Work

Intégration de contraintes industrielles dans la recommandation de produits pour la prise en compte de la capacité à répondre à la demande

Year: 2019
Type: dissertation
Abstract: J'aimerais commencer par remercier mes parents sans qui je n'aurai pas eu le privilège d'accéder à l'éducation que j'ai reçue.Merci à ma mère de m'avoir enseigné qu'une femme doit être indépendante et que seuls son engagement et sa volonté déterminent les limites de ce qu'elle peut accomplir.Je tiens également à remercier mon père sans qui je n'aurais jamais eu l'ambition de faire une thèse.Il a été mon idole, m'a appris à être ma propre personne et m'a soutenu dans tout ce que j'ai pu entreprendre dans ma vie.Avant de commencer mon doctorat, il m'a dit qu'il y a deux secrets à un doctorat réussi : le premier est de le finir et le deuxième est de bien choisir son directeur de recherche.Un conseil qui s'est avéré judicieux.J'ai eu la chance d'être encadrée par un directeur de recherche pour lequel je porte le plus grand des respects.Bruno a été un mentor et un ami.Je ne pense pas avoir le vocabulaire nécessaire pour dûment le remercier.Ses qualités humaines et professionnelles ont excédé toutes mes attentes.Merci d'avoir été à l'écoute, merci de m'avoir rassuré, merci de m'avoir toujours soutenue et aussi, merci pour cette ressource nécessaire qu'est le café.Je tiens également à remercier Pierre Baptiste, Robert Pellerin et Nadia Lehoux, de m'avoir fait l'honneur d'accepter de participer à l'évaluation de mes travaux de recherche en tant que membres du jury.J'aimerais également remercier Benoît Montreuil, de m'avoir accueillie dans son laboratoire à GeorgiaTech.Merci Benoît, de m'avoir donné l'opportunité de vivre cette belle expérience et merci pour ton temps et tes conseils précieux.Je souhaite, par ailleurs, remercier Melisa d'avoir toujours été disponible pour répondre à mes questions.Merci également de rendre mes journées à Polytechnique agréables.Ton sourire et ta bonne humeur seront inoubliables.Merci également à Suzanne, à Marie-Carline et à toutes les belles personnes qui font la beauté de MAGI.J'aimerais également remercier mes compagnons dans cette aventure, Firdaous et Othman avec qui j'ai partagé les difficultés et les fous rires.Merci également à mes soeurs pour leur soutien et leurs encouragements.Merci Ghizlane, d'avoir corrigé mes travaux tout au long de mes longues années d'études.Finalement, un sincère merci à deux des personnes les plus importantes de ma vie.Orjouane, ton soutien permanent, ton écoute et tes conseils me seront toujours précieux.Bassam, merci de m'avoir épaulé, encouragé et soutenu pendant cette période pénible de rédaction.Merci pour les fins de semaines à travailler ensemble.v RÉSUMÉ Les systèmes de recommandations (SRs) ont été développés pour prédire les intérêts des utilisateurs et les assister quant à la surcharge d'informations à laquelle ils peuvent être exposés lors de leurs processus d'achat.De façon spécifique, en vente de détail, ils ont été développés pour personnaliser l'affichage des produits en fonction des prédictions des intérêts des clients en se basant sur leurs comportements passés.Les SRs orientent donc les clients vers des produits spécifiques.Cependant, ils ne tiennent pas compte de la capacité de l'entreprise à répondre à la demande qu'ils induisent.Ainsi, l'objectif de cette thèse est d'améliorer les systèmes de recommandations pour tenir compte de la capacité de l'entreprise à répondre à la demande.Les trois problématiques relatives à la prise en compte de la demande dans la recommandation de produits sont les suivantes : (1) tenir compte de la disponibilité des produits en inventaire, en contexte de e-commerce, (2) tenir compte de la capacité de l'entreprise à livrer les produits dans un délai prédéterminé, en contexte de e-commerce et (3) tenir compte de la disponibilité des produits, en contexte de vente stationnaire et de démarrage à froid.La première contribution propose une méthode d'ajustement des scores de recommandations pour réorienter la demande, en fonction des niveaux de stock des produits et de l'importance perçue des clients pour l'entreprise.La deuxième contribution propose d'ajuster les scores de recommandation en tenant compte des tournées des véhicules programmées et de la localisation des stocks au moment de la recommendation.Et finalement la troisième contribution présente une nouvelle technique de recommandation tenant compte de manière interactive des exigences et des appréciations du client, mais également des données logistiques.Elle permet d'un côté de réaliser des recommandations en contexte de démarrage à froid, et d'un autre côté de tenir compte des contraintes d'approvisionnement de produits.Ces trois contributions permettent d'améliorer les performances des SRs actuels en tenant compte des contraintes logistiques dans la recommandation de produits et donc de ne pas générer de demande qui ne peut être comblée.Les méthodes présentées permettent également d'utiliser les systèmes de recommandations pour augmenter l'agilité de la gestion de la demande.L'utilisation des systèmes de recommandations pour réorienter la demande permet de limiter l'impact potentiel de ruptures ou de surcharges de stock, d'améliorer le taux de remplissage des camions, d'augmenter la satisfaction des clients et d'améliorer la compétitivité de l'entreprise.vi
Language: French
Open Access status: green
OpenAlex ID: W3093450057
Cites: 144
Cited by:
Related to: 10