Méthodologie de prévision technologique stratégique avec le cas d'évolutions stratégiques des entrepôts logistiques sur un horizon de 5 à 10 ans
Langue Français
Accéder au document

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :
  • Thèse confidentielle jusqu'au 31/12/2030.
 
Auteur : Kucharavy, Dzmitry
Date de soutenance : 19-12-2022

Directeur(s) de thèse : Barth, Marc

Établissement de soutenance : Strasbourg
Laboratoire : Humans and management in society (Strasbourg)
École doctorale : École doctorale Augustin Cournot (Strasbourg ; 1995-....)
 
Discipline : Sciences de gestion
Classification : Gestion et organisation de l'entreprise

Mots-clés libres : Prévision technologique, Carte des contradictions, Ressources limitées, Prévision fiable, Systèmes sociotechniques, Prise de décision stratégique, Méthodologie Researching Future
Mots-clés :
  • Prévision technologique
  • Analyse stratégique - Prise de décision
Résumé : Dans le cadre de cette thèse, nous proposons une approche de prévision technologique à l’aide de décisions stratégiques : Researching Future method (RFm). RFm offre une combinaison unique de modèles et d’approches qualitatives et quantitatives pour aborder et atténuer certains problèmes dans les approches existantes : intégralité des prévisions, clarté des prévisions, timing, paradigmes de connexion, limitations de base et perspective cognitive. RFm a été conçue, testée, enseignée et rationalisée afin d'en améliorer la fiabilité, de former un jugement informé sur le futur tout en minimisant l'inertie cognitive et les préjugés des experts. Les résultats de l'application RFm pour les prévisions stratégiques sont actionnables pour la planification de la R&D et la mise en œuvre de nouvelles technologies, en fournissant des caractéristiques mesurables pour les solutions innovantes et des implications pratiques pour comprendre la valeur de certaines technologies pour une organisation. Les techniques, approches et méthodes ont été testées dans le cadre de 53 études de cas de prévision technologique dans les conditions industrielles et académiques (2004-2022).
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2022STRAB007
Type de ressource : Thèse