Search

Your search keyword '"Lutz, Michel"' showing total 58 results
Start Over Author "Lutz, Michel"
58 results on '"Lutz, Michel"'

1. A First Glance on Coevolution of Boolean Networks to Simulate the Development of Interacting Systems in Molecular Biology

Author

Schwab, Julian D., Lutz, Michel, Kestler, Hans A., Gaul, Wolfgang, Managing Editor, Vichi, Maurizio, Managing Editor, Weihs, Claus, Managing Editor, Baier, Daniel, Editorial Board Member, Critchley, Frank, Editorial Board Member, Decker, Reinhold, Editorial Board Member, Diday, Edwin, Editorial Board Member, Greenacre, Michael, Editorial Board Member, Lauro, Carlo Natale, Editorial Board Member, Meulman, Jacqueline, Editorial Board Member, Monari, Paola, Editorial Board Member, Nishisato, Shizuhiko, Editorial Board Member, Ohsumi, Noboru, Editorial Board Member, Opitz, Otto, Editorial Board Member, Ritter, Gunter, Editorial Board Member, Schader, Martin, Editorial Board Member, Davino, Cristina, editor, Palumbo, Francesco, editor, Wilhelm, Adalbert F. X., editor, and Kestler, Hans A., editor

Published
2024
Full Text
View/download PDF

3. Keynote: Total - Machine Learning & Data Management from the Trenches

Author

Lutz, Michel, Lutz, Michel, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020]), and Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS)

Subjects
[SPI]Engineering Sciences [physics], [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], [SPI] Engineering Sciences [physics], ComputingMilieux_MISCELLANEOUS, [STAT.ML] Statistics [stat]/Machine Learning [stat.ML]
Abstract

International audience

Published
2021

4. Un exemple de compétition pédagogique en science des données

Author

Roustant, Olivier, Lutz, Michel, Département Décision en Entreprise : Modélisation, Optimisation (DEMO-ENSMSE), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut Henri Fayol, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020]), Lutz, Michel, Ecole Nationale Supérieure des Mines de St Etienne-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), and Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS)

Subjects
[STAT]Statistics [stat], ComputingMilieux_MISCELLANEOUS, [STAT] Statistics [stat]
Abstract

International audience

Published
2019

5. The Hundred-Page Machine Learning Book en français

Author

Burkov, Andriy, Lutz, Michel, Lutz, Michel, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), and Ecole Nationale Supérieure des Mines de St Etienne-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS)

Subjects
[INFO.INFO-AI] Computer Science [cs]/Artificial Intelligence [cs.AI], [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], [INFO.INFO-NE] Computer Science [cs]/Neural and Evolutionary Computing [cs.NE], [INFO.INFO-LG] Computer Science [cs]/Machine Learning [cs.LG], [INFO.INFO-NE]Computer Science [cs]/Neural and Evolutionary Computing [cs.NE], ComputingMilieux_MISCELLANEOUS, [STAT.ML] Statistics [stat]/Machine Learning [stat.ML], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI]
Abstract

International audience

Published
2019

6. Keynote: Data development at Total

Author

Lutz, Michel, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020]), Lutz, Michel, and Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS)

Subjects
[SHS.STAT]Humanities and Social Sciences/Methods and statistics, [SHS.STAT] Humanities and Social Sciences/Methods and statistics, [SHS.GESTION]Humanities and Social Sciences/Business administration, [SHS.GESTION] Humanities and Social Sciences/Business administration, ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2018

7. Croisement de points de vue : données & humanisme

Author

Lutz, Michel, Bruneel, Jérôme, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), Lutz, Michel, and Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS)

Subjects
[SHS.STAT]Humanities and Social Sciences/Methods and statistics, [SHS.STAT] Humanities and Social Sciences/Methods and statistics, [SHS.GESTION]Humanities and Social Sciences/Business administration, [SHS.GESTION] Humanities and Social Sciences/Business administration, ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2018

8. Keynote: data organization at Total

Author

Lutz, Michel, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), Lutz, Michel, and Ecole Nationale Supérieure des Mines de St Etienne-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS)

Subjects
[SHS.STAT]Humanities and Social Sciences/Methods and statistics, [SHS.STAT] Humanities and Social Sciences/Methods and statistics, [SHS.GESTION]Humanities and Social Sciences/Business administration, [SHS.GESTION] Humanities and Social Sciences/Business administration, ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2018

9. Modélisation cost-sensitive et enrichissement de données

Author

Levorato, Vincent, Lutz, Michel, Laggacherie, Matthieu, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), Lutz, Michel, and Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS)

Subjects
[STAT.ML]Statistics [stat]/Machine Learning [stat.ML], [STAT.ML] Statistics [stat]/Machine Learning [stat.ML], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2017

10. Keynote: data science for geosciences

Author

Lutz, Michel, Lutz, Michel, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), and Ecole Nationale Supérieure des Mines de St Etienne-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS)

Subjects
[SHS.STAT]Humanities and Social Sciences/Methods and statistics, [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], [SHS.STAT] Humanities and Social Sciences/Methods and statistics, [SHS.GESTION]Humanities and Social Sciences/Business administration, [SHS.GESTION] Humanities and Social Sciences/Business administration, ComputingMilieux_MISCELLANEOUS, [STAT.ML] Statistics [stat]/Machine Learning [stat.ML]
Abstract

International audience

Published
2017

11. Exploring Titan and Spark GraphX for analyzing time-varying electrical networks

Author

Germaine, Guillaume, Vial, Thomas, Soppé, Martin, Lutz, Michel, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020]), Lutz, Michel, and Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS)

Subjects
[INFO.INFO-PL]Computer Science [cs]/Programming Languages [cs.PL], [INFO.INFO-DC] Computer Science [cs]/Distributed, Parallel, and Cluster Computing [cs.DC], [INFO.INFO-DC]Computer Science [cs]/Distributed, Parallel, and Cluster Computing [cs.DC], ComputingMilieux_MISCELLANEOUS, [INFO.INFO-PL] Computer Science [cs]/Programming Languages [cs.PL]
Abstract

International audience

Published
2016

12. Analyse de processus métier pour la détection d'anomalies : approche non-supervisée appliquée au secteur de l'assurance

Author

Lutz, Michel, Levorato, Vincent, Lutz, Michel, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), Laboratoire d'informatique et des systèmes complexes (LAISC), École pratique des hautes études (EPHE), Université Paris sciences et lettres (PSL)-Université Paris sciences et lettres (PSL), Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), and École Pratique des Hautes Études (EPHE)

Subjects
[STAT.ML]Statistics [stat]/Machine Learning [stat.ML], ComputingMilieux_MISCELLANEOUS, [STAT.ML] Statistics [stat]/Machine Learning [stat.ML]
Abstract

International audience

Published
2016

13. Data-mining for driver behavior analysis

Author

Lutz, Michel, Guyonvarch, Laurette, Saint Pierre, Guillaume, Guillaume, Anne, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020]), Laboratory of Accidentology and Biomechanics, Paris LAB, parent, Laboratoire sur les Interactions Véhicules-Infrastructure-Conducteurs (LIVIC), Laboratoire Central des Ponts et Chaussées (LCPC)-Institut National de Recherche sur les Transports et leur Sécurité (INRETS), Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), and Lutz, Michel

Subjects
[STAT]Statistics [stat], [SPI]Engineering Sciences [physics], [STAT.AP]Statistics [stat]/Applications [stat.AP], [STAT.AP] Statistics [stat]/Applications [stat.AP], [SPI] Engineering Sciences [physics], ComputingMilieux_MISCELLANEOUS, [STAT] Statistics [stat]
Abstract

International audience

Published
2015

14. Towards a cross-functional analysis of industrial data

Author

Lutz, Michel, Vial, Thomas, Duvivier, Frédéric, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020]), and Lutz, Michel

Subjects
[SPI]Engineering Sciences [physics], [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], [SPI] Engineering Sciences [physics], [STAT.ML] Statistics [stat]/Machine Learning [stat.ML], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2015

15. Data Science : fondamentaux et études de cas : Machine Learning avec Python et R Ed. 1

Author

Lutz, Michel, Biernat, Eric, Lutz, Michel, Lutz, Michel, Biernat, Eric, and Lutz, Michel

Abstract

Nous vivons une époque très excitante, qui ramène l'analyse de données et les méthodes quantitatives au coeur de la société. L'aboutissement de nombreux projets de recherche, la puissance de calcul informatique disponible et des données à profusion permettent aujourd'hui d'incroyables réalisations, grâce au travail des data scientists. Un livre de référence pour les data scientists La data science est l'art de traduire des problèmes industriels, sociaux, scientifiques, ou de toute autre nature, en problèmes de modélisation quantitative, pouvant être résolus par des algorithmes de traitement de données. Cela passe par une réflexion structurée, devant faire en sorte que se rencontrent problèmes humains, outils techniques/informatiques et méthodes statistiques/algorithmiques. Chaque projet de data science est une petite aventure, qui nécessite de partir d'un problème opérationnel souvent flou, à une réponse formelle et précise, qui aura des conséquences réelles sur le quotidien d'un nombre plus ou moins important de personnes. Éric Biernat et Michel Lutz proposent de vous guider dans cette aventure. Ils vous feront visiter les vastes espaces de la data science moderne, de plus en plus présente dans notre société et qui fait tant parler d'elle, parfois par l'intermédiaire d'un sujet qui lui est corollaire, les big data. Des études de cas pour devenir kaggle master Loin des grands discours abstraits, les auteurs vous feront découvrir, claviers à la main, les pratiques de leur métier de data scientist chez OCTO Technology, l'un des leaders français du domaine. Et vous mettrez également la main à la pâte : avec juste ce qu'il faut de théorie pour comprendre ce qu'impliquent les méthodes mathématiques utilisées, mais surtout avec votre ordinateur personnel, quelques logiciels gratuits et puissants, ainsi qu'un peu de réflexion, vous allez participer activement à cette passionnante exploration ! À qui s'adresse cet ouvrage ? Aux développeurs, statisticiens, étudiants et chef

Published
2015

16. Data mining pour etude du comportement du conducteur

Author

Guyonvarch, Laurette, Lutz, Michel, Laboratory of Accidentology and Biomechanics, Paris LAB, parent, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020]), and Lutz, Michel

Subjects
[SPI]Engineering Sciences [physics], [STAT.AP]Statistics [stat]/Applications [stat.AP], [STAT.AP] Statistics [stat]/Applications [stat.AP], [SPI] Engineering Sciences [physics], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2015

17. Data science : fondamentaux et études de cas, éditions Eyrolles

Author

Biernat, Eric, Lutz, Michel, Lutz, Michel, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), and Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])

Subjects
[INFO.INFO-AI] Computer Science [cs]/Artificial Intelligence [cs.AI], [INFO.INFO-PL]Computer Science [cs]/Programming Languages [cs.PL], [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [INFO.INFO-LG] Computer Science [cs]/Machine Learning [cs.LG], ComputingMilieux_MISCELLANEOUS, [STAT.ML] Statistics [stat]/Machine Learning [stat.ML], [INFO.INFO-AI]Computer Science [cs]/Artificial Intelligence [cs.AI], [INFO.INFO-PL] Computer Science [cs]/Programming Languages [cs.PL]
Abstract

International audience

Published
2015

18. Perceiving the world through statistics: some dimensional thoughts

Author

Lutz, Michel, Le Riche, Rodolphe, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020]), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT), Institut Henri Fayol (FAYOL-ENSMSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Département Décision en Entreprise : Modélisation, Optimisation (DEMO-ENSMSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut Henri Fayol, Centre National de la Recherche Scientifique (CNRS), Ecole Nationale Supérieure des Mines de St Etienne-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), Breuil, Florent, Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), and Lutz, Michel

Subjects
[SHS.HISPHILSO]Humanities and Social Sciences/History, Philosophy and Sociology of Sciences, [SHS.HISPHILSO] Humanities and Social Sciences/History, Philosophy and Sociology of Sciences, Statistical thinking, Dimensions reduction, [INFO.INFO-MO] Computer Science [cs]/Modeling and Simulation, Epistemology, [INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation, Knowledge generation, ComputingMilieux_MISCELLANEOUS
Abstract

International audience; Using Abbott's Flatland novel as a metaphor, we will show that our understanding of the reality depends on our capacity to perceive the multiple dimensions of the world. Perceived reality is different for two-dimensional beings than for three-dimensional beings. We propose to develop an analogy with statistics: couldn't it be said that statistics is the art of trying to understand a high-dimensional world, by projecting it into reduced and intelligible subspaces? Consequently, different data collection strategies, different statistical methods, or different usages, may bring to different understandings of a single world. None of them are true, none of them are false. They are just different reduced perceptions of a complex and infinite-dimensional world. Their discrepancies may lead to complementary data gathering or statistical analysis.

Published
2014

19. Statistics in context: grounding quantitative decision-aid in business needs

Author

Lutz, Michel, Boucher, Xavier, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), Département Performance Industrielle et Environnementale des Systèmes et des Organisations (PIESO-ENSMSE), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut Henri Fayol, Environnement Ville Société (EVS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-École nationale supérieure d'architecture de Lyon (ENSAL)-École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-École Nationale des Travaux Publics de l'État (ENTPE)-Université Jean Monnet [Saint-Étienne] (UJM)-Université Jean Moulin - Lyon 3 (UJML), Université de Lyon-Université Lumière - Lyon 2 (UL2)-École normale supérieure - Lyon (ENS Lyon), Breuil, Florent, Environnement, Ville, Société (EVS), École normale supérieure de Lyon (ENS de Lyon)-École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Université Lumière - Lyon 2 (UL2)-Université Jean Moulin - Lyon 3 (UJML), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-École Nationale des Travaux Publics de l'État (ENTPE)-École nationale supérieure d'architecture de Lyon (ENSAL)-Centre National de la Recherche Scientifique (CNRS), Lutz, Michel, and Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS)

Subjects
Decision-aid process, Contextualization, [SHS.STAT]Humanities and Social Sciences/Methods and statistics, Quantitative and qualitative modelling, [SHS.STAT] Humanities and Social Sciences/Methods and statistics, Applied statistics, [SHS.GESTION]Humanities and Social Sciences/Business administration, [INFO.INFO-MO] Computer Science [cs]/Modeling and Simulation, [SHS.GESTION] Humanities and Social Sciences/Business administration, [INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation, Semiconductor industry, ComputingMilieux_MISCELLANEOUS
Abstract

International audience; We propose to present some insights coming from our past research on a semiconductor wafer production plants. The general objective was to implement statistical methods, to improve business decisions. However, we rapidly discovered that introducing statistics in practice is not straightforward when people are not used to it. Consequently, we developed a comprehensive decision-aid process, based on an operation research framework proposed by A. Tsoukiàs. The process is divided in two main stages. Firstly, the context of the decision and the decision problem are formalized. We used a qualitative case-study methodology to build this formalization. The second stage aims at providing quantitative answers to the decision problem. In this perspective, we first built and validated a statistical model, before intergrating it in a specific user-oriented decision-aid analysis. As a result, the model finally provide a quantitative output that fits exactly to the business decision-maker's needs. This shows that the question of statistical modelling is not sufficient when developing statistical approaches in business contexts: it is necessary to formalize and analyze the application context, to refer to expertise for specific validation steps, and to integrate the models obtained within user-oriented decision-aid analyses or tools.

Published
2014

20. A feedback on 3 years of big data analysis in France

Author

Lutz, Michel, Vial, Thomas, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020]), Lutz, Michel, and Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS)

Subjects
[SHS.STAT]Humanities and Social Sciences/Methods and statistics, [STAT.ML]Statistics [stat]/Machine Learning [stat.ML], [SHS.STAT] Humanities and Social Sciences/Methods and statistics, [STAT.ML] Statistics [stat]/Machine Learning [stat.ML], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2014

21. Data Mining for Driver Behavior in Normal Driving

Author

GUYONVARCH, Laurette, Lutz, Michel, Chauvel, Cyril, Josseaume, François, Guillaume, Anne, Virginia Tech Transportation Institute, Lutz, Michel, Laboratory of Accidentology and Biomechanics, Paris LAB, parent, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), Laboratoire d'Accidentologie et de Biomécanique, RENAULT-PSA Peugeot Citroën (PSA), and Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS)

Subjects
[SPI]Engineering Sciences [physics], [STAT.AP]Statistics [stat]/Applications [stat.AP], [STAT.AP] Statistics [stat]/Applications [stat.AP], [SPI] Engineering Sciences [physics], Driving behavior, Speed limit message, ComputingMilieux_MISCELLANEOUS
Abstract

Driving behavior Presented at the Fourth International Symposium on Naturalistic Driving Research in Blacksburg, VA

Published
2014

22. Experimenting a data mining approach for process safety at Total

Author

Spinnato, Juliette, Galicher, Aurélien, Lutz, Michel, Schramm, Hardy, Fersing, Marc, Hoorelbeke, Pol, Laboratoire de Neurosciences Cognitives [Marseille] (LNC), Centre National de la Recherche Scientifique (CNRS)-Aix Marseille Université (AMU), Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), Aix Marseille Université (AMU)-Centre National de la Recherche Scientifique (CNRS), and Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS)

Subjects
[STAT]Statistics [stat], [SPI]Engineering Sciences [physics], [STAT.AP]Statistics [stat]/Applications [stat.AP], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2016

23. Le comportement du conducteur - Application innovante d'analyse comportementale

Author

Lutz, Michel, GUYONVARCH, Laurette, Lutz, Michel, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), Laboratory of Accidentology and Biomechanics, Paris LAB, parent, and Ecole Nationale Supérieure des Mines de St Etienne-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS)

Subjects
[STAT.AP]Statistics [stat]/Applications [stat.AP], [SPI]Engineering Sciences [physics], [STAT.AP] Statistics [stat]/Applications [stat.AP], [SPI] Engineering Sciences [physics], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2014

24. Managing IT infrastructure and service capacity through data analysis

Author

Lutz, Michel, Mitchell, Lance, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020]), Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), and Lutz, Michel

Subjects
[SPI]Engineering Sciences [physics], [STAT.AP]Statistics [stat]/Applications [stat.AP], [STAT.AP] Statistics [stat]/Applications [stat.AP], [SPI] Engineering Sciences [physics], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2013

25. Implementing statistical methods to improve information system management in a semiconductor industry

Author

Lutz, Michel, Padonou, Espéran, Roustant, Olivier, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020]), Département Décision en Entreprise : Modélisation, Optimisation (DEMO-ENSMSE), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut Henri Fayol, Institut Mines-Télécom [Paris] (IMT), Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), Lutz, Michel, and Ecole Nationale Supérieure des Mines de St Etienne-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS)

Subjects
[STAT.AP]Statistics [stat]/Applications [stat.AP], [STAT.AP] Statistics [stat]/Applications [stat.AP], [STAT.TH] Statistics [stat]/Statistics Theory [stat.TH], [STAT.TH]Statistics [stat]/Statistics Theory [stat.TH], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2013

26. Déploiement de méthodes analytiques pour le pilotage du système d’information d’une usine de production de semi-conducteurs – une première étape vers le Big Data

Author

Lutz, Michel, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020]), Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), and Lutz, Michel

Subjects
[STAT.AP]Statistics [stat]/Applications [stat.AP], [STAT.AP] Statistics [stat]/Applications [stat.AP], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2013

27. Informations limitées, dimensions et contradictions – application à la gestion des connaissances industrielles par l’emploi de méthodes statistiques

Author

Lutz, Michel, Le Riche, Rodolphe, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020]), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT), Institut Henri Fayol (FAYOL-ENSMSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Département Décision en Entreprise : Modélisation, Optimisation (DEMO-ENSMSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut Henri Fayol, Centre National de la Recherche Scientifique (CNRS), Lutz, Michel, and Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS)

Subjects
[SHS.HISPHILSO]Humanities and Social Sciences/History, Philosophy and Sociology of Sciences, [SHS.HISPHILSO] Humanities and Social Sciences/History, Philosophy and Sociology of Sciences, ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2013

28. Robust control chart to monitor the information system of semiconductor production plant

Author

Padonou, Espéran, Roustant, Olivier, Lutz, Michel, Département Décision en Entreprise : Modélisation, Optimisation (DEMO-ENSMSE), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut Henri Fayol, Institut Mines-Télécom [Paris] (IMT), Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), Lutz, Michel, Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), and Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])

Subjects
[STAT.AP]Statistics [stat]/Applications [stat.AP], [STAT.AP] Statistics [stat]/Applications [stat.AP], [STAT.TH] Statistics [stat]/Statistics Theory [stat.TH], [STAT.TH]Statistics [stat]/Statistics Theory [stat.TH], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2012

29. Managing information technologies capacities through data analysis: data availability and exploitation

Author

Lutz, Michel, Mitchell, Lance, Boucher, Xavier, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), Département Performance Industrielle et Environnementale des Systèmes et des Organisations (PIESO-ENSMSE), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut Henri Fayol, Ecole Nationale Supérieure des Mines de St Etienne-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), and Lutz, Michel

Subjects
[SPI]Engineering Sciences [physics], [STAT.AP]Statistics [stat]/Applications [stat.AP], [STAT.AP] Statistics [stat]/Applications [stat.AP], [SPI] Engineering Sciences [physics], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2012

30. Using statistics to monitor and model information technologies activities: case study in a semiconductor production plant

Author

Lutz, Michel, Roustant, Olivier, Boucher, Xavier, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT), Département Performance Industrielle et Environnementale des Systèmes et des Organisations (PIESO-ENSMSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut Henri Fayol, Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020]), Lutz, Michel, and Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS)

Subjects
[STAT]Statistics [stat], [SPI]Engineering Sciences [physics], [STAT.AP]Statistics [stat]/Applications [stat.AP], [STAT.AP] Statistics [stat]/Applications [stat.AP], [SPI] Engineering Sciences [physics], ComputingMilieux_MISCELLANEOUS, [STAT] Statistics [stat]
Abstract

International audience

Published
2011

31. Capacity planning of a semi-conductor manufacturing information system

Author

Lutz, Michel, Boucher, Xavier, Roustant, Olivier, Girard, Marie-Agnès, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020]), Département Performance Industrielle et Environnementale des Systèmes et des Organisations (PIESO-ENSMSE), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut Henri Fayol, Méthodes d'Analyse Stochastique des Codes et Traitements Numériques (GdR MASCOT-NUM), Centre National de la Recherche Scientifique (CNRS), Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), Ecole Nationale Supérieure des Mines de St Etienne-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), and Lutz, Michel

Subjects
[SPI]Engineering Sciences [physics], [SPI] Engineering Sciences [physics], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2011

32. Capacity planning d’un système d’information industriel complexe

Author

Lutz, Michel, Boucher, Xavier, Roustant, Olivier, Girard, Marie-Agnès, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), Département Performance Industrielle et Environnementale des Systèmes et des Organisations (PIESO-ENSMSE), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut Henri Fayol, Méthodes d'Analyse Stochastique des Codes et Traitements Numériques (GdR MASCOT-NUM), Centre National de la Recherche Scientifique (CNRS), Lutz, Michel, Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), and Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])

Subjects
[SPI]Engineering Sciences [physics], [SPI] Engineering Sciences [physics], ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2011

33. Monitoring an Industrial Information System Using R with Holt-Winters Filtering and QN Robust Standard Deviation Estimator

Author

Lutz, Michel, Roustant, Olivier, Boucher, Xavier, Département Performance Industrielle et Environnementale des Systèmes et des Organisations (PIESO-ENSMSE), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut Henri Fayol, Equipe : Modélisation et Evaluation des Systèmes PROductifs Distribués (MESPROD-ENSMSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-UR LSTI, Equipe : Calcul de Risque, Optimisation et Calage par Utilisation de Simulateurs (CROCUS-ENSMSE), Méthodes d'Analyse Stochastique des Codes et Traitements Numériques (GdR MASCOT-NUM), Centre National de la Recherche Scientifique (CNRS), Département Décision en Entreprise : Modélisation, Optimisation (DEMO-ENSMSE), Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020]), Ecole Nationale Supérieure des Mines de St Etienne-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), Lutz, Michel, Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), and Breuil, Florent

Subjects
[SDE] Environmental Sciences, [STAT]Statistics [stat], [STAT.AP]Statistics [stat]/Applications [stat.AP], [STAT.AP] Statistics [stat]/Applications [stat.AP], [PHYS.MECA.GEME] Physics [physics]/Mechanics [physics]/Mechanical engineering [physics.class-ph], [SDE]Environmental Sciences, [PHYS.MECA.GEME]Physics [physics]/Mechanics [physics]/Mechanical engineering [physics.class-ph], [INFO.INFO-MO] Computer Science [cs]/Modeling and Simulation, [SPI.MECA.GEME] Engineering Sciences [physics]/Mechanics [physics.med-ph]/Mechanical engineering [physics.class-ph], [INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation, ComputingMilieux_MISCELLANEOUS, [STAT] Statistics [stat], [SPI.MECA.GEME]Engineering Sciences [physics]/Mechanics [physics.med-ph]/Mechanical engineering [physics.class-ph]
Abstract

International audience

Published
2011

34. L’impact de l’ERP SAP sur les relations de pouvoir dans une organisation : une étude de cas, approche par l’analyse stratégique des organisations et proposition d’un nouveau cadre conceptuel

Author

Lutz, Michel, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020]), Lutz, Michel, and Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS)

Subjects
[SHS.GESTION]Humanities and Social Sciences/Business administration, [SHS.GESTION] Humanities and Social Sciences/Business administration, ComputingMilieux_MISCELLANEOUS
Abstract

International audience

Published
2009

35. Méthodes socio-statistiques pour l’aide à la décision en milieu industriel : Application à la gestion des capacités d’un système d’information en industrie micro-électronique

Author

Lutz, Michel, Département Performance Industrielle et Environnementale des Systèmes et des Organisations (PIESO-ENSMSE), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut Henri Fayol, Ecole Nationale Supérieure des Mines de Saint-Etienne, and Xavier Boucher

Subjects
[SPI.OTHER]Engineering Sciences [physics]/Other, Information system and information technologies, Decision-aiding, Aide à la décision, Gestion des capacités, Knowledge management, Gestion des connaissances, Microelectronic industry, Statistics and data analysis, Industrie microélectronique, Capacity management, Système d’information et technologies de l’information, Statistiques et analyse de données
Abstract

A proper analysis of industrial data can provide material for decision making. The research work presented deals with the question: how can one convert raw data into useable information, to contribute to the knowledge management of an organization and improve its dynamic decision making? A decision-aid process is proposed. It implies actors of the organization and use of formal methods. Firstly, it analyses and formalizes decisional problems. Then, it develops an appropriate decision-aid on the basis of statistics. Our methodology is applied to a specific issue: capacity management of IT of a STMicroelectronics plant. This application raises a decision issue: managers have to ensure the right balance between infrastructure cost and service level offered. We demonstrate that the process may provide relevant support. This negates two managerial dilemmas, usually encountered when managing capacity: complexity of IT systems and incorporation of the business activity. Our application has been developed in the scope of the ITIL framework. It will be shown how the process builds predictive models, which link the activity of hardware servers to the industrial activity. Methods are also proposed, to monitor daily the quality of these models, as well as the overall activity of the IS. This work helps at formalizing quantitatively organizational knowledge, facilitating its use in decisional processes, but also ensuring its positive change over time. We hope this research is laying some foundations for a broader exploitation of the data stored in modern manufacturing systems, through future development of decision-support systems and Big Data initiatives.; Les données industrielles offrent un matériau pour la prise de décision. Les travaux présentés concernent la transformation de données brutes en connaissances, pour contribuer au système de connaissances d’une organisation et améliorer son système décisionnel. Un processus d’aide à la décision est proposé. Il implique les acteurs de l’organisation et l’emploi de méthodes formelles. D’abord, il analyse et formalise les problématiques décisionnelles. Ensuite, il construit une aide la décision quantitative. Cette méthodologie est appliquée à un problème particulier : la gestion des capacités des TI d’une usine de STMicroelectronics. En effet, les managers doivent assurer un équilibre entre le coût de l’infrastructure TI et le niveau de service offert. Notre processus offre une aide pertinente. Il permet de surmonter deux enjeux, fréquents lors de la gestion des capacités : la complexité des systèmes IT et la prise en compte de l’activité métier. Situant ces travaux dans le cadre du référentiel ITIL, l’application du processus permet de constituer des modèles prédictifs, mettant en relation l’activité des serveurs informatiques et l’activité industrielle. Cette application permet aussi de contrôler dynamiquement la validité des modèles, ainsi que l’activité quotidienne du SI. Nos travaux formalisent quantitativement des connaissances, en favorisent l’utilisation dans les processus décisionnels, et en assurent l’évolution dans le temps. Nos recherches posent des fondations pour un plus large recours plus à l’exploitation des données issues des systèmes de production, dans le cadre du développement de systèmes de support à la décision et de perspectives Big Data.

Published
2013

36. Industrial decision-aid socio-statistical methods : Applied to the capacity management of an IS in the microelectronics industry

Author

Lutz, Michel, Département Performance Industrielle et Environnementale des Systèmes et des Organisations (PIESO-ENSMSE), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut Henri Fayol, Ecole Nationale Supérieure des Mines de Saint-Etienne, Xavier Boucher, and STAR, ABES

Subjects
[SPI.OTHER]Engineering Sciences [physics]/Other, Aide à la décision, Gestion des capacités, [SPI.OTHER] Engineering Sciences [physics]/Other, Knowledge management, Statistics and data analysis, Capacity management, Statistiques et analyse de données, Information system and information technologies, Decision-aiding, Gestion des connaissances, Microelectronic industry, Industrie microélectronique, Système d’information et technologies de l’information
Abstract

A proper analysis of industrial data can provide material for decision making. The research work presented deals with the question: how can one convert raw data into useable information, to contribute to the knowledge management of an organization and improve its dynamic decision making? A decision-aid process is proposed. It implies actors of the organization and use of formal methods. Firstly, it analyses and formalizes decisional problems. Then, it develops an appropriate decision-aid on the basis of statistics. Our methodology is applied to a specific issue: capacity management of IT of a STMicroelectronics plant. This application raises a decision issue: managers have to ensure the right balance between infrastructure cost and service level offered. We demonstrate that the process may provide relevant support. This negates two managerial dilemmas, usually encountered when managing capacity: complexity of IT systems and incorporation of the business activity. Our application has been developed in the scope of the ITIL framework. It will be shown how the process builds predictive models, which link the activity of hardware servers to the industrial activity. Methods are also proposed, to monitor daily the quality of these models, as well as the overall activity of the IS. This work helps at formalizing quantitatively organizational knowledge, facilitating its use in decisional processes, but also ensuring its positive change over time. We hope this research is laying some foundations for a broader exploitation of the data stored in modern manufacturing systems, through future development of decision-support systems and Big Data initiatives., Les données industrielles offrent un matériau pour la prise de décision. Les travaux présentés concernent la transformation de données brutes en connaissances, pour contribuer au système de connaissances d’une organisation et améliorer son système décisionnel. Un processus d’aide à la décision est proposé. Il implique les acteurs de l’organisation et l’emploi de méthodes formelles. D’abord, il analyse et formalise les problématiques décisionnelles. Ensuite, il construit une aide la décision quantitative. Cette méthodologie est appliquée à un problème particulier : la gestion des capacités des TI d’une usine de STMicroelectronics. En effet, les managers doivent assurer un équilibre entre le coût de l’infrastructure TI et le niveau de service offert. Notre processus offre une aide pertinente. Il permet de surmonter deux enjeux, fréquents lors de la gestion des capacités : la complexité des systèmes IT et la prise en compte de l’activité métier. Situant ces travaux dans le cadre du référentiel ITIL, l’application du processus permet de constituer des modèles prédictifs, mettant en relation l’activité des serveurs informatiques et l’activité industrielle. Cette application permet aussi de contrôler dynamiquement la validité des modèles, ainsi que l’activité quotidienne du SI. Nos travaux formalisent quantitativement des connaissances, en favorisent l’utilisation dans les processus décisionnels, et en assurent l’évolution dans le temps. Nos recherches posent des fondations pour un plus large recours plus à l’exploitation des données issues des systèmes de production, dans le cadre du développement de systèmes de support à la décision et de perspectives Big Data.

Published
2013

37. Robust monitoring of an industrial IT system in presence of structural change

Author

Padonou, Espéran, Roustant, Olivier, Lutz, Michel, Département Décision en Entreprise : Modélisation, Optimisation (DEMO-ENSMSE), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut Henri Fayol, Méthodes d'Analyse Stochastique des Codes et Traitements Numériques (GdR MASCOT-NUM), Centre National de la Recherche Scientifique (CNRS), Département Performance Industrielle et Environnementale des Systèmes et des Organisations (PIESO-ENSMSE), and Padonou, Espéran

Subjects
[STAT.TH] Statistics [stat]/Statistics Theory [stat.TH], [MATH.MATH-ST]Mathematics [math]/Statistics [math.ST], [STAT.TH]Statistics [stat]/Statistics Theory [stat.TH], [MATH.MATH-ST] Mathematics [math]/Statistics [math.ST]
Abstract

This paper presents an original research initiated by the monitoring needs of a semiconductor production plant. The industrial operations rely on an Information Technology (IT) system, and several time series data are controlled statistically. Unfortunately, these variables often contain outliers, as well as structural changes due to external decisions in the IT activity. As a consequence, it has been observed that the monitoring results obtained with standard techniques could be severely biased. This paper presents some contributions to overcome such difficulties. A new monitoring method is proposed, based on robust Holt-Winters smoothing algorithm, and coupled with a relearning procedure for structural breaks detection. Such a method is flexible enough for a large-scale industrial application. We evaluate its performances through simulations studies, and show its usefulness in industrial real applications for univariate and multivariate time series. The scope of application deals with IT activity monitoring, but the introduced statistical methods are generic enough for being used in other industrial fields.

Published
2013

38. Managing Information Technologies Capacities through Data Analysis: Data Availability & Exploitation

Author

Lutz, Michel, Mitchell, Lance, Boucher, Xavier, Département Performance Industrielle et Environnementale des Systèmes et des Organisations (PIESO-ENSMSE), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut Henri Fayol, Equipe : Modélisation et Evaluation des Systèmes PROductifs Distribués (MESPROD-ENSMSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-UR LSTI, Méthodes d'Analyse Stochastique des Codes et Traitements Numériques (GdR MASCOT-NUM), Centre National de la Recherche Scientifique (CNRS), and Breuil, Florent

Subjects
[INFO.INFO-MO] Computer Science [cs]/Modeling and Simulation, [INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation
Abstract

http://www.enbis.org/activities/events/current/214_ENBIS_12/programmeitem/1169_Managing_Information_Technologies_Capacities_through_Data_Analysis__Data_Availability___Exploitation; International audience; Architectures are critical to improve organization efficiency (Weill & Ross, 2004). Consequently, IT managers must basically anticipate to provide without interruption enough IT capacity to enable business' operation plans and forecasts, in order to ensure the functioning continuity of manufacturing systems (Kloesterboer, 2011). Nowadays, IT architectures are composed of multiple connected and interdependent components. As a consequence, IT systems give raise to emergent phenomena, which often cannot be anticipated by only considering individual components (Mitleton-Kelly, 2011). To cope with such complexity, IT executives more and more rely on data analysis to manage the capacity of information systems (Gunther, 2007; Allspaw, 2008). IT management best practices, like ITIL framework, recommend setting up information systems, dedicated to facilitate the access to all historical data necessary to manage capacity (Lloyd & Rudd, 2007). Operationalizing such a data-driven IT capacity approach is often difficult, notably when confronted to large scale complex information systems. However, these complex systems are typically those requiring innovative approach for capacity management. Our presentation proposes original concepts to enable the constitution and exploitation of an IT capacity information system: 1) Relevant data are likely to be dispersed through disparate databases (Lloyd & Rudd, 2007). An aggregation and filtering is a prerequisite to any exploitation of these data. Fulfilling this requirement can present many problems. A solution, based on the effective use of metadata, will be introduced, to provide IT managers with all appropriate information. 2) When available, data need then to be properly exploited. IT managers have to handle some challenging topics: how to build predictive IT capacity models, using business activity data as inputs (Kloesterboer, 2011)? How to define automatic monitoring tools (Dugmore & Lacy, 2005) to detect abnormal system's behavior? Statistical methods overcoming such challenges will be proposed. Real cases will be used to bring these concepts to life.

Published
2012

39. Using Statistics to Monitor and Model an Information System: a Successful Case Study in the Microelectronic Industry

Author

Lutz, Michel, Roustant, Olivier, Boucher, Xavier, Département Performance Industrielle et Environnementale des Systèmes et des Organisations (PIESO-ENSMSE), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut Henri Fayol, Equipe : Modélisation et Evaluation des Systèmes PROductifs Distribués (MESPROD-ENSMSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-UR LSTI, Equipe : Calcul de Risque, Optimisation et Calage par Utilisation de Simulateurs (CROCUS-ENSMSE), Méthodes d'Analyse Stochastique des Codes et Traitements Numériques (GdR MASCOT-NUM), Centre National de la Recherche Scientifique (CNRS), Département Décision en Entreprise : Modélisation, Optimisation (DEMO-ENSMSE), and Breuil, Florent

Subjects
[SDE] Environmental Sciences, [PHYS.MECA.GEME] Physics [physics]/Mechanics [physics]/Mechanical engineering [physics.class-ph], [SDE]Environmental Sciences, [PHYS.MECA.GEME]Physics [physics]/Mechanics [physics]/Mechanical engineering [physics.class-ph], [INFO.INFO-MO] Computer Science [cs]/Modeling and Simulation, [SPI.MECA.GEME] Engineering Sciences [physics]/Mechanics [physics.med-ph]/Mechanical engineering [physics.class-ph], [INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation, [SPI.MECA.GEME]Engineering Sciences [physics]/Mechanics [physics.med-ph]/Mechanical engineering [physics.class-ph]
Abstract

http://www.enbis.org/docs/6190_4836157499.pdf; International audience; This research is carried out within a semiconductor production plant of the firm STMicroelectronics. The company's Department of Information Technology (IT) is collecting huge databases of information about the information systems (IS), to store performance and activities variables, called metrics. However, their exploitation is under-optimized, because their systematic analysis is not the priority of IT professionals. In this context, we are willing to develop statistical tools, helping IT professionals (i.e. understandable by non-statisticians) to take advantage of this amount of information. We are particularly interested in two activities of the ITIL (Information Technology Infrastructure Library) Capacity Management process: IS monitoring and IS modelling. As the starting point, STMicroelectronics IT Department was manually monitoring a selected set of performance and activities metrics. This was time-consuming and inefficient: only a little part of the IS was under control and many exceptional IS activities were not detected. We implemented a statistical answer, built on a Holt-Winters based monitoring coupled with a robust standard-deviation estimator. This solution is already up and running and allows a fully automated monitoring of several hundred metrics. The modelling activity is aiming at evaluating the interactions between business and IS activities. STMicroelectronics is doing this work by rule of thumb, without any support from a quantified tool. We are currently working on developing such a tool, based on a multivariate statistical analysis of the available metrics. At the present time, we have already identified and quantified some interesting pat- terns, helping at understanding several interactions between the different layers (resource-application- business) of the IS. Beyond the answer to the ITIL process, we are also happy to see that this work really helps at developing a "statistical culture" within the IT Department: brainstorming meetings and presentation of our research results are developing a positive emulation about the use of statistics.

Published
2011

40. Capacity planning of a semi-conductor manufacturing information system: building a n-parameters tree-structured regression model through data analysis

Author

Lutz, Michel, Boucher, Xavier, Roustant, Olivier, Girard, Marie-Agnès, Département Performance Industrielle et Environnementale des Systèmes et des Organisations (PIESO-ENSMSE), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut Henri Fayol, Equipe : Modélisation et Evaluation des Systèmes PROductifs Distribués (MESPROD-ENSMSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-UR LSTI, Equipe : Calcul de Risque, Optimisation et Calage par Utilisation de Simulateurs (CROCUS-ENSMSE), Méthodes d'Analyse Stochastique des Codes et Traitements Numériques (GdR MASCOT-NUM), Centre National de la Recherche Scientifique (CNRS), Département Décision en Entreprise : Modélisation, Optimisation (DEMO-ENSMSE), École nationale d'ingénieurs de Metz, and Breuil, Florent

Subjects
[SDE] Environmental Sciences, [PHYS.MECA.GEME] Physics [physics]/Mechanics [physics]/Mechanical engineering [physics.class-ph], [SDE]Environmental Sciences, [PHYS.MECA.GEME]Physics [physics]/Mechanics [physics]/Mechanical engineering [physics.class-ph], [INFO.INFO-MO] Computer Science [cs]/Modeling and Simulation, [SPI.MECA.GEME] Engineering Sciences [physics]/Mechanics [physics.med-ph]/Mechanical engineering [physics.class-ph], [INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation, [SPI.MECA.GEME]Engineering Sciences [physics]/Mechanics [physics.med-ph]/Mechanical engineering [physics.class-ph]
Abstract

http://www.i4e2.org/iesm11/free_access_documents/proceedings_bibtex.txt; International audience

Published
2011

41. Capacity planning d'un système d'information industriel complexe : pour un modèle causal systémique dans un environnement client-serveur mouvant

Author

Lutz, Michel, Boucher, Xavier, Roustant, Olivier, Girard, Marie-Agnès, Breuil, Florent, Département Performance Industrielle et Environnementale des Systèmes et des Organisations (PIESO-ENSMSE), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut Henri Fayol, Equipe : Modélisation et Evaluation des Systèmes PROductifs Distribués (MESPROD-ENSMSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-UR LSTI, Equipe : Calcul de Risque, Optimisation et Calage par Utilisation de Simulateurs (CROCUS-ENSMSE), Méthodes d'Analyse Stochastique des Codes et Traitements Numériques (GdR MASCOT-NUM), Centre National de la Recherche Scientifique (CNRS), and Département Décision en Entreprise : Modélisation, Optimisation (DEMO-ENSMSE)

Subjects
modélisation d'un système complexe, aide à la décision, [PHYS.MECA.GEME] Physics [physics]/Mechanics [physics]/Mechanical engineering [physics.class-ph], [PHYS.MECA.GEME]Physics [physics]/Mechanics [physics]/Mechanical engineering [physics.class-ph], prédiction, [SDE.ES] Environmental Sciences/Environmental and Society, [INFO.INFO-MO] Computer Science [cs]/Modeling and Simulation, capacity planning d'un système informatique, [SPI.MECA.GEME] Engineering Sciences [physics]/Mechanics [physics.med-ph]/Mechanical engineering [physics.class-ph], [SDE.ES]Environmental Sciences/Environmental and Society, [INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation, [SPI.MECA.GEME]Engineering Sciences [physics]/Mechanics [physics.med-ph]/Mechanical engineering [physics.class-ph]
Abstract

http://uma.ensta-paristech.fr/files/diam/docro/roadef_2011/VERSION-ELECTRONIQUE/roadef2011_submission_130.pdf; National audience; Ce document présente les premiers résultats d'un doctorat réalisé avec ST Microelectronics. L'objectif est d'anticiper l'impact de l'activité d'une usine de production de semi-conducteurs sur les capacités des ressources (serveurs, base de données, ...) d'un système d'information complexe. En ce sens, on souhaite construire un modèle d'aide à la décision à vocation prédictive.

Published
2011

42. Data Science : fondamentaux et études de cas : Machine Learning avec Python et R Ed. 1

Author

Biernat, Eric, Biernat, Eric, Lutz, Michel, Biernat, Eric, Biernat, Eric, and Lutz, Michel

Abstract

Nous vivons une époque très excitante, qui ramène l'analyse de données et les méthodes quantitatives au coeur de la société. L'aboutissement de nombreux projets de recherche, la puissance de calcul informatique disponible et des données à profusion permettent aujourd'hui d'incroyables réalisations, grâce au travail des data scientists. Un livre de référence pour les data scientists La data science est l'art de traduire des problèmes industriels, sociaux, scientifiques, ou de toute autre nature, en problèmes de modélisation quantitative, pouvant être résolus par des algorithmes de traitement de données. Cela passe par une réflexion structurée, devant faire en sorte que se rencontrent problèmes humains, outils techniques/informatiques et méthodes statistiques/algorithmiques. Chaque projet de data science est une petite aventure, qui nécessite de partir d'un problème opérationnel souvent flou, à une réponse formelle et précise, qui aura des conséquences réelles sur le quotidien d'un nombre plus ou moins important de personnes. Éric Biernat et Michel Lutz proposent de vous guider dans cette aventure. Ils vous feront visiter les vastes espaces de la data science moderne, de plus en plus présente dans notre société et qui fait tant parler d'elle, parfois par l'intermédiaire d'un sujet qui lui est corollaire, les big data. Des études de cas pour devenir kaggle master Loin des grands discours abstraits, les auteurs vous feront découvrir, claviers à la main, les pratiques de leur métier de data scientist chez OCTO Technology, l'un des leaders français du domaine. Et vous mettrez également la main à la pâte : avec juste ce qu'il faut de théorie pour comprendre ce qu'impliquent les méthodes mathématiques utilisées, mais surtout avec votre ordinateur personnel, quelques logiciels gratuits et puissants, ainsi qu'un peu de réflexion, vous allez participer activement à cette passionnante exploration ! À qui s'adresse cet ouvrage ? Aux développeurs, statisticiens, étudiants et chef

Published
2015

44. Qualifizierung für die Multimedia-Zukunft — Herausforderung an das Bildungswesen

Author

Lutz Michel

Abstract

Multimedia scheint nach wie vor das Lieblingsthema der Standortpolitiker zu sein, bietet diese neue Technik doch gerade fur - auch strukturschwache - Regionen hervorragende Chancen zu einer erfolgreichen Beteiligung am zunehmend global werdenden Wettbewerb. Doch ist auch in den meisten Bundeslandern und Wirtschaftsregionen die Euphorie der letzten beiden Jahre einer gewissen Ernuchterung gewichen. Es zeigt sich vielmehr, das auch jene Politiker, die in Multimedia einen Hoffnungstrager fur die wirtschaftliche Entwicklung ihres Landes oder ihrer Region sehen und entsprechende Markteinfuhrungsprojekte groszugig fordern - wir sehen das in Baden-Wurttemberg sehr deutlich - sich mittlerweile nicht mehr aus dem Repertoire der “Hype”-Sprache bedienen. Schlagworte wie “Boom-Branche” oder “Killer-Application” sind auf Multimediakongressen inzwischen jedenfalls nur noch selten zu horen.

Published
1997
Full Text
View/download PDF

46. Robust Monitoring of an Industrial IT System in the Presence of Structural Change.

Author

Padonou, Esperan, Roustant, Olivier, and Lutz, Michel

Subjects
INFORMATION technology, INDUSTRIES, TIME series analysis, BAYESIAN analysis, REGRESSION analysis
Abstract

This paper presents original research initiated by the monitoring needs of a semiconductor production plant. The industrial operations rely on an Information Technology (IT) system, and several time series data are controlled statistically. Unfortunately, these variables often contain outliers, as well as structural changes because of external decisions in the IT activity. As a consequence, it has been observed that the monitoring results obtained with standard techniques could be severely biased. This paper attempts to overcome such difficulties. A new monitoring method is proposed, based on robust Holt-Winters smoothing algorithm, and coupled with a relearning procedure for structural break detection. Such a method is flexible enough for a large-scale industrial application. We evaluate performance through simulation and show its usefulness in real industrial applications for univariate and multivariate time series. The scope of application deals with IT activity monitoring, but the introduced statistical methods are generic enough for being used in other industrial fields. Copyright © 2014 John Wiley & Sons, Ltd. [ABSTRACT FROM AUTHOR]

Published
2015
Full Text
View/download PDF

49. Data-driven decision-making for IT capacity: beyond statistical analyses

Author

Michel Lutz, Xavier Boucher, TOTAL S.A., TOTAL FINA ELF, Environnement, Ville, Société (EVS), École normale supérieure de Lyon (ENS de Lyon)-École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Université Lumière - Lyon 2 (UL2)-Université Jean Moulin - Lyon 3 (UJML), Université de Lyon-Université de Lyon-Institut National des Sciences Appliquées de Lyon (INSA Lyon), Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet - Saint-Étienne (UJM)-École Nationale des Travaux Publics de l'État (ENTPE)-École nationale supérieure d'architecture de Lyon (ENSAL)-Centre National de la Recherche Scientifique (CNRS), Département Performance Industrielle et Environnementale des Systèmes et des Organisations (PIESO-ENSMSE), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut Henri Fayol, Institut Mines-Télécom [Paris] (IMT), Institut Henri Fayol (FAYOL-ENSMSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT), Département Génie de l’environnement et des organisations (FAYOL-ENSMSE), Institut Henri Fayol-Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE), Lutz, Michel, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), Environnement Ville Société (EVS), Institut National des Sciences Appliquées de Lyon (INSA Lyon), Institut National des Sciences Appliquées (INSA)-Université de Lyon-Institut National des Sciences Appliquées (INSA)-Université de Lyon-Centre National de la Recherche Scientifique (CNRS)-École nationale supérieure d'architecture de Lyon (ENSAL)-École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-École Nationale des Travaux Publics de l'État (ENTPE)-Université Jean Monnet [Saint-Étienne] (UJM)-Université Jean Moulin - Lyon 3 (UJML), Université de Lyon-Université Lumière - Lyon 2 (UL2)-École normale supérieure - Lyon (ENS Lyon), Institut Henri Fayol-Ecole Nationale Supérieure des Mines de St Etienne, École normale supérieure - Lyon (ENS Lyon)-École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), and Université de Lyon-Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université Jean Monnet [Saint-Étienne] (UJM)-École Nationale des Travaux Publics de l'État (ENTPE)-École nationale supérieure d'architecture de Lyon (ENSAL)-Centre National de la Recherche Scientifique (CNRS)

Subjects
0209 industrial biotechnology, Decision support system, Process management, decision support system, [SPI] Engineering Sciences [physics], Computer science, Process (engineering), contextualisation, 02 engineering and technology, Library and Information Sciences, Management Information Systems, Data-driven, [SPI]Engineering Sciences [physics], 020901 industrial engineering & automation, Capacity planning, [STAT.AP] Statistics [stat]/Applications [stat.AP], 020204 information systems, 0202 electrical engineering, electronic engineering, information engineering, Information system, Information systems, ComputingMilieux_MISCELLANEOUS, [STAT.AP]Statistics [stat]/Applications [stat.AP], business.industry, Management science, Information technology, Statistical model, [INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation, [STAT] Statistics [stat], decision-aid methodology, [STAT]Statistics [stat], capacity planning for information technology, Work (electrical), business
Abstract

International audience; This paper reports a research work piece developed in collaboration with the semiconductor wafer production company: STMicroelectronics. This collaborative research programme aimed at implementing statistical methods, so as to improve business decisions focusing on capacity planning for information technology. The current paper presents the specification, and experimentation of a method dedicated to managing the need to integrate rigorously complex contextualisation factors, when developing statistical-based Decision Support Systems (DSS). The key challenge is to increase the end-user acceptance and success rate for DSS developments. To ensure the successful integration of DSS within the user environment, the paper formalises a so-called ‘Contextualisation process’, integrated within a larger decision-aid development framework. This Contextualisation process is specified with three methodological components, respectively ‘Qualitative Contextualisation’, ‘Statistical Modelling and Formalisation’ and ‘User Integration’. This approach is applied by STMicroelectronics, to a case study focusing on a project of change management for the infrastructure of the Information System. Based on the demonstration of the case study results, the added-value of the Contextualisation process are discussed and further perspectives for applied research in DSS are drawn.

Published
2017
Full Text
View/download PDF

50. Couplage entre système de production industriel et technologies de l’information : modélisation et création de connaissance

Author

Michel Lutz, Olivier Roustant, Marie-Agnès Girard, Xavier Boucher, Laboratoire d'Informatique, de Modélisation et d'Optimisation des Systèmes (LIMOS), Ecole Nationale Supérieure des Mines de St Etienne (ENSM ST-ETIENNE)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS), Lutz, Michel, Breuil, Florent, Département Performance Industrielle et Environnementale des Systèmes et des Organisations (PIESO-ENSMSE), École des Mines de Saint-Étienne (Mines Saint-Étienne MSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-Institut Henri Fayol, Equipe : Modélisation et Evaluation des Systèmes PROductifs Distribués (MESPROD-ENSMSE), Institut Mines-Télécom [Paris] (IMT)-Institut Mines-Télécom [Paris] (IMT)-UR LSTI, Méthodes d'Analyse Stochastique des Codes et Traitements Numériques (GdR MASCOT-NUM), Centre National de la Recherche Scientifique (CNRS), Département Décision en Entreprise : Modélisation, Optimisation (DEMO-ENSMSE), Equipe : Calcul de Risque, Optimisation et Calage par Utilisation de Simulateurs (CROCUS-ENSMSE), Ecole Nationale Supérieure des Mines de St Etienne-Centre National de la Recherche Scientifique (CNRS)-Université Clermont Auvergne [2017-2020] (UCA [2017-2020]), and Ecole Nationale Supérieure des Mines de St Etienne-Université Clermont Auvergne [2017-2020] (UCA [2017-2020])-Centre National de la Recherche Scientifique (CNRS)

Subjects
[STAT.AP]Statistics [stat]/Applications [stat.AP], [SPI] Engineering Sciences [physics], 05 social sciences, [INFO.INFO-MO]Computer Science [cs]/Modeling and Simulation, 01 natural sciences, Analyse qualitative, 010104 statistics & probability, [SPI]Engineering Sciences [physics], Qualitative analysis, [STAT.AP] Statistics [stat]/Applications [stat.AP], Political science, 0502 economics and business, [INFO.INFO-MO] Computer Science [cs]/Modeling and Simulation, 0101 mathematics, Humanities, 050203 business & management, ComputingMilieux_MISCELLANEOUS, Information Systems, Production system
Abstract

RESUME. Cet article presente les premiers resultats d’une recherche visant a mieux piloter le couplage entre systeme industriel et technologies de l’information. Il se concentre sur une premiere etape, consistant a etablir des liens quantifiables entre l’activite industrielle et l’utilisation des ressources informatiques materielles. Un processus structure de modelisation est propose dans ce but. En combinant analyses quantitatives (analyse de donnees) et qualitatives (implication des experts des systemes), cette demarche de modelisation vise a decrire les interactions entre le systeme industriel et les technologies de l’information, puis a les quantifier. Une application de cette methode est presentee sur un cas reel. Cet article souligne egalement comment cette methode participe a la creation de connaissances au sein de l’organisation.

Published
2012

Catalog

Books, media, physical & digital resources
See catalog results