La ROADEF
R.O.A.D
Événements
Prix
Publications
Plus
Forum
Connexion

Stage Air Liquide R&D - Bulk supply chain cost estimation

Forum 'Stages' - Sujet créé le 13/01/2020 par jeandre (1130 vues)


Le 13/01/2020 par jeandre :

L'entreprise

 

Air Liquide est le leader mondial des gaz, technologies et services pour l'industrie et la santé. Présent dans 80 pays avec environ 65 000 collaborateurs, le Groupe sert plus de 3,5 millions de clients et de patients.

Air Liquide place la diversité au coeur de ses activités et s'engage notamment en favorisant l'égalité professionnelle et l"emploi des travailleurs en situation de handicap.

Le Campus Innovation Paris (78 - Les Loges en Josas) est le plus grand centre de R&D d'Air Liquide

Il développe des solutions innovantes pour l"ensemble des activités du Groupe. Plus de 250 chercheurs travaillent dans 48 laboratoires dotés de matériel de pointe et de plateformes expérimentales, permettant d"explorer de nombreux domaines de recherche.

 

Missions et Responsabilités 

Au sein de l'équipe Operations Research & Data Science, la mission consiste à développer des méthodes innovantes permettant d'évaluer les coûts optimaux liés à la supply chain Air Liquide dans différents contextes logistiques (géographie, produit), afin d'établir des valeurs de références.

En particulier, on s'intéresse dans cette mission à la logistique de produits liquides (Oxygène, Azote, Argon), livrés par camion citerne. Cette logistique présente d'importantes difficultées opérationnelles en raison de sa complexité: il faut gérer à la fois des tournées de transport et les niveaux de stock des réservoirs chez les clients. Mathématiquement, ce problème est une version riche du Inventory Routing Problem  (réf le challenge ROADEF 2016 presenté par Air Liquide: http://www.roadef.org/challenge/2016/en/scientificprize.php)

 

L' objectif de la mission est celui d'aider les dispatchers à évaluer correctement le gap d"efficacité atteignable grâce à un dispatching optimisé et/ou à des mesures d'optimisation davantage à moyen terme . Pour ce faire, il faut leur mettre à disposition des métriques rapides et compréhensibles.

La mission devra couvrir deux approches:

  • la première, orientée machine learning, utilisera les données passées afin d'inférer la ou les meilleures solutions logistiques à une situation donnée. L'algorithme devra trouver des similarités avec une situation passée afin de présenter la meilleure solution logistique pour la situation présente, grâce à des algorithmes de classification et de régression.

  • la seconde, orientée recherche opérationnelle, vise à travailler sur la borne inférieure du problème, afin de calculer la performance maximale que l'on peut obtenir d'une certaine configuration logistique (positions, consommations, capacité de stockage des clients et capacité de transport de la flotte). Cette valeur théorique idéale servira de référence pour mesurer les performances du dispatching et évaluer l'impact des stratégies d'optimisation à court et moyen terme.

La mission pourra être modulée vers l'un ou l'autre approche selon les compétences et les intérêts du candidat. 

Profil et compétences recherchés

 

 

Idéalement, le candidat aura reçu une formation de recherche opérationnelle et de data science.

Une connaissance en optimisation de supply chain acquise au sein de la formation serait un plus. 

Le langage de programmation sera Python avec les modules usuels de ML et des solveurs de RO.

Contact: cedric.valente@airliquide.com

Dates: 6 mois de Avril à Septembre 2020 







Moteur de recherche
Tous les forums


  La Société française de Recherche Opérationnelle et Aide à la Décision ROADEF est une association Loi 1901 Plus d'informations sur la ROADEF