Gestion de données hétérogènes
2.1 Gestion des données produit
2.1.2 Les systèmes PLM pour la gestion du cycle de vie des produits
La complexité croissante des produits et la distribution multi-sites des activités de l’entre-prise étendue contribuent à mettre en évidence l’importance du travail collaboratif dans ces types d’organisation (Shen,2003).
Figure 2.2 – Données produit d’une voiture (Terzi et al.,2010)
Les Systèmes de Gestion des Données Techniques (SGDT ) ont été créés au milieu des années 80 pour répondre aux besoins de traçabilité et d’échanges des données d’ingénierie du produit (en particulier les données de Conception Assistée par Ordinateur (CAO)). Dans Randoing (1995), les SGDT sont définis comme étant des "outils intégrés, permettant de consolider et redistribuer l’ensemble du patrimoine informationnel d’un produit, à définir, concevoir, fabri-quer et maintenir, et d’en structurer et contrôler les données techniques, leur évolution et leur distribution". Leurs objectifs principaux sont de fournir les information en cohérence avec le statut de développement du produit, c’est-à-dire à la la bonne personne et au bon moment (Rosenman & Gero, 1999; Chen & Jan, 2000). Les SGDT permettent également d’interagir avec différents processus d’entreprise (Eynard et al.,2005), et ils ont par la suite évolués pour s’orienter vers des solutions de gestion du cycle de vie de produits appelées PLM (pour Product Lifecycle Management) (Debaecker,2004;Stark,2004;Saaksvuori & Immonen,2008).
2.1.2.1 Définition du PLM
Les systèmes PLM ont commencé à apparaitre à la fin des années 90 en tant qu’approche intégrée pour la gestion de la conception de produits dans les industries automobiles et aé-ronautiques (Konstantinov, 1988). Le complexité des produits développés dans ces domaines, ainsi que la compétition croissante causée par la mondialisation, ont rendu nécessaires l’utili-sation d’un système de gestion des données produit efficace (Ming et al.,2005). Afin de rester compétitif en réduisant les coûts, l’objectif principal est de fournir la bonne information à la bonne personne dans le bon contexte et au bon moment tout au long du cycle de vie du produit (Ameri & Dutta,2005). Pour (Stark,2004), le PLM est devenu un nouveau paradigme pour la conception et la fabrication, car l’enjeu n’est plus seulement de gérer les données techniques du produit, mais les concepts associés au produit.
Figure 2.3 – Éléments fondamentaux du PLM (Terzi et al.,2010)
produit, et au sein duquel les données produit sont partagées entre les acteurs, les processus et les organisations, à différents stages du cycle de vie du produit (Terzi et al., 2010). Les systèmes PLM intègrent la modélisation, l’ingénierie, la fabrication et la gestion de projet au sein d’une unique plateforme collaborative (Ming et al., 2005). Les informations auxquelles les utilisateurs doivent accéder sont différentes tout au long du cycle de vie, et les systèmes PLM doivent gérer les données produit à plusieurs niveaux de granularité. Par exemple Bill Of Material (BOM) décrit les assemblages et les pièces qui constituent le produit, engineering BOM (eBOM) décompose le produit tel qu’il est conçu, et manufacturing BOM (mBOM) décrit le produit tel qu’il est fabriqué.
Les systèmes PLM répondent à un besoin croissant d’échange, de partage et de gestion de données techniques, lié à l’utilisation intense des outils informatiques (TIC), et à la complexité organisationnelle du cycle de vie des produits manufacturés (Troussier, 2010). Selon (Grieves, 2005), le PLM est une question de traitement numérique de données où les Technologie de l’Information et de la Communication (TIC) jouent un rôle fondamental, etTerzi et al.(2010) définit les trois fondamentaux du PLM comme les méthodologies (pratiques, procédures, tech-niques...), les processus (acteurs, connaissances, organisations...) et les TIC (outils, standards...). Ils sont illustrées dans la figure 2.3.
2.1.2.2 Systèmes PLM actuels
Les sytèmes PLM sont des technologies matures, connues pour augmenter la productivité, maximiser la valeur du produit et réduire les coûts des organisations (Stark, 2004). Les ap-proches orientées-objet ont montré leur utilité en tant que modèles pour intégrer les produits,
les processus et les ressources à travers des modèles UML1 (Eynard et al.,2004). Le noyau du modèle produit (CPM pour Core Model Product) définit la forme, la fonction et le comporte-ment du produit ; il a été étendu (Fenves et al., 2008) et permet la conception d’un cadre de modélisation des informations produit pour supporter l’ensemble des exigences du PLM (Su-darsan et al.,2005). Les modèles de données du cycle de vie du produit ont été éprouvés dans les systèmes PLM, principalement pour la phase BOL du cycle de vie.
Interfaces des systèmes PLM Les interfaces des systèmes PLM existants n’ont pas fait l’objet d’études jusqu’à présent, bien qu’elles soient utilisées quotidiennement dans l’industrie manufacturière. Les interfaces logicielles des systèmes PLM actuels ne sont ni ergonomiques ni intuitives. De façon générale, les entreprises perdent beaucoup de temps et d’argent à former leurs employés à l’utilisation des systèmes d’information, et le PLM ne fait pas exception.
La principale critique qui puisse être adressée à l’interface est la surcharge de fenêtres, de menus et d’icônes. Les instances de données produit sont présentées sous la forme de liste et seulement un niveau d’information du produit peut être affiché à la fois. Par ailleurs, le vocabulaire de l’interface est beaucoup trop orienté sur les concepts propres à l’industrie, ce qui limite l’extensibilité des systèmes PLM à d’autres domaines.
L’annexe B présente deux études de cas montrant les limites des interfaces des systèmes PLM actuels : (1) la migration du système PLM d’une entreprise de conception de systèmes thermiques et (2) la gestion de données d’imagerie biomédicale. Ces limites se déclinent en trois axes :
– La recherche de données : il est difficile pour un utilisateur non expert de former des requêtes complexes sur les données stockées dans un système PLM, ce qui pose des pro-blèmes notamment dans le domaine de l’imagerie biomédicale.
– L’affichage des données : les informations sont affichées exclusivement sous la forme de listes, les relations comme les concepts sont représentés sous la même forme sans distinc-tion de leur type et foncdistinc-tion, ce qui rend difficile l’identificadistinc-tion des différents niveaux d’information.
– La navigation des relations : les relations ascendantes et descendantes sont affichées dans des fenêtres différentes et l’utilisateur doit alterner entre plusieurs fonctionnalités pour analyser des relations complexes.
Les systèmes PLM sont principalement accessibles via des clients riches installés en appli-cations autonomes au niveau local sur les ordinateurs, mais aussi via des clients web comme le PLM Windchill. Les clients web deviennent peu à peu une évolution inévitable de tous les systèmes PLM dans l’industrie manufacturière, afin de faciliter l’accès aux données partout dans le monde et sur de nouveaux supports comme les tablettes tactiles. Plusieurs clients web PLM proposent des fonctionnalités intéressantes (ARAS, Windchill), mais leur interface est très surchargée. Récemment le client Active Workspace a été développé avec des paradigmes de navigation similaires à ceux des sites web commerçants (boutique en ligne), mais la navigation reste complexe.
2.1.2.3 Applications du PLM en dehors de l’industrie manufacturière
Bien qu’à l’origine les systèmes PLM ont été conçus pour les domaines de l’automobile et de l’aéronautique, ils sont désormais adoptés par l’ensemble de l’industrie manufacturière, dont le secteur pharmaceutique (Fielding et al.,2014). De plus en plus de travaux de recherche s’intéressent à d’autres domaines que l’industrie manufacturière, tels que l’ingénierie assistée par ordinateur (IAO), la mécatronique, l’ingénierie et l’architecture en bâtiment, les services ou encore l’imagerie biomédicale (BMI). Ces domaines sont multidisciplinaires et doivent gérer des données hétérogènes liées par des relations complexes qu’il est difficile de parcourir.
Malgré les similarités entre l’industrie manufacturière et le domaine de l’imagerie bio-médicale, le PLM n’est pas encore utilisé dans ce dernier, à quelques exceptions près :
– Conception et fabrication de prothèses : chaque prothèse est adaptée aux spécificités du patients et conçues à partir de reconstructions 3D basées sur des images scannées du patient (Lantada & Morgado, 2013). Tornier, Groupe Lepine ou Mount Kisco Medical Group sont des exemples d’entreprises qui utilisent le PLM pour gérer le cycle de vie de chaque produit, quels que soient les types de documents : images, CAO ou texte.
– Entreprises des services de santé : le PLM est couplé avec le matériel médical d’acquisition des données pour éviter les entrées manuelles de données et les erreurs qui pourraient en résulter.
Les difficultés spécifiques rencontrées par les nouveaux domaines d’application du PLM n’ont pas été questionnées jusqu’à présent, bien que l’ensemble de la communauté PLM pour-rait en profiter. Étant donné la complexité croissante des relations entre les données autant dans l’industrie manufacturière que dans les nouveaux domaines d’application du PLM, il apparait important de mener des travaux de recherche en vue d’améliorer la navigation et l’analyse des relations.
Dans un contexte de compétitivité accru, l’ingénierie collaborative est devenu incontournable dans l’industrie manufacturière.
Les problématiques de partage des données issues de l’apparition de l’ingénierie collaborative ont été résolues par la création des SGDT puis des systèmes PLM
qui permettent de tracer les données d’un produit tout au long de son cycle de vie.
Les systèmes PLM actuels présentent des limites en terme d’interfaces qui rendent difficile l’exploration des relations entre les données générées à toutes les
étapes du cycle de vie du produit.
2.2 Gestion des données en neuroimagerie
La neuroimagerie présente des caractéristiques qui nous intéressent : une forte hétérogé-néité des données renforcée par la pluridisciplinarité des études, la nécessité du partage et de la réutilisation des données dont la génération a un coût financier non négligeable, ainsi que
l’exploration visuelle des données. Depuis vingt-cinq ans, les chercheurs en neuroimagerie ont pris progressivement conscience de l’importance d’une gestion durable de ses données pour en faciliter le partage et la réutilisation, et ils se sont dotés d’outils informatiques pour faire face à la complexité grandissante de la provenance des données.
La section 2.2.1 introduit les problématiques liées au partage des données dans le domaine neuroimagerie, puis les systèmes de gestion des données pour la neuroimagerie sont comparés dans la section2.2.2.