Gestion croisée des risques dans les industries orientées Big Data grâce â l'utilisation des Cartes Cognitives Floues. Issue 2 (2nd April 2020)

• Record Type: Journal Article
• Authors: Chehbi-Gamoura, Samia; Derrouiche, Ridha; Damand, David; Kucharavy, Dmitry; Barth, Marc
• Is Part Of: Logistique & management. Volume 28:Issue 2(2020)
• Page Start: 155
• Page End: 166
• Publication Date: 2020-04-02
• Subjects: Gestion des risques -- plan de reprise d'activité (PRA) -- Big Data -- industrie -- cartographie cognitive floue; Risk management -- disaster recovery plan -- big data -- industry -- fuzzy cognitive map; Logistics -- Periodicals; Management -- Periodicals; Integrated logistic support -- Periodicals; Integrated logistic support; Logistics; Management; Periodicals; 658.505
• DOI: 10.1080/12507970.2019.1686437
• Languages: English
• ISSNs: 1250-7970

Abstract

RÉSUMÉ: Avec la prolifération de systèmes d'information pilotés par les données à l'ère du Big Data et du Cloud Computing, les industries d'aujourd'hui sont, plus que jamais, touchées par les catastrophes. Les causes de ces catastrophes sont les mêmes mais les industries impactées ne partagent pas forcément leurs efforts pour les contrer. Par conséquent, elles n'ont plus le choix que de collaborer dans l'élaboration de nouvelles approches robustes pour la gestion des risques. Pour aider à mettre en place une plateforme robuste et collaborative, cet article propose une technique de gestion transversale basée sur l'outil plan de reprise d'activité (PRA) et la technique des cartographies cognitives floues (CCF) comme base préparatoire à l'intégration de l'intelligence artificielle (IA). La solution proposée repose sur une technique d'agrégation augmentée des cartographies floues avec une dimension d'évaluation des paramètres de l'ensemble des parties prenantes impliquées dans le réseau industriel. L'approche exploite la plateforme Big Data pour connecter les différents plans d'activités des industriels, ensuite superpose une couche de cartographies avec agrégation pour préparer l'analytique via l'intelligence artificielle. En outre, l'article décrit et discute le positionnement de la littérature académique en proposant un cadre d'analyse structuré et argumenté sur le sujet. Les principaux résultats de ce travail de recherche pourraient aider les industriels à réduire leurs coûts affectés aux risques et à accroître leurs capacités de reprise d'activité aprés sinistres. L'article conclut avec un ensemble de points d'ouverture que nous proposons avec les lignes directrices des perspectives de ce travail de recherche, ainsi que d'autres points indiquant des pistes à explorer pour la communauté des chercheurs dans le sujet.