Conception et mise en place d’un tableau de bord de maintenance pour la société CLC-Délice

2.2

2.3

2.4

Construction du tableau de bord

Choix des indicateurs

La collecte d’information

33

33

34

37

3. Conclusion 41

v

Chapitre IV : Réalisation de la solution décisionnelle proposée 42

1.

Introduction 42

2. Mise en œuvre 42

2.1

Environnement de réalisation

2.1.1

2.1.2

Environnement matériel

Environnement logiciels

3.

4.

Intégration et déploiement de la solution

Evaluation de l’application proposée

42

42

43

46

58

5. Conclusion 59

Conclusion Générale 60

Webographie 62

Bibliographie 64

vi

LISTE DES FIGURES

Figure I.1: La chaîne décisionnelle ............................................................................................ 8

Figure I.2 : Principe processus ETL ......................................................................................... 10

Figure I.3 : Structure de base d’une table de faits ....................................................................11

Figure I.4 : Structure de base d’une table de dimension ..........................................................12

Figure I.5 : Modèle en étoile .................................................................................................... 12

Figure I.6 : Modèle en flocon .................................................................................................. 13

Figure I.7: Modèle en constellation .......................................................................................... 14

Figure I.8: Composants des couches Opérationnel et Informationnel .....................................24

Figure I.9: Représentation d'un cube OLAP. ........................................................................... 15

Figure II.1 : Présentation du groupe « Délice » ....................................................................... 22

Figure II.2 : Organigramme de la société « Délice » ............................................................... 23

Figure II.3 : Architecture du Système d’information de la CLC ..............................................23

Figure II.4: Interface «Oracle JD Edwards Enterprise One » .................................................26

Figure II.5: Description de la solution proposée ...................................................................... 29

Figure III.1: Modèlisation en étoile .......................................................................................... 41

Figure IV.1: architecture de notre solution ..............................................................................46

Figure IV.2:Choisir le type de connexion dans l’éditeur de script ...........................................47

Figure IV.3: Script de connexion à la source de donnée .......................................................... 47

Figure IV.4: Script d’alimentation de la table Equipement ..................................................... 48

Figure IV.5: Script d’alimentation de la table Centre de coût ................................................. 49

Figure IV.6: Script d’alimentation de la table Pièce ................................................................ 49

Figure IV.7: Script de stockage des tables ............................................................................... 50

Figure IV.8: Page d’accueil ...................................................................................................... 51

Figure IV.9: Dashboard pièce de rechange .............................................................................. 51

Figure IV.10: Détails sortie PDR par OT ................................................................................. 52

Figure IV.11: Détails Consommation PDR .............................................................................. 53

Figure IV.12 : Réparation Coût PDR par Centre de coût ......................................................... 53

Figure IV.13: Réparation Coût PDR par Centre de coût et par mois transaction .................... 54

Figure IV.14: Réparation Coût PDR par Immo ....................................................................... 54

Figure IV.15: Nombre OT réalisée par type maintenance ....................................................... 55

Figure IV.16 : Analyse OT de maintenance par rapport à total OT .........................................55

vii

Figure IV.17 : Analyse coût de maintenance mécanique et électrique par rapport à total

maintenance ..............................................................................................................................56

Figure IV.18 : Analyse coût de maintenance corrective et préventive par rapport à total maintenance. .............................................................................................................................56

Figure IV.19: interface main d’œuvre ......................................................................................57

Figure IV.20 : Suivi de nombre de pannes par Mois OT ......................................................... 57

Figure IV.21: MTTR par technicien ........................................................................................58

viii

LISTE DES TABLEAUX

Tableau I.1: Tableau comparatif entre les systèmes transactionnels et les systèmes

décisionnels ................................................................................................................................ 6

Tableau I.2: Tableau comparatif entre le tableau de bord et le reporting ................................19

Tableau II.1 : Liste des tables sources et leurs attributs ........................................................... 27

Tableau II.2 : Démarche de la méthode GIMSI ....................................................................... 30

Tableau III.1 : Description des indicateurs .............................................................................. 37

Tableau III.2: Description des attributs de la dimension Centre de Coût ................................ 38

Tableau III.3: Description des attributs de la dimension Equipement ..................................... 38

Tableau III.4: Description des attributs de la dimension pièce ................................................ 38

Tableau III.5: Description des attributs de la dimension Type_Maintenance .......................... 39

Tableau III.6: Description des attributs de la dimension Heure_Travail ................................. 39

Tableau III.7: Description des attributs de la dimension Date_OT .......................................... 39

Tableau III.8: Description des attributs de la dimension Date_Transaction ............................ 39

Tableau III.9: Table de fait «OT » ........................................................................................... 40

Tableau IV.1 : Satisfaction des acteurs .................................................................................... 58

ix

Liste des Abréviations

Abréviation BI CLC DW ERP ETL IT GIMSI GMAO KPI QVW QVD OLTP OLAP OT PDR ME MM MTTR SSI SI

Signification Business Intelligence Centrale Laitière de Cap Bon Data Warehouse Enterprise Resource Planning Extract, Transform and Load Information Technology Généralisation Information Méthode Système Individualité Gestion de la Maintenance Assistée par Ordinateur Key Performance Indicator Qlikview Worksheet QlikView Data On Line Transaction Protocol On Line Analytical Processing Ordre de Travail Pièce de Rechange Maintenance Electrique Maintenance Mécanique Mean Time To Repair Système d’Information Informatisé Système d’Information

x

Introduction Générale

Le traitement de l’information dans les entreprises est en pleine mutation. Et si les

premières applications ont permis d’automatiser les activités opérationnelles des organisations

(gestion de production, gestion commerciale et financière, ressources humaines), aujourd’hui

les systèmes d’information, tels que les progiciels de gestion intégrée, prennent en charge des

niveaux de plus en plus stratégiques.

Pour faire face à cette vérité, les entreprises cherchent des solutions et des moyens pour bien

exploiter leurs SI. D’où, la capacité d’intégrer, d’organiser, de stocker et de coordonner de

manière intelligible des données produites au sein de ces SI (issues des applications de

production) ou importées depuis l’extérieur du SI dans lesquelles les décideurs puisent des

informations pertinentes à l’aide d’outils de restitution et d’analyse.

Mais ces informations produites par l’entreprise sont surabondantes, non organisées et

éparpillées dans de multiples systèmes opérationnels.

Il devient fondamental de rassembler et d’homogénéiser, donc, les données afin de permettre

l’analyse des indicateurs pertinents pour faciliter la prise de décisions.

C’est dans ce cadre que s’inscrit notre projet qui consiste à comprendre le métier avec ses

détails, identifier la stratégie de l’entreprise, ressortir les indicateurs clé de performance et

proposer des solutions pour organiser le processus métier et mettre en place un tableau de

bord qui s’aligne avec la stratégie de l’entreprise.

Notre solution consiste à répondre aux besoins des utilisateurs finaux en leur facilitant l’accès

aux données importantes et en leur permettant de naviguer dans l’information en fonction de

leurs besoins ce qui facilite l’analyse des données.

Ce présent rapport est décomposé en quatre chapitres décrivant le travail réalisé ; le premier

chapitre « Concepts de base de la Business Intelligence » traite les aspects théoriques du

domaine des systèmes d’information décisionnels, en évoquant leurs définitions et les

1

concepts de bases relatifs à l’architecture d’un entrepôt de données, les différents modèles

multidimensionnels pour sa conception ainsi que les étapes de mise en place de la solution BI.

Dans le deuxième chapitre intitulé « Cadre du projet » nous commencerons par la

présentation de l’organisme d’accueil, nous analyserons par la suite l’existant et nous

montrerons ses critiques afin de proposer une solution. Ainsi, nous présenterons aussi la

méthode de conduite du projet adoptée. Nous terminerons ce deuxième chapitre par expliquer

l’étape la plus importante dans cette méthode qui consiste à définir les besoins d’affaire à

savoir les besoins fonctionnels et les besoins non fonctionnels.

Le troisième chapitre intitulé « Modélisation conceptuelle » sera consacré à la conception de

notre solution. Nous présenterons la liste des dimensions (champ source, leur désignation

dans la dimension et leur type), la table de fait et les mesures ainsi que le modèle conceptuel

adopté dans notre projet.

Le quatrième chapitre intitulé « Réalisation de la solution décisionnelle proposée » détaille

les différentes étapes de notre application. En effet, nous présenterons les environnements

logiciels et matériels que nous avons utilisés. Nous présenterons par la suite les étapes de

notre réalisation afin d’atteindre les résultats finaux.

Nous clôturons ce rapport par une conclusion générale relative aux travaux menés dans le

cadre de ce projet ainsi que par la proposition de quelques perspectives.

2

Chapitre I : Concepts de base de la Business Intelligence

1. Introduction

Pour faire face à une concurrence rude et afin de survivre sur son marché, toute

entreprise, de nos jours, éprouve la nécessité de prendre des décisions avec rapidité et

efficacité. Or, une bonne prise de décisions n’est réalisable que si les dirigeants et

gestionnaires ont les informations utiles à portée de main. Pour leur permettre d’y accéder

rapidement, la plupart des entreprises mettent en place des solutions décisionnelles. Une fois

que l’on possède les bonnes informations, il est en effet plus facile d’améliorer les décisions

et d’engager les actions qui s’imposent.

Ce premier chapitre intitulé Concepts de base de la Business Intelligence concerne l’aspect

théorique de notre projet. Nous allons expliquer les différentes notions théoriques liées à notre

projet. Nous commencerons par présenter l’historique d’aide à la décision puis nous allons

passer à la présentation de concepts clé de Business Intelligence avant d’arriver à définir la

notion de tableau de bord.

2. Présentation du Business Intelligence

Dans cette section nous commencerons par présenter l’historique de la BI ainsi que sa

définition puis nous allons passer à la présentation de différence entre le système

d’information transactionnel et le système d’information décisionnel.

2.1 Historique du BI

Depuis toujours le système d’information (SI) est considéré comme le cœur de l’entreprise.

Déjà dans les années 70, il était vital pour un organisme d’avoir le contrôle de ses flux de

communication en interne, ainsi que ses flux de communication en externe. A ce moment,

l’informatique n’était pas accessible à l’ensemble de l’entreprise : l’utilisateur final attendait

pour avoir un système afin d’exploiter les informations. Malgré les caractéristiques

distribuées et non intégrées des structures informatiques, nous pouvons trouver dans les

systèmes de l’époque, quelques éléments que nous distinguons comme les prédécesseurs de la

Business Intelligence. [1]

Au début des années 80 est né le concept de l’infocentre. La mise en place de ce concept a été

le lien entre l’utilisateur final d’application et le département technologie de l'information (IT)

3

dans les organisations : Chaque entreprise intégrait son Système d’Information Informatisé

(SII). Puis, la création des systèmes client-serveur et l’arrivée des bases de données

relationnelles ont mis en question le rôle du département IT dans les entreprises. La façon de

travailler de cette époque a changé. Aujourd’hui, les bases de données ont trouvé un standard,

qui permet aux entreprises de faire du benchmarking et bénéficie les conditions nécessaires

pour faire de la Business Intelligence. [1]

Au début des années 90, le terme « veille économique » est apparu. Les entrepôts de données

(Data Warehouse) ont également vu le jour. L’idée est de transformer l’information de façon à la

rendre disponible en consultation pour un large public. Cela implique un traitement de

l’information dans le but de préparer un résultat, lay-out ou analyse, en accord avec la

compréhension du public qui le consulte. Le système d'administration des entreprises a évolué

: « Il fallait être compétitif, et encore savoir bien gérer les ressources internes ». Ainsi, une

vague de software de Business Intelligence arriva sur le marché dans le but d’assister les

décideurs. Ce genre d’application utilise les entrepôts de données comme source de données,

et est destiné à exécuter des analyses avancées concernant un champ déterminé de

l’entreprise. [1]

De nos jours, la Business Intelligence est devenue une branche de l’informatique. Il s’agit

toujours d’une tendance de marché, ainsi qu’un nouveau champ de recherche à exploiter. Les

entreprises sont dès lors à la recherche de l’outil de Business Intelligence le plus adapté. Les

décideurs ont besoin de voir plus loin et doivent constamment tenir compte des évolutions

rapides du marché. Les tableaux de bord décisionnels sont fondamentaux pour l’alignement

de la stratégie des organismes. Il reste à savoir s’il existe la bonne méthode pour appliquer le

« Nouveau management de l’information » [1]

L’objectif final de BI est de répondre de manière optimisée aux requêtes d’outils de reporting

et tableaux de bord d’indicateurs situés en aval, et mis à la disposition des responsables

opérationnels.[W1]

2.2 Définition du BI

On appelle «business intelligence», «informatique décisionnelle» ou tout simplement

«décisionnel», un ensemble de solutions informatiques avec, en bout de chaîne, des rapports

et des tableaux de bord de suivi à la fois analytiques et prospectifs permettant l’exploitation et

l’analyse des données de l’entreprise.

4

Le but est d’en dégager des informations qualitatives nouvelles, qui seront la base de

décisions tactiques ou stratégiques des décideurs pour comprendre le fonctionnement actuel et

l’anticipation des actions pour un pilotage éclairé de l’entreprise. [2]

2.3 Différences entre le système Décisionnel et le système Transactionnel

Le système d’information transactionnel (opérationnel) ou en anglais « On Line Transaction

Protocol » (OLTP) est généralement une base de données, développée par application,

stockant les données courantes d’une organisation, c’est-à-dire qu’il n’y a pas de données

d’archives dans les systèmes transactionnels. [W2]

Les systèmes transactionnels gèrent les transactions quotidiennes (ajout, suppression et mise à

jour) de façon sécurisée et très détaillée (détails de chacune des transactions) mais il est

incapable d’historier les données au fil du temps.

Par contre, les systèmes « décisionnels », également appelés OLAP « On-Line Analytical

Processing », sont dédiés au management de l'entreprise pour l'aider au pilotage de l'activité.

Ils offrent au décideur une vision transversale de l'entreprise. [W2]

Donc un système décisionnel va en particulier aider au pilotage des plans d’actions (prévision,

planification et suivi), à l’apprentissage (acquisition de savoir-faire, de connaissances et de

compétences) et à la réalisation d’innovations incrémentales (adaptation du modèle

d’affaires : produits/services, organisation, etc. …).

Le tableau I.1 résume les différences qui peuvent exister entre les systèmes transactionnels et

les systèmes décisionnels selon les données et l’usage fait des systèmes. En effet, la

comparaison montre que dans un système opérationnel les données sont essentiellement

destinées à satisfaire un processus fonctionnel et obéit à des règles de gestion, alors que celles

d’un système décisionnel sont destinées à un processus analytique.

Ces différences font ressortir la nécessité de mettre en place un système répondant aux

besoins décisionnels appelé le « Data Warehouse ».

5

Différences

Systèmes transactionnels

Systèmes décisionnels

s e é n n o d r a P

e g a s u ’

L

Orienté applications

Orienté thème et sujet

Situation instantanée

Situation historique

Données détaillées et codées non redondantes

Information agrégées cohérente souvent redondante

Assure l’activité au quotidien

Permet l’analyse et la prise de décision

Pour les opérationnels

Pour les décideurs

Requêtes simples

Requêtes complexes

Temps de réponse immédiats

Temps de réponse moins critiques

Faible volume à chaque transaction

Large volume manipulé

Conçu pour la mise à jour

Conçu pour l’extraction

Tableau I.1: Tableau comparatif entre les systèmes transactionnels et les systèmes

décisionnels [W3].

3. Stockage de données: Data Warehouse et Data Marts

3.1 Data warehouse

Bill Inmon définit le Data Warehouse comme suit : « Le Data Warehouse est une collection

de données orientées sujet, intégrées, non volatiles et évolutives dans le temps, organisées

pour le support d’un processus d’aide à la décision ». [W3] Les paragraphes suivants illustrent

les caractéristiques citées dans la définition d’Inmon :

 Orienté sujet : Les Data Warehouse sont organisés autour des sujets majeurs de

l’entreprise tels que : clientèle, ventes, produits, etc. Cette organisation affecte

forcément la conception et l’implémentation des données contenues dans le Data

Warehouse.

 Intégrée : Le Data Warehouse va intégrer des données provenant de différentes

sources éventuellement hétérogènes. Cela nécessite la gestion de toute incohérence.

6

L’intégration consiste donc, à résoudre les problèmes d’hétérogénéité des modèles,

des schémas, de la sémantique.

 Evolutives dans le temps : Dans un système décisionnel il est important de conserver

les différentes valeurs d’une donnée, cela permet les comparaisons et le suivi de

l’évolution des valeurs dans le temps.

 Non volatiles : C’est ce qui est, en quelque sorte la conséquence de l’historisation

décrite précédemment. Une donnée dans un environnement opérationnel peut être

mise à jour ou supprimée, de telles opérations n’existent pas dans un environnement

Data Warehouse.

 Organisées pour le support d’un processus d’aide à la décision : Les données du

Data Warehouse sont organisées de manière à permettre l’exécution des processus

d’aide à la décision (Reporting, Data Mining…).

3.2 Datamart

Le magasin des données (data mart) est un ensemble de données ciblées, organisées,

regroupées et agrégées pour répondre à un besoin spécifique à un métier ou un domaine

donné. Il est donc destiné à être interrogé sur un panel de données restreint à son domaine

fonctionnel, selon des paramètres qui auront été définis à l’avance lors de sa conception.

[W4].

4. Les étapes de la chaîne décisionnelle

La Business Intelligence (BI) regroupe un ensemble d’outils informatiques permettant le

bon fonctionnement de la chaîne de traitement des informations. Cette chaîne décisionnelle

est constituée de trois catégories étant alimentation, stockage et exploitation. [3]

7

Figure I.1: La chaîne décisionnelle. [3]

4.1 Alimentation

L'alimentation du l’entrepôt de données (data warehouse) à partir des bases de production

est une phase primordiale de la chaîne. Cette phase se décompose en deux sous étapes:

- Collecter les données de système de production et les adapter à un usage décisionnel

c'est-à-dire mise en place d’un dictionnaire de métadonnées qui va permettre

d'identifier dans les systèmes sources les données à importer dans le data warehouse.

- Extraire, nettoyer et consolider les données qui seront être utilisables. Les données

seront dupliquées en un lieu commun à l'aide d'un outil d'ETL (Extraction

transformation et chargement). Ce dernier offre des fonctions d'extraction de données

issues de différents systèmes, de transformation de ces données et de leur chargement

dans un data warehouse.

 Fonctionnement du Processus d’alimentation du Data Warehouse (ETL)

L’ETL est une abréviation de trois mots Extract, Transform and Load. Il s’agit d’un

processus pour extraire des données, principalement à partir de différents types de

8

systèmes, de les transformer en une structure plus appropriée pour l’analyse et les rapports

et, enfin, les charger dans la base de données. [W3]

Les phases du processus ETL représentent la mécanique d’alimentation du DW. Elles se

déroulent comme suit :

 Extraction

L’extraction est la première étape du processus d’apport de données à l’entrepôt de données.

Extraire, cela veut dire lire et interpréter les données sources et les copier dans la zone de

préparation en vue de manipulations ultérieures. [Kimball, 200]

 Transformation

La transformation est la seconde phase du processus. Cette étape, qui du reste est très

importante, assure en réalité plusieurs tâches qui garantissent la fiabilité des données et leurs

qualités. Ces tâches sont :

 Consolidation des données.

 Correction des données et élimination de toute ambiguïté.

 Elimination des données redondantes, etc.

Cette opération se solde par la production d’informations utiles pour l’entreprise et sont donc

prêtes à être entreposées.

 Chargement des données

Dernière phase de l’alimentation d’un entrepôt de données, le chargement est une étape

indispensable. Elle reste toutefois très délicate et exige une certaine connaissance des

structures du système de gestion de la base de données (tables et index) afin d’optimiser au

mieux le processus.

La figure suivante représente le principe de processus ETL : il extrait les données sources, les

transformes puis les charges dans un entrepôt des données.

9

Figure I.2: Principe processus ETL [4]

4.2 Stockage

Dans Cette étape les données (qui sont au préalable nettoyées et consolidées) sont

stockées dans un entrepôt de données (data warehouse). Cet entrepôt contient les données

orientées métier, non volatiles (datées), historiées et documentées.

Une fois ces données stockées dans le data warehouse, on va pouvoir créer des magasins

de données appelés : Datamarts.

4.3 Exploitation

Cette étape facilite l'accessibilité des informations selon les fonctions et les types

d'utilisation. Elle permet de savoir comment les informations fournis par le data warehouse

vont être exploités et présentés aux utilisateurs finaux à travers des différents outils de

restitution.

Nous trouverons des outils de reporting, des portails d'accès à des tableaux de bord, des

outils de navigation dans des cubes et des outils de statistique (data mining).

5. La modélisation multidimensionnelle

La modélisation multidimensionnelle est le nom d’une méthode de conception logique qui

vise à présenter les données sous une forme standardisée intuitive et qui permet des accès

hautement performants. Elle adhère totalement la dimensionnalité ainsi qu’à une discipline

qui exploite

le modèle relationnel en

le

limitant sérieusement. Chaque modèle

10

multidimensionnel se compose d’une table contenant une clé multiple, la table des faits, et

d’un ensemble de tables nommées tables dimensionnelles. [W3]

Au niveau de cette partie nous allons présenter d’une part, les notions de tables de dimensions

et de faits, d’autre part, nous allons définir les principaux modèles du Data Warehouse tels

que le modèle en étoile, le modèle en flocon et le modèle en constellation.

5.1 Concept de fait

Une table de faits est la table centrale d’un modèle dimensionnel, où les mesures de

performances sont stockées. Une ligne d’une table de faits correspond à une mesure.

Une table de faits assure les liens plusieurs à plusieurs entre les dimensions. Elles comportent

des clés étrangères, qui ne sont autres que les clés primaires des tables de dimension. [W3]

La figure ci-dessous présente la structure de base d’une table de faits.

Figure I.3 : Structure de base d’une table de faits. [W5]

5.2 Concept de dimension

Les tables de dimension sont les tables qui accompagnent une table de faits. Elles représentent

l’axe d’analyse selon lequel vont être étudiées les faits, elles contiennent le détail sur le fait.

La granularité d’une dimension est le nombre des niveaux hiérarchiques. [W3]

« Une table de dimension établit l’interface homme / entrepôt, elle comporte une clé

primaire» [Kimball, 2002].

La figure I.4 suivante présente la structure de base d’une table dimension.

11

Figure I.4 : Structure de base d’une table de dimension. [W5]

5.3 Les différents modèles de la modélisation multidimensionnelle

 Le modèle en étoile

Le modèle en étoile est une façon de mettre en relation les dimensions et les faits dans un

entrepôt de données. Le principe est que les dimensions sont directement reliées à un fait.

Schématiquement, ça donne comme une étoile. [W6]

Figure I.5 : Modèle en étoile [W7]

12

 Le modèle en flocon

Le modèle en flocon est le dérivé du modèle en étoile. Dans ce modèle les tables des

dimensions sont normalisées et les redondances sont éliminées. Le modèle se présente en une

table de fait et des dimensions décomposées en sous hiérarchies sachant qu’il faut avoir un

seul niveau hiérarchique dans les tables de dimensions. La table de dimension de niveau

hiérarchique le plus bas est reliée à la table de fait. On dit qu’elle a la granularité la plus fine.

[W6]

Figure I.6: Modèle en flocon [W7]

 Le modèle en constellation

Une constellation est une série d’étoiles reliées entre eux par des dimensions. Il s’agit donc

d’étoiles avec des dimensions en commun. Un environnement décisionnel idéal serait une

place ou il serait possible de naviguer d’étoile en étoile, de constellation en constellation et de

Data Mart en DataMart à la recherche de l’information si précieuse. [W3]

13

Figure I.7: Modèle en constellation [W8]

6. Les outils d’accès aux données

Les outils d’accès aux données désignent l’ensemble des moyens fournis aux utilisateurs pour

exploiter la zone de présentation en vue de prendre des décisions basées sur des analyses.

La figure I.8 représente les différents outils d’accès aux données comme les outils de

reporting, analyse OLAP, les tableaux de bord et le datamining…

Figure I.8: Composants des couches Opérationnel et Informationnel [4]

14

6.1 L’analyse OLAP

L’OLAP est une technique informatique d'analyse multidimensionnelle qui permet aux

décideurs d'avoir accès rapidement et de manière interactive à une information pertinente

présentée sous des angles divers et multiples, selon leurs besoins particuliers.

L’élément principal de l’infrastructure OLAP est le cube (ou hypercube). C’est en fait une

base de données multidimensionnelle, qui permet l’analyse de ces données.