Defensa de Thanh-Tuan NGUYEN (departamento de TI)

En la era de la globalización, las cadenas de suministro son cada vez más interdependientes, de modo que una perturbación en una región puede afectar a toda la red. Industrias como la textil y la de la moda, caracterizadas por ciclos de vida cortos de los productos, alta volatilidad de la demanda y escasa precisión de las previsiones, se enfrentan a importantes retos de gestión de riesgos y resiliencia.

Con la aparición de la Industria 4.0 y los datos industriales, las tecnologías digitales desempeñan un papel clave en la gestión eficaz de los riesgos de la cadena de suministro (SCRM).

Mientras que la inteligencia artificial (IA) y el aprendizaje automático (ML) permiten una gestión de riesgos predictiva, adaptativa y basada en datos a través de análisis multidimensionales de gran volumen, los enfoques tradicionales de aprendizaje automático se basan en la centralización de datos, lo que plantea problemas de privacidad y sostenibilidad y limita la colaboración.

Esta tesis propone el aprendizaje federado (AF) como un enfoque colaborativo y respetuoso con la privacidad para mejorar el GRCL, la resiliencia, la confianza y la sostenibilidad. Se proponen y evalúan tres marcos de AF -centralizado (AFC), descentralizado (AFD) y adaptativo (AFA)- a través de estudios de caso de la cadena de suministro textil.

Los resultados muestran el potencial del AF para mejorar la gestión de riesgos, permitir estrategias proactivas de mitigación y fortalecer la continuidad del negocio y la resiliencia de la cadena de suministro.

El AF beneficia especialmente a las pequeñas y medianas empresas (PYME) integradas en las cadenas de suministro mundiales y apoya la competitividad de países en desarrollo como Vietnam, facilitando su integración en las cadenas de valor mundiales.

Basada en el marco TEO (Tecnología - Entorno - Organización), esta tesis proporciona recomendaciones prácticas para los gobiernos y las empresas que deseen adoptar tecnologías digitales -en particular el aprendizaje federado- para mejorar la GRCF en entornos volátiles, inciertos, complejos y ambiguos (VUCA).

• Sra. Feng CHU (Profesora de la Universidad de Evry Paris-Saclay, Francia; Ponente)
• Sr. Hamid ALLAOUI (Profesor de la Universidad de Artois, Francia; Ponente)
• Sra.
• Sr. Hamid ALLAOUI (Profesor de la Universidad de Artois, Francia; Ponente)
• Sr. Hamid ALLAOUI (Profesor de la Universidad de Artois, Francia; Ponente)
• Sr. M'hammed SAHNOUN (HDR - Director de Investigación en el laboratorio LINEACT del Grupo CESI, Francia; Examinador)
• Sra.
• Sra. Yasmina HANI (Profesora de la Universidad de París 8, Francia, Examinadora)
• Sr. Tarik HANI (Profesor de la Universidad de París 8, Francia, Examinador)
• Sr. Tarik CHARGUI (Profesor titular de la Universidad Politécnica de Hauts-de-France, Francia; Miembro invitado)
• Sr. Abdelhassan (Profesor titular de la Universidad Politécnica de Hauts-de-France, Francia; Miembro invitado)
• Sr. Abdelhakim ARTIBA (Profesor en la Université Polytechnique des Hauts-de-France, Francia; Director de tesis)
• Sr.
• Sr. Abdelghani BEKRAR (Profesor en la Université Polytechnique des Hauts-de-France, Francia; Co-supervisor)
• Sras.
• Sra. Thi-Muoi LE (Profesora titular en la Université Polytechnique des Hauts-de-France, Francia; Co-supervisora)
• Sra.
• Sra. Thi Thu Huong TRINH (Profesora titular de la Facultad de Economía y Comercio Internacional de la Universidad de Comercio Exterior de Vietnam; Co-supervisora)
• Sra.

Digitalización, cadena de suministro, gestión de riesgos, aprendizaje federado, predicción de riesgos, textil, sostenibilidad, resiliencia, rendimiento empresarial, Vietnam.