| Titre : | Conception et développement d’un outil de prévision de KPIs basé sur la régression linéaire au sein du service PMO&Quality (Capgemini Engineering). |
| Auteurs : | CHRAIBI Hiba, Auteur ; BORJI Abdelali, Auteur |
| Type de document : | texte imprimé |
| Editeur : | Rabat : IAV Hassan II, 2025 |
| Format : | 138 |
| Langues: | Français |
| Mots-clés: | Amélioration des processus ; Performance ; Lean Six Sigma ; DMAIC ; Transformation digitale ; Excellence opérationnelle ; Intelligence Artificielle ; Machine Learning ; Solution digitale intelligente. |
| Résumé : |
Afin de s’inscrire dans une démarche stratégique alliant amélioration des processus internes et transformation digitale, le département Project Management Office & Qualité de Capgemini Engineering est confronté à un suivi manuel et fragmenté de ses indicateurs de performance. Ce manque de clarté limite la réactivité face aux écarts, freine l’anticipation des problèmes et compromet l’alignement avec les objectifs d’amélioration continue, d’innovation et d’excellence opérationnelle.
Le projet a ainsi visé la conception d’une solution digitale intégrant un modèle prédictif de Machine Learning et un système d’alerte Poka-Yoke, afin d’automatiser le suivi des KPIs, anticiper les écarts critiques et générer des alertes proactives. Une évaluation du processus actuel a permis d’identifier les inefficacités, puis de créer de nouveaux indicateurs clé de performance de support en complément des indicateurs existants, dans le but d’améliorer la performance interne. Structurée selon l’approche DMAIC de la méthode Lean Six Sigma, la démarche a débuté par la définition du périmètre projet et des besoins des parties prenantes, suivie par une cartographie des activités. La phase de mesure a porté sur la charge liée à la gestion manuelle et a inclus un questionnaire et l’analyse des données des indicateurs clé de performance existants. Ces résultats ont alimenté l’analyse causale pour identifier les racines des inefficacités, isoler les causes critiques et proposer des indicateurs de support pertinents. La solution développée repose sur un tableau de bord Power BI dynamique, intégrant des modèles de régression linéaire, un système d’alertes Poka-Yoke, des visualisations interactives et une interface Excel VBA automatisant la collecte et la relance des données. Des actions ont été mises en place pour garantir la durabilité de cette solution. Deux inefficacités majeures ont été mises en évidence : les mauvaises assignations et la qualité des données clients. En réponse, deux indicateurs clé de performance de support ont été créés : le taux d'affectation erroné (réassignation) et le taux d’erreurs des données clients. La solution digitale intelligente a permis une réduction de 95 % du temps d’analyse, un passage à un modèle proactif, en phase avec les priorités stratégiques de l’entreprise. |
| En ligne : | http://10.2.0.27/PDF_CDA/uploads/PDF/CHRAIBI_Hiba_2025.pdf |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| 200041722 | 10550 | Support papier | Salle des thèses/PFE (RDC) | Ingénieur en industrie agro-alimentaires | Consultation sur place Exclu du prêt |
