Les Loges-en-Josas, France
Internship Explorer
Internship Explorer
Vous ferez partie de la R&D d'Air Liquide, au cœur de l'innovation, et contribuerez à façonner la supply chain du futur en vous concentrant sur la mise en œuvre de méthodes d'hybridation de machine learning et de recherche opérationnelle. L'un des défis majeurs d'Air Liquide est la gestion de sa chaîne d'approvisionnement en boucle fermée pour les bouteilles de gaz, avec le processus S&OP au cœur de cet enjeu pour les décisions de dimensionnement des ressources à moyen terme. Le problème central de ce stage est de développer un outil d'aide à la décision pour le dimensionnement optimal du parc de bouteilles de gaz, une décision complexe due à l'incertitude de la demande future et des retours de bouteilles vides. Pour relever ce défi, ce stage mettra en œuvre et comparera des méthodes d'optimisation stochastique contextuelle, intégrant prévision et optimisation pour une meilleure performance globale. Le stagiaire devra : Modéliser le problème de dimensionnement des capacité ces bouteilles de gaz dans le cadre du processus S&OP. Implémenter l'approche de référence "Sequential Learning & Optimization" (SLO). Implémenter l'approche de pointe "Integrated Learning & Optimization" (ILO). Mener une analyse comparative rigoureuse des performances des deux approches sur des données industrielles réelles. Le livrable final sera un rapport technique quantifiant les gains et fournissant une recommandation argumentée sur la meilleure architecture.
