≠i
CHAPITRE 17
Cette analyse permet un travail complet sur une présentation globale d’un
concept ou d’un produit, tout en prenant en compte les interactions entre les
différentes caractéristiques de celui-ci. Dans ce sens, la présentation des
objets peut être faite sous diverses formes (schémas, concepts écrits, image
virtuelle, etc.). Bien entendu, la méthode des profils complets devient
rapidement inutilisable lorsque le nombre d’attributs et de modalités
augmente. A titre d’exemple, l’étude de cinq attributs présentant trois
modalités nécessiterait le classement de 3x3x3x3x3 = 243 concepts, ce qui
ne peut pas raisonnablement être demandé aux personnes interrogées.
La détermination des attributs est faite selon l’idée que ce sont ceux qui
les contrôlent qui en ont la meilleure connaissance. Il s’agit de l’ensemble
des attributs déterminants (positifs ou négatifs) qui influencent les
préférences. La liste des attributs peut-être obtenue par la méthode du
« questionnaire dual » qui consiste à interroger le répondant sur l’importance
des attributs et leur capacité à différentier les offres connues des personnes
interrogées. Ensuite, un score de déterminance est calculé par le produit de la
note d’importance par la note de différentiation. Un ensemble de critères de
décision donne la possibilité de ne retenir que les seuls attributs dont le score
de déterminance est supérieur à la grande moyenne calculée sur l’ensemble
des attributs [ALP 71]. Mais, comme nous l’avons évoqué ci-avant, il est
cependant très difficile de retenir tous les attributs et toutes les modalités
souhaitables.
Les attributs retenus ne doivent pas être corrélés entre eux (c’est-à-dire
être orthogonaux), exigence introduite par les méthodes d’estimation des
utilités retenues, car l’existence de corrélations fortes entre attributs peut
fausser l’estimation des utilités mais aussi créer des combinaisons de
modalités aberrantes [GRE 90]. Dans tous les cas, si plusieurs attributs sont
fortement corrélés, il est conseillé de les regrouper dans des attributs
globalisants.
Nb maxi d’attributs 30 32 10 16 10
Nb maxi de 16 10 9 16 9
modalités
Simulateur de part oui oui oui non oui
de marché
Tableau 17.1. Caractéristiques comparées des logiciels d’analyse des mesures conjointes
(source : Oppewal H, [OPP 95])
288 La conception industrielle de produits 3
Pour vérifier que les estimations des utilités fournies par les mesures
conjointes permettent de bien prédire les préférences réellement exprimées
par les sujets et que les utilités des modalités de facteurs sont obtenues par
décomposition des scores de préférences, il suffit de comparer l’ordre dérivé
des utilités de chaque combinaison de modalités avec l’ordre fourni par les
préférences. Dans ce sens, le coefficient tau de Kendall ou le rho de
Spearman sont calculés entre les ordres exprimés et les ordres prédits par le
modèle. Ces coefficients donnent une mesure du degré d’association ou de
corrélation entre les ordres dérivés des utilités et les ordres provenant des
préférences exprimées. Comme ils varient entre 0 et 1, plus le coefficient est
proche de 1 et plus les ordres sont associés ou proches.
Si l’on prend une paire de lunette et trois attributs, dont chacun à ses
modalités spécifiques comme le résume le tableau 17.2 ci-dessous :
Il faut trouver les valeurs des utilités partielles qui respectent l’évaluation
du sujet et la reconstituent tel que le montre la figure 17.2.
Uij = a1PR1+a2PR2+a3PR3+b1CO1+b2CO2+b3CO3+c1COMP1+c2COMP2
PR1 = 1 si prix 100, = 0 sinon; a1 = utilité partielle de niveau de prix
1(100 $)
PR2 = 1 si prix 125, = 0 sinon; a2 = utilité partielle de niveau de prix
2(125 $)
PR3 = 1 si prix 150, = 0 sinon; a3 = utilité partielle de niveau de prix
3(150 $)
CO1 = 1 Si titane, = 0 sinon ; b1 utilité partielle de niveau de couleur
1(titane)
CO2 = 1 Si argent, = 0 sinon ; b2 utilité partielle de niveau de couleur
2(argent)
CO3 = 1 Si dorée, = 0 sinon ; b3 utilité partielle de niveau de couleur
3(dorée)
COMP1 = 1 si aluminium, = 0 sinon ; c1 utilité partielle de niveau comp
1(alu)
COMP2 = 1 si plastique,= 0 sinon ; c2 utilité partielle de niveau comp
2(plastiq)
Uij = -0,5+4PR1+2PR2+10,167CO1+6,333CO2+5COMP1 .
Ce qui est fait pour ce répondant peut être fait pour tous les
répondants :
– on calcule les fonctions d’utilité pour chacun,
– on fait une moyenne globale des utilités,
– on peut aussi calculer des utilités par groupes,
– ce qui ouvre la porte à d’autres analyses comme la typologie.
Les résultats fournis par l’analyse des mesures conjointes quel que
soit le domaine concerné sont obtenus par un processus lourd car la tâche
d’évaluation est souvent limite pour les sujets, mais néanmoins riche en
résultats. Il faut donc admettre le caractère quasi-expérimental de la
méthode, dont le principal intérêt est sa capacité à matérialiser les
différences individuelles des sujets et sous contrainte d’un nombre limité
d’attributs pris en compte.
L’analyse des mesures conjointes est donc une base solide pour mieux
mesurer les avantages recherchés par les consommateurs, pour faire de
l’optimisation des modalités d’attributs comme par exemple définir le profil
idéal sous une contrainte de coût. Mais aussi, la méthode peut apporter des
292 La conception industrielle de produits 3
[AFN 83] AFNOR NF ISO 8586-1, Analyse sensorielle – Guide général pour la
sélection, l’entraînement et le contrôle des sujets – Partie 1 : sujets qualifiés, 1983.
[AFN 84] AFNOR NF ISO 8586-2, Analyse sensorielle – Guide général pour la
sélection, l’entraînement et le contrôle des sujets – Partie 1 : experts, 1984.
[AFN 95] AFNOR NF ISO 11035, Recherche et sélection de descripteurs pour
l’élaboration d’un profil sensoriel par approche multidimensionnelle, p. 271-300,
1995.
[AIP 06] « Evaluation sensorielle et sémantique dans les phases préliminaires du
processus de conception », supports des conférences du thème 3 de l’université
d’automne AIP PRIMECA – Evaluation et décision dans le processus de
conception–, Ecole Centrale Paris, 126 pages, Châtenay-Malabry, 4-6 septembre
2006.
[ALP 71] ALPERT M.I, Identification of determinant attributes: a comparison of
methods, Journal of Marketing Research, vol. 8, p. 184-91, 1971.
[AMR 99] AMRAM M., KULATILAKA N., Real Options: Managing Strategic
Investment in an Uncertain World, Harvard Business School Press, Boston, Etats-
Unis, 1999.
[ANT 95] ANTONSSON E.K., OTTO K.N., « Imprecision in Engineering Design »,
Journal of Mechanical Design, vol. 117, n° B, p. 25-32, 1995.
[AOU 08] AOUES Y., CHATEAUNEUF A., « Reliability-based optimization of
structural systems by adaptive target safety application to RC frames. Structural
Safety », Article in Press, 2008.
294 La conception industrielle de produits 3
[BRA 03] BRACH M.A., Real Options in Practice, John Wiley & Sons, Inc.,
Hoboken, Etats-Unis, 2003.
[BRA 86] BRANS J.P., MARESCHAL B., VINCKE P., « How to select and how to rank
projects : The PROMETHEE method for MCDM », European Journal of
Operations Research, vol. 24, p. 228-238, 1986.
[BRE 85] BRENNAN M.J., SCHWARTZ E.S., « Evaluating Natural Resource
Investments », Journal of Business, vol. 58, no 2, p. 135-157, 1985.
[BRE 05] BREVIGLIERI PEREIRA DE CASTO E., Méthode d’aide à la conception
architecturale basée sur l’analyse multicritère et sur des données simulées des
comportements des bâtiments, Thèse de doctorat INSA de Lyon et Université
Fédérale de Rio de Janeiro, 2005.
[BRO 97] BROADIE M., GLASSERMAN P., « Pricing American-style Securities Using
Simulation », Journal of Economic Dynamics and Control, vol. 21, p. 1323-1352,
1997.
[BUI 06] BUISINE S., MARTIN J.C., « L’étude de Corpus par Analyse en
Composantes Principales », Proc. WACA'06 second Workshop francophone sur les
agents conversationnels animés, p. 63-71, 2006.
[CAM 06] CAMARGO M., FONTEIX C., MOREL L., « Application of the Choquet
Integral to a Chemical Manufacturing Process », 9th IFAC Symposium on
Automated Systems Based on Human Skill And Knowledge, ASBoHS'06, Nancy, 22-
24 mai 2006.
[CAP 07] CAPTIV, Logiciel de TEA Ergonomie, www.teaergo.com
[CAR 07] CARDIN M. A., DE NEUFVILLE R., DAHLGREN J., Extracting Value from
Uncertainty : Proposed Methodology for Engineering Systems Design, Working
paper, 2007.
[CAR 72] CAROLL J.D., « Individual differences and multidimensional scaling »,
Shepard, Romney, Nerlove, Multidimensional scaling: theory and application in the
behavioral sciences, vol. 1, p. 105-155, 1972.
[CAR 95] CARROLL J.D., GREEN P.E., « Psychometric methods in marketing
research .1. Conjoint Analysis », Journal of Marketing Research, 32(4), p. 385-391,
1995.
[CAT 07] ACTOGRAM-KRONOS, http://www.actogram.net
[CHA 92] CHAKRABARTI A., BLIGH T., HOLDEN T., « Towards a decision-support
framework for the embodiment phase of mechanical design, Artificial Intelligence »,
Engineering, 7 : 21 – 3, 1992.
296 La conception industrielle de produits 3
[CHO 54] CHOQUET G., Theory of capacities, Anna. Inst. Fourier 5, p. 131–295,
1954.
[CHR 96] CHRISTOFOL H., AOUSSAT A., DUCHAMP R., « Analyse de contenu
iconique, un outil de représentation pour le concepteur de la coloration d'un
produit », Design Recherche, no 8, p. 25-34, avril 1996.
[CHR 98] CHRISTOFOL H., « Les métiers de la conception de produits : le
phénomène de la couleur, le coloriste et le processus de conception de la
coloration », PST no 41, Publication Scientifique et Technique de l'Ecole Nationale
Supérieure des Arts et Métiers, 103 pages, Paris, 1998-2003.
[CIH 02] CIHUELO J., « Projet de Conception et Processus Coopératif : les « Petits
Riens » qui rassemblent les métiers », Revue Annuelle des Arts et Métiers, 2002.
[COU 96] COUTAZ J., SALBER D., CARRAUX E., PORTOLAN N., « NEIMO, a multi-
workstation usability lab for observing and analyzing multimodal interaction »,
Proc. CHI'96, p. 402-403, 1996.
[COX 79] COX J.C., ROSS S.A., RUBINSTEIN M., « Option Pricing: A Simplified
Approach », Journal of Financial Economics, vol. 7, p. 229-263, 1979.
[CRO 00] CROCHEMORE S., « Application de la cartographie des préférences au
domaine automobile : la planche de bord », SIA CAF/00-36, Le Mans, 15-16
novembre 2000.
[CRO 03] CROSSLAND R., SIMS W.J.H., MCMAHON C.A., « An object-oriented
modeling framework for representing uncertainty in early variant design, Research »
Engineering Design, vol. 14, p. 173-183, 2003.
[DAH 93] DAHLBÄCK N., JÖNSSON A., AHRENBERG L., « Wizard of Oz studies -
Why and how », Proc. IUI'93, ACM Press, p. 193-200, 1993.
[DAN 91] DANIELLOU F., Ergonomie et neurophysiologie du travail, cours B4
(ergonomie des projets industriels), édition CNAM Paris, 85 pages, 1990-1991.
[DAN 92] DANIELLOU F., Le statut de la pratique et des connaissances dans
l'intervention ergonomique de conception, Thèse d'habilitation, Université de
Toulouse - le Mirail, 100 pages, juin 1992.
[DAR 01] DARSES F., Assister la conception : perspectives pour la psychologie
cognitive ergonomique, projet EIFFEL, cognition et coopération en conception,
2001.
[DAS 98] DAS I., DENNIS J.E., « Normal-Boundary Intersection: A new Method for
Generating the Pareto Surface in Nonlinear Multicriteria Optimization Problems »,
SIAM Journal on Optimization, vol. 8, n° 3, p. 631-657, 1998.
Bibliographie 297
[DAS 97] DASU S., LI L., « Optimal Operating Policies in the Presence of Exchange
Rate Variability », Management Science, vol. 43, no 5, p. 705-722, 1997.
[DAV 88] DAVID H.A., The method of paired comparisons, Oxford University
Press, New York, 1988.
[DAV 88] D’AVIGNON G.R., VINCKE P., « An outranking method under uncertainty »,
E.J.O.R., vol. 36, p. 311-321, 1988.
[DAV 96] D’AVIGNON G.R., SAUVAGEAU M., « L’aide multicritère à la décision : un
cas d’intégration de critères techniques, économiques et environnementaux à Hydro-
Québec », Recherche Opérationnelle/Operations Research, vol. 39, n° 3,
p. 317-332, 1996.
[DEG 80] DE GRAAN J.G., Extensions to the multiple criteria analysis of T. L.
SAATY, Report National Institute of Water Supply, 1980.
[DIV 01] DIVEUX T., SÉBASTIAN P., BERNARD D., PUIGGALI J.R., GRANDIDIER J.Y.,
« Horizontal Axis Wind Turbine Systems: Optimization Using Genetic
Algorithms », Wind Energ., 4 : p. 151-171, 2001.
[DEP 98] DEPLEDT F., Evaluation sensorielle, Manuel méthodologique, Collection
sciences et techniques agro-alimentires, Tech & Doc, Lavoisier, Paris, 1998.
[DIT 96] DITLEVESEN O., MADSEN H., Structural reliability methods, John Wiley &
Sons, 1996.
[DIX 94] DIXIT A.K., PINDYCK R.S., Investment Under Uncertainty, Princeton
University Press, 1994.
[DOR 04] DORE R., Intégration des sensations utilisateur en conception
préliminaire, application au ski et au virage de base, Doctorat de l’ENSAM,
décembre 2004.
[DOR 05] DORE R., PAILHES J., FISCHER X., NADEAU J.-P., « Integration of user’s
requirements in preliminary design : application to parabolic ski in basic turn »,
PLM05, International conference on product lifecycle management, Lyon, 11-13
juillet 2005.
[DOR 07a] DORE R., PAILHES J., FISCHER X., NADEAU J.-P., « Identification of
Design Variables and Criterion Variables towards the integration of User
Requirements into Preliminary Design », Int. J. Product Development, vol. 4,
no 5, p. 508-529, Indersciences édition, Genève, 2007.
298 La conception industrielle de produits 3
[DOR 07b] DORE R., PAILHES J., FISCHER X., NADEAU J.-P., « Identification of
Sensory Variables towards the integration of User Requirements into Preliminary
Design », International Journal of Industrial Ergonomics, vol. 37, Issue 1,
p. 1-11, Elsevier, janvier 2007.
[DUB 86] DUBOIS D., PRADE H., « Weighted minimum and maximum operations in
fuzzy set theory », Information Sciences, 39, p. 205-210, 1986.
[DUB 01] DUBOIS D., PRADE H., SABBADIN R., « Decision-theoretic foundations of
qualitative possibility theory », European Journal of Operational research, 128,
p. 459-478, 2001.
[ECR 97] ECRIN, Evaluation subjective : méthodes, applications et enjeux. Les
cahiers du club CRIN, 1997.
[ENE 94a] ENEVOLDSEN I., « Reliability-based optimization as an information
tool », Mech. Struct. & Mach, 22 : p. 117-135, 1994.
[ENE 94b] ENEVOLDSEN I., SØRENSEN J.D., « Reliability-based optimization in
structural engineering », Structural Safety, 15: p.169-196, 1994.
[ENS 07a] ENS « Governors Push for Clean Energy Laws, Investments »,
http://www.ens-newswire.com/ens/apr2007/2007-04-10-09.asp#anchor1, 2007.
[ENS 07b] ENS « Vermont Squares Off Against Automakers on CO2 Emissions »,
http://www.ens-newswire.com/ens/apr2007/2007-04-10-09.asp#anchor1, 2007.
[EVA 98] Evaluation sensorielle, manuel méthodologique, 2è édition, Tech & Doc,
Lavoisier, collection Sciences et Techniques agro-alimentaires, 1998.
[EVI 02] EVIN F., SIEKIERSKI E., « Sensory evaluation of heating and air
conditioning system », Energy and Buildings 34, p. 647-651, 2002.
[FER 04] FERGUSON S., LEWIS K., « Effective Development of Flexible Systems in
Multidisciplinary Optimization », Proc. 10th AIAA/USAF/NASA/ISSMO Symposium
on Multidisciplinary Analysis and Optimization, AIAA-2004-4309, 2004.
[FIL 86] FILLACIER J., La pratique de la couleur, Dunod, Paris, 1986.
[FOW 95] FOWLKES W.Y., CREVELING C.M., Engineering Methods for Robust
Product Design: Using Taguchi Methods in Technology and Product Development,
Addison-Wesley publisher, Hardcover format, 1995.
[FRA 95] FRANGOPOL D.M., « Reliability-based optimum structural design »,
Probabilistic structural mechanics handbook, edited by C. Raj Sundararajan,
Chapman Hall, Etats-unis, p. 352-387, 1995.
Bibliographie 299
[GRE 90] GREEN P.E., SRINIVASAN V., « Conjoint Analysis in Marketing : New
developments with Implications for research and Practise », Journal of Marketing,
54, p. 3-19, 1990.
[GUE 03] GUENAND A., MARTIN LOPEZ J., ZALILA Z., « Application of Expertons
Theory in the sensory analysis of cell phone flaps », Congrès Qualita, Nancy, mars
2003.
[GUE 03] GUENAND A., MARTIN LOPEZ J., « Study on subjective evaluation of
perceived quality of flap mobile phones and prediction of sensorial profile »,
International conference on engineering design, Iced 03 Stockholm, Suède, 19-21
août 2003.
[GUE 03] GUENAND A., CAPELL ZAPATA F., « A reference system of Semantic
Characterisation of products », Tsukuba, Japon, 14-17 octobre 2003.
[GUE 04] GUENAND A., LAMROUS S., ROUGON G., « Semio : semiological tool for
the design of industrial products : analysis based on ontologies », Bath, Grande-
Bretagne, 5-7 avril 2004.
[GUE 05] GUENAND A., MARTIN LOPEZ J., ZALILA Z., « Application of Expertons
Theory in the sensory analysis of cell phone flaps », Revue Quality Engineering,
volume 5, octobre-décembre 2005.
[GUI 98] GUITOUNI A., MARTEL J.M., « Tentative guidelines to help choosing an
appropriate MCDA method », European Journal of Operational Research, 109,
p. 501-521, 1998.
[HAJ 05] HAJJI O., Optimisation de configurations de véhicules (Renault) -
Utilisation conjointe d’une méthode d’aide à la décision multicritère, d’optimisation
mono-objectif et de programmation par contraintes, Mémoire de Master Recherche
Génie Industriel (Innovation-Conception-Ingénierie), Ecole Centrale Paris, 2005.
[HAJ 07] HAJJI O., YANNOU B., BAGLIN-SCHUHLER N., « Optimization of a Vehicle
Mix under Environmental and Economical Constraints », Proc. International
Conference on Engineering Design : ICED'07, Cité des Sciences et de l'Industrie,
Paris, 28-31 août 2007.
[HAP 98] HAPKE M., JASZKIEWICZ A., SLOWINSKI R., « Interactive analysis of
multiple-criteria project scheduling problems », European Journal of Operational
Research, vol. 107, n° 2, p. 315-324, 1998.
[HAR 05] HARVEY A., « Application of an integrated method to a study of the
consumer perceptions of automobile dashboards », Research Internship report,
Ecole Centrale Paris, université de Bath, 2005.
Bibliographie 301
[HAS 74] HASOFER A.M., LIND N.C., An Exact and Invariant First Order
Reliability Format, J. Eng. Mech., ASCE, 100, EM1:11-121, 1974.
[HAS 06] HASSAN R., DE NEUFVILLE R., Design of Engineering Systems under
Uncertainty via Real Options and Heuristic Optimization, Working paper, 2006.
[HOD 93] HODDER J.E., TRIANTIS A.J., Valuing flexibility: an impulse control
framework. Annals of Operations Research, vol. 45, p. 109-130, 1993
[HSI 98] HSIAO S.W., WANG H.P., « Applying the semantic transformation method
to product form design », Design Studies 19, p. 309-330, 1998.
[HUC 96] HUCHZERMEIER A., COHEN M.A., « Valuing Operational Flexibility under
Exchange Rate Risk », Operations Research, vol. 44, no 1, p. 100-113, 1996.
[HUG 99] HUGGET A., SÉBASTIAN P., NADEAU J.P., « Global Optimization of a
Dryer by using Neural Networks and Genetic Algorithms », AIChE Journal, 45:
p. 1227-1238, 1999.
[HUL 03] HULL J. C., Options, Futures, and Other Derivatives, 5è édition, Prentice
Hall, Etats-Unis, 2003.
[INR 01] INRS - Anact, Repères sur le travail, à l’usage des ingénieurs, élèves et
débutants, 161 pages, 2001.
[ISM 02] ISMAIL-YAHAYA A., MESSAC A., « Effective Generation of the Pareto
Frontier using the Normal Constraint Method », Proc. AIAA 40th Aerospace
Sciences Meeting and Exhibit, 2002.
[ISO 99] ISO13407, Human-centred design processes for interactive systems,
International Organization for Standardization, 1999.
[JAC 82] JACQUET-LAGREZE E., SISKOS J., « Assessing a Set of Additive Utility
Functions for Multicriteria Decision-Making, the UTA Method », E.J.O.R., vol.10,
2, p. 151-164, 1982.
[JAM 99] JAMBU M., Méthode de base de l’analyse des données, collection
technique et scientifique des télécommunications, Eyrolles, 419 pages, Paris, 1999.
[KAY 84] KAYS W., LONDON A., Compact Heat Exchangers, Mc Graw-hill book
company, 1984.
[KEE 76] KEENEY R.L., RAIFFA H., Decisions with multiple objectives : Preferences
and value tradeoffs, John Wiley and Sons, 597 pages, New York, 1976.
302 La conception industrielle de produits 3
[KHA 02] KHARMANDA G., MOHAMED A., LEMAIRE M., « CAROD: Computer-
Aided Reliable and Optimal Design as a concurrent system for real structures ».
Journal of Computer Aided Design and Computer Aided Manufacturing
CAD/CAM,1(1) : p. 1-12, 2002.
[KOG 94] KOGUT B., KULATILAKA N., « Operating Flexibility, Global
Manufacturing, and the Option Value of a Multinational Network », Management
Science, vol. 40, no 1, p. 123-139, 1994.
[KRI 04] KRIEGER A.M., GREEN P.E., WIND Y.J., Adventures in Conjoint Analysis:
A practitioner’s Guide to Trade-off Modeling and Application, Philadelphie,
Wharton School of Business, disponible en ligne (http://www-
arketing.wharton.upenn.edu/people/faculty/green-monograph.htlm), 2004.
[KRI 02] KRISHNAN V., BHATTACHARYA S., « Technology Selection and
Commitment in New Product Development : The Role of Uncertainty and Design
Flexibility », Management Science, vol. 48, no 3, p. 313-327, 2002.
[KRU 65] KRUSKAL J.B., « Analysis of factorial experiments by estimating
monotone. transformation of the data », Journal of the Royal Statistical Society,
1965.
[LAU 02] LAURENCIN J-P., « Economie de la Conception Participative : enjeux de
Management et d'Organisation », AS conception participative, MSH-Alpes,
24 pages, Grenoble, 2002.
[LEB 04] LEBART L., MORINEAU A., PIRON M., Statistique exploratoire
multidimensionnelle, Dunod, Sciences Sup, 2004.
[LEE 04] LEE I., JOO-HEON C.J., KIM J., PARK M., « Synthesis of Mechanical
Structures Using a Genetic Algorithm, Lecture Notes », Computer Science,
Springer-Verlag, 3044/2004 : p. 573 – 582, 2004.
[LEM 05] LEMAIRE M., en collaboration avec CHATEAUNEUF A., et MITTEAU
J.C., Fiabilité des structures, Hermès, Paris, 2005.
[LEV 06] LEVRAT E., RENAUD J., FONTEIX C., « A comparison of decision maker
compromise between two classification approaches based on OWA operators.
Industrial application », 9th IFAC ASBoHS’06 symposium, Nancy, 22-24 mai 2006.
[LIM 02] LIMAYEM F., YANNOU B., « Handling Imprecision in Pairwise Comparison
- For Better Group Decisions in Weighting », Integrated Design and Manufacturing
in Mechanical Engineering, CHEDMAIL P., COGNET G., FORTIN C., MASCLE C.,
PEGNA J. Editors, Kluwer Academic Publishers, Dordrecht/Boston/Londres, 2002.
Bibliographie 303
[LIM 04] LIMAYEM F., YANNOU B., « Generalization of the RCGM and LSLR
Pairwise Comparison Methods », Computers and Mathematics with Applications
vol. 48, p. 539-548, 2004.
[LIM 07] LIMAYEM F., YANNOU B., « Selective assessment of judgemental
inconsistencies in pairwise comparisons for group decision rating », Computers &
Operations Research, vol. 34, n° 6, p. 1824-1841, juin 2007.
[LOO 82] LOOTSMA F.A., « Performance evaluation of nonlinear optimization
methods via multi-criteria decision analysis and via linear model analysis »,
Nonlinear Optimization, POWELL M.J.D. Editor, Academic Press, Londres, vol. 1,
p. 419-453, 1982.
[LUC 64] LUCE R.D., TUKEY J.W., « Simultaneous conjoint measurement: A new
type of foundamental measurement », Journal of Mathematical Psychology, 1,
p. 1-27, 1964.
[MAH 91] MAHAJAN V., WIND J., New Product Models, Marketing Science Inst,
1991.
[MAL 94] MALINE J., Simuler le travail, une aide à la conduite de projet, édition de
l'ANACT, collection outils et méthodes, 156 pages, 1994.
[MAL 02] MALLARD A., Les instruments dans la coordination de l'action».
Pratiques techniques, métrologie, instruments scientifiques, Thèse de doctorat, Ecole
Nationale Supérieure des Mines de Paris, Centre de sociologie de l'innovation, Paris,
1996.
[MAN 97] MANGIN J.C., Aide à la décision et choix multicritère : problématique
modélisation des préférences méthodes et exemples, cours école supérieure
d’ingénieurs de Chambéry – université de Savoie, 1997.
[MAN 02] MANGUN D., THURSTON D., « Incorporating Component Reuse,
Remanufacture, and Recycle into Product Portfolio Design », IEEE Transactions
on Engineering Management, vol. 49, no 4, p. 479-490, 2002.
[MAN 06] MANTELET F., Prise en compte de la perception émotionnelle du
consommateur dans le processus de conception de produits, Thèse ENSAM Paris
sous la direction de Améziane Aoussat et Carole Bouchard, 2006.
[MAT 04] MATHIEU J.P., « L’analyse lexicale par contexte : un bel outil pour la
recherche exploratoire en marketing », Décision Marketing, 34, p. 67-77, 2004.
[MAX 04] MAXANT O., La collaboration interdisciplinaire et la contextualisation
par l’usage dans la création et l’évaluation amont d’offres innovantes : application
au domaine de l’énergie domestique, Thèse de doctorat, ENSAM, 2004.
304 La conception industrielle de produits 3
[MEI 99] MEILGARD M., CIVILE G.V., CARR B.T., Sensory evaluation techniques,
CRC Press, 1999.
[MES 96] MESSAC A., GUPTA S., AKBULUT B., « Linear Physical Programming : A
New Approach to Multiple Objective Optimization », Transactions on Operational
Research, vol. 8, p. 39-59, 1996.
[MES 03] MESSAC A., ISMAIL-YAHAYA A., MATTSON C.A., « The Normalized
Normal Constraint Method for Generating the Pareto Frontier », Structural and
Multidisciplinary Optimization - Journal of the International Society of Structural
and Multidisciplinary Optimization (ISSMO) volume 25, n° 2, p. 86-98, 2003.
[MIN 03] MINEL S., Démarche de conception collaborative et proposition d’outils
de transfert de données métier, Thèse de doctorat, ENSAM, 2003.
[MOL 91] MOLES A., « Pour un néo-fonctionnalisme, –Prométhée éclairé II,
Éthique, technique et responsabilité professionnelle en design– », Informel,
volume 4, no 1, p. 28-35, hiver 1991.
[MOO 79] MOORE R.E., Methods and Applications of Interval Analysis. SIAM
Studies in Applied Mathematics, SIAM, Philadelphie, 1979.
[MOR 07a] MOREL L., CAMARGO M., FONTEIX C., « Application d’un Index
d’évaluation global basé sur l’intégrale de Choquet pour la conception des produits
dans l’industrie chimique », 11ème Congrès de la Société Française de Génie des
Procédés, Saint-Etienne, 9-11octobre 2007.
[MOR 07b] MOREL L., CAMARGO M., FONTEIX C., « Integrating Product Innovation
Degree and Technological Strategy. Use of Constrained multi-criteria optimisation
for a Polymerisation Process », 11ème Congrès de la Société Française de Génie
des Procédés, Saint-Etienne, 9-11octobre 2007.
[MOR 04] MORRIS A.S., ISO 14000 Environmental Management Standards:
Engineering and Financial Aspects, Wiley, New York, 2004.
[MOS 97] MOSES F., « Problems and prospects of reliability based optimization »,
Engineering Structures 19(4) : p. 293-301, 1997.
[MUN 06] MUN J., Real Options Analysis: Tools and Techniques for Valuing
Strategic Investments and Decisions, 2è édition, John Wiley & Sons, 2006.
[MUS 06] MUSSO P., PONTHOU L., SEUILLET E., Fabriquer le futur – L’imaginaire
au service de l’innovation–, Village Mondial, Pearson Education France, 232 pages,
Paris, 2005.
Bibliographie 305
[NAD 06] NADEAU JP., PAILHES J., « Intégration de l’innovation et des sensations
utilisateur en conception préliminaire par le biais de l’analyse fonctionnelle »,
Ingénierie de la conception et cycle de vie du produit, chapitre 2, Traité IC2, Hermès
Science Lavoisier, 2006.
[NEM 00] NEMBHARD H.B., SHI L., PARK C.S., « Real Option Models for
Managing Manufacturing System Changes in the New Economy », The
Engineering Economist, vol. 45, no 3, p. 232-258, 2000.
[NEM 02] NEMBHARD H.B., SHI L., AKTAN M., « A Real Options Design for
Quality Control Charts », The Engineering Economist, vol. 47, no 1, p. 28-59,
2002.
[NEM 03] NEMBHARD H.B., SHI L., AKTAN M., « A Real Options Design for
Product Outsourcing », The Engineering Economist, vol. 48, no 3, p. 199-217,
2003.
[NEM 05a] NEMBHARD H. B., SHI L., AKTAN M., « A Real Options Based
Analysis for Supply Chain Decisions », IIE Transactions (special issue on
Financial Engineering), 37, 10, 945-956, 2005.
[NEM 05b] NEMBHARD D.A., NEMBHARD H.B., QIN R., « A Real Options Model
for Workforce Cross Training », The Engineering Economist, 50, 2, p. 95-116,
2005.
[OPP 95] OPPEWAL H., « A review of Conjoint Software », Journal of retailing and
consumer services, 2, p. 55-56, 1995.
[OSG 57] OSGOOD C.E., SUCI G.J., TANNENBAUM P.H., The measurement of
meaning, Urbana: University of Illinois Press, 1957.
[OVI 92] OVIATT S.L., COHEN P.R., FONG M.W., FRANK M.P., « A rapid semi-
automatic simulation technique for investigating interactive speech and
handwriting », Proc. ICSLP'92, p. 1351-1354, 1992.
[PAE 76] PAELINCK J.H.P., « Qualitative multiple criteria analysis, environmental
protection and multiregional development », Fifteenth European Congress of the
Regional Science Association, vol.36, p. 59-73, 1976.
[PAH 03] PAHL G., BEITZ W., Engineering design. A systematic approach, Springer,
Londres, Grande-Bretagne, 2003.
[PAT 05] PATOUILLARD Y., Mémoire de MRICI, Prise en compte de la perception
émotionnelle du consommateur en conception de produits, Application à une table
de bar, Mémoire encadré par Fabrice Mantelet et Carole Bouchard, 2005.
306 La conception industrielle de produits 3
[PAW 82] PAWLAK Z., « Rough Sets », Informational Journal of Information and
Computer Sciences, 11, 5, p. 341-356, 1982.
[PAW 94] PAWLAK Z., SLOWINSKI R., Rough Set approach to multi-attribute
decision analysis, European Journal Operational Research, 72, 3, p. 443-459, 1994.
[PET 04] PETIOT J-F., Conception intégrée orienté client : processus, méthodes et
outils, Mémoire d’habilitation à diriger les recherches, Ecole Centrale de Nantes,
2004.
[PET 04] PETIOT J-F., YANNOU B., « Measuring consumer perceptions for a better
comprehension, specification and assessment of product semantics », International
Journal of Industrial Ergonomics, volume 33, Issue 6, p. 507-525 , juin 2004.
[PIL 99] PILLET M., Introduction aux plans d'expériences par la méthode Taguchi,
Edition d’Organisation, 1999.
[POI 05] POIRSON E., Prise en compte des perceptions de l'utilisateur en conception
de produit. Application aux instruments de musique de type cuivre, Thèse Centrale
Nantes sous la direction de Jean-François Petiot, 2005.
[POM 97] POMIAN J.L., PRADERE T., GAILLARD I., Ingénierie et Ergonomie, édition
Cépaduès, 260 pages, Toulouse, 1997.
[PULL 00] PULLMAN M.E., DODSON K.J., MOORE W., « A comparison of conjoint
methods when there are many attributes », Marketing Letters, 10, p. 1-14, 2000.
[QUA 94] QUARANTE D., Eléments de design industriel, 1994.
[RAC 01] RACKWITZ R., « Reliability analysis, overview and some perspectives »,
Structural Safety 23 : p. 366-395, 2001.
[REN 03] RENAUD J., FOURNIER F., THIEBAULT J., LANOUETTE R., ZARAS,
FONTEIX C., «Decision making by Rough Sets applied to chemical and biochemical
multicriteria process optimisation», p. 241- 245, 8th IFAC Symposium Automated
Systems Based on Human Skill and Knowledge, Göteborg, Suède, 22-24, 2003.
[ROU 82] ROUBENS M., « Preference relations on actions and criteria in
multicriteria decision making », European Journal of Operational Research, vol. 10,
p. 51-55, 1982.
[ROU 99] ROUCOULES L., Méthodes et connaissances : contribution au
développement d’un environnement de conception intégrée, Thèse de doctorat de
l’INPG, 1999.
Bibliographie 307
[SCA 06] SCARAVETTI D., SÉBASTIAN P., NADEAU J.P., « Structuration d’un
problème de conception préliminaire, formulation et résolution par satisfaction de
contraintes », Ingénierie de la conception et cycle de vie du produit, chapitre 7,
Traité IC2, Hermès Science Lavoisier, 2006.
[SCA 06a] SCARAVETTI D., PAILHES P., NADEAU J.P., « Expression de la pertinence
de la conception, pour l'aide à la décision en conception préliminaire », Evaluation
et décision dans le processus de conception (chapitre 3), YANNOU B., BONJOUR E.,
Hermès Science Lavoisier, p. 53-68, 2006.
[SCA 06b] SCARAVETTI D., SÉBASTIAN P., PAILHES J., NADEAU J.P., « Exploring
design spaces in the search for embodiment design solutions for various life cycle
stages, and decision support », Proc. Computational Engineering in Systems
Applications (CESA'06), Pékin, Chine, octobre 2006.
[SCH 01] SCHWARTZ E. S., TRIGEORGIS L. Editors, Real Options and Investment
under Uncertainty: Classical readings and Recent Contributions, The MIT Press,
Cambridge, Etats-Unis, 2001.
[SCO 00] SCOTT M.J., ANTONSSON E.K., « Using Indifference Points in Engineering
Decisions », Proc. ASME/DETC2000/DTM, Baltimore, Etats-Unis, 10-13 septembre
2000.
[SEB 04] SÉBASTIAN P., NADEAU J.P., ASO S., « Numeric-CSP for air conditioning
in aeronautics », 8th World Multi-Conference on Systemics, Cybernetics and
Informatics, SCI 2004, Orlando, Etats-Unis, 2004.
[SEL 07] Société d’Ergonomie de Langue Francçaise (SELF), www.ergonomie-
self.org; International Ergonomics Association (IEA), www.iea.cc
[SEP 02] SEPPALA J., BASSON L., NORRIS G.A., « Decision analysis frameworks for
life-cycle impact assessment », Journal of Industrial Ecology, vol. 5, n° 4,
p. 45-68, 2002.
[SIE 00] SIEFFERMANN J.-M., « Le profil flash – un outil rapide et innovant
d’évaluation sensorielle descriptive », Agoral, Douzièmes rencontres, L’innovation :
de l’idée au succès, p. 335–340, Montpellier, 2000.
[SUG 74] SUGENO M., Theory of fuzzy integrals and its applications, Thèse de
Ph.D., Tokyo Institute of Technology, Tokyo, 1974.
[SUH 01] SUH N., Axiomatic Design: Advances and Applications, Oxford
University Press, New York, 2001.
[SUS 98] SUSINI P., MISDARIIS N., WINSBERG S., MCADAMS S., « Caractérisation
perceptive de bruits », Acoustique et Technique, (13), p. 11-15, 1998.
Bibliographie 309
[STU 04] STUMP G., YUKISH M.A., MARTIN J.D., SIMPSON T.W., « The ARL Trade
Space Visualizer: An Engineering Decision-Making Tool », American Institute of
Aeronautics and Astronautics, 2004.
[THE 97] THEUREAU J., Le cours d’Action, Méthode élémentaire, collection travail
et activité humaine, Octares édition, Toulouse, 384 pages, 1997.
[THO 96] THORNTON A., « The Use of Constraint-based Design Knowledge to
Improve the Search for Feasible Designs », Engineering Application of Artificial
Intelligence, 9: p. 393-402, 1996.
[TIC 96] TICHKIEWITCH S., TIGER H., JEANTET A., VINCK D., « La coordination par
les objets dans les équipes intégrées de conception de produit », Coopération et
Conception, Octares édition, p. 87-100, 1996.
[TRA 01] URDAPILLETA I., TON NU C., SAINT DENIS C., DE KERMANDEC F.H.,
Traité d’évaluation sensorielle – Aspect cognitifs et métrologiques des perceptions,
Dunod, Paris, 2001.
[TRI 90] TRIANTIS A.J., HODDER J.E., « Valuing Flexibility as a Complex
Option », Journal of Finance, vol. 45, no 2, p. 549-565, 1990.
[TRI 99] TRIGEORGIS L., Real Options: Managerial Flexibility and Strategy in
Resource Allocation, The MIT Press, Cambridge, Etats-Unis, 1999.
[TVE 67] TVERSKY A., « A general theory of polynomial conjoint measurement »,
Journal of Mathematical Psychology, 4, p. 1-2, 1967.
[ULL 95] ULLMAN D.G., D’AMBROSIO B., « Taxonomy for Classifying Engineering
Decision Problems and Support Systems, Artificial Intelligence for Engineering
Design », Analysis and Manufacturing, vol. 9, p. 427-438, 1995.
[ULL 03] ULLMAN D.G., The mechanical design process, 3è édition, McGraw-Hill
Higher Education, New York, 2003.
[VAL 05] VALLETTE T., Proposition d’un cadre conceptuel d’aide à la conception
collective innovante par l’usage, Thèse de doctorat, ENSAM, 2005.
[VAL 94] VALETTE FLORENCE P., Les styles de vie, bilan critique et perspectives,
Connaître et pratiquer la gestion, Nathan, 1994.
[VAN 06] VANSNICK J.C., L’approche, MACBETH, MOSIM’06, Rabat, Maroc,
2006.
[VER 04] VERNAT Y., Formalisation et qualification de modèles par contraintes en
conception préliminaire, Thèse de doctorat, ENSAM, Bordeaux, 2004.
310 La conception industrielle de produits 3
[WIT 89] WITTING C., CATTIN B., « Commercial of Conjoint Analysis: an Update »,
Journal of Marketing, 53, p. 91-9, 1989.
[WOO 89] WOOD K.L., ANTONSSON E.K., BECK J.L., « Computations with
imprecise parameters in engineering design: background and theory », ASME
Journal of Mechanisms, Transmissions and Automation in Design, n° mars, p. 616-
624, 1989.
[YAG 88] YAGER R.R., « On ordered weighted averaging aggregation operators in
multi-criteria decision making, IEEE Transactions on Systems », Man and
Cybernetics, vol. 18, p. 183-190, 1988.
[YAN 04] YANNOU B., HAMDI A., « Truss dimensioning with an uncertainty
reduction paradigm », Proc. International Design Conference, Dubrovnik, Croatie,
18-20 mai 2004.
[YAN 05a] YANNOU B., HARMEL G., « Use of Constraint Programming for
Design », Advances in Design, ElMaraghy H., ElMaraghy W. Editors, Springer,
chapitre 12, 2005.
[YAN 05b] YANNOU B., MORENO F., THÉVENOT H., SIMPSON T.W., « Faster
Generation of Feasible Design Points », Proc. DETC/DAC: ASME Design
Engineering Technical Conferences/Design Automation Conference,
DETC2005/8544, Long Beach, Etats-Unis, 25-28 septembre 2005.
[YAN 07a] YANNOU B., COATANEA E., « Easy and flexible specifications and
product evaluations by expert and customer comparisons with existing products »,
Proc. International Conference on Engineering Design: ICED'07, Cité des Sciences
et de l'Industrie, Paris, 28-31 août 2007.
[YAN 07b] YANNOU B., COATANEA E., « The COMPARE method for easy and fast
specification and design selection by product pairwise comparisons », Proc.
CPI'2007: Conception et Production Intégrées, Rabat, Maroc, 22-24 octobre 2007.
[YU 92] YU W., « Electre Tri, aspects méthodologiques et guide d’utilisation »,
Document 74, Lamsade, 80 pages, 1992.
[ZHO 06] ZHOU B., Analyse des évaluations sensorielles des produits industriels par
des techniques de calcul avancées en vue de la caractérisation des comportements
des consommateurs, Thèse de PhD, Université Lille 1, 2006.
INDEX
A Analyse fiabiliste
état limite de défaillance, 178
Action état limite sûr, 178
américaine, 257 probabilité de défaillance, 173
européenne, 257 Analyse
Activité réelle, 48 fonctionnelle, 31
Actualisation des flux de trésorerie, 261 sémantique, 36, 62, 63
Agrégation complète, 203 sensorielle, 37
Aide à la décision multicritère, 196 Approximations basses et hautes, 273
Analyse Attribut
d’activité, 35, 51 sémantique, 245
de fiabilité, 173
de l’activité, 49
en composantes principales, 248
B
fonction de performance, 174 Bloc diagramme fonctionnel, 38
indice de fiabilité, 177
mesures conjointes, 198, 282
multicritère, 196 C
perceptuelle, 244 Chaînage
point caractéristique, 177 micro pcognitif, 34
point de défaillance, 177 valeurs-fonctions-attributs, 34
point moyen, 177 Choix
variables aléatoires, 173 de concept, 243
Analyse de robustesse, 163 Choquet
fonctions dérivables, 164 intégrale, 212
rapport signal sur bruit, 169 Collecte des données
systèmes complexes, approche mesures conjointes, 285
Taguchi, 164 Comparaisons par paires, 246
Analyse COMPARE, 243, 245
des phénomènes physiques, 38 Conception, 210, 213
des usages, 58 architecturale, 149
en composantes principales, 56
312 La conception industrielle de produits 3
D F
Décideur, 195, 239 Flexibilité, 256
Décision Flux d’énergie, 38, 103
financière, 255 Fonction
Dépendance d’estime, 243
attributs, 275 de préférence dans Prométhée, 229
de satisfaction, 253
d'utilité, 204
E Frontière de Pareto, 141
Electre, 197, 219 exemple, 159
Electre 1v, 223 méthodes de génération, 143
Electre 2, 223 parcours de la frontière, 144
Electre 3, 224
Electre 4, 226 G
Electre Is, 223
Electre TRI, 228 Gaia, 219
Electre1, 222 Gestion des compromis, 141, 160
Ensembles approximatifs, 198 Grille sémantique, 63, 64, 66
Ergonomie, 43, 45
démarche d', 46
Ergonomique
H
intervention, 46, 48 Harmonie, 33
Espace
perceptif, 243
Espace de conception, 119 I
conception contrainte, conception Incertitude, 255
faisable, 139 Incomparabilité, 219
exploration, 122, 134 Indépendance
paramères de conception, 134 attributs, 275
paramètre de conception, sensibilité, Indice de concordance, 220, 224
variabilité, tolérance, 163, 166 Indice de discordance, 225
performances, 134 Innovation, 44
réduction, 151, 157 Intégrale
résolution, 122 Choquet, 212, 214
Esthétique floue, 197, 210, 211
industrielle, 27 Interface multimodale, 52, 54
Estimation des utilités
mesures conjointes, 287
Index 313
L Problématique
de choix, 221
Logiciels de rangement, 223
d'aide à la décision, 201 de tri, 227
Processus de conception
phases préliminaires, 28
M Processus de décision, 196
MACBETH, 205 Produits Parent/Enfant, 47
Matrice Programmation par contraintes, 136
de comparaisons, 246, 251 branchemet et élagage, 137
MAUT, 203 cohérence, 136
Mesures conjointes, 281, 282 démarche de synthèse, 138
Méta-modèles, modèles approximés, 119 exemple de pré-dimensionnement, 149
Méthode filtrage, 136
Electre, 221 séparation de domaines, 136
UTA, 204 solveur CSP, 150, 151, 155
Micro psychologie, 34 Prométhée, 197, 219, 228
Micro-actes, 34 cas industriel, 231
Micro-décisions, 34 Prométhée 1, 229
Modèles approximés, méta-modèles, 121, Prométhée 2, 230
122, 186
cas linéaire, 127, 175 Q
cas non linéaires, 175
cas quadratique, 128 Qualiflex, 219, 230
critères de validation, 129 Quantificateurs linguistiques, 209
critères d'évaluation, 125, 126
Modèles approximés, méta-modélisation
construction de méta-modèles, 123
R
identification, 124 Reconception, 253
Moyenne pondérée ordonnée, 197, 206, Relation
210 de surclassement,197, 227
d'indiscernabilité, 273
O Robustesse
décisionnelle, 199
Opérateurs d’agrégation, 206, 207, 210, multicritère, 199
211 procédurale, 199
Options financières, 197 Rough Sets, 198, 271
Options réelles, 197, 255
définition, 257
Oreste, 219, 231
S
OWA, 197, 203, 206, 208 Score, 246, 251
Sémiologie, 62
P Simulation de Monte Carlo, 139, 175
Situation de référence, 47
Paramètres de conception, 121 SMART, 205
Planches de bord, 244 Somme pondérée, 205
Plans d’expériences, 124, 125, 128, 167 Spécification, 243
Préférences du décideur, 197 génération, 249
314 La conception industrielle de produits 3
Bibliographie
Index
SOMMAIRE DU VOLUME 2
Introduction générale
Introduction au volume 2
Bibliographie
Index