Philippe Méneret

Supply Chain Artificial Intelligence tools https://philoptim.com/ Développement d'outils SaaS d'intelligence artificielle (AWS + Python): • RAG Chatbot sur SAP • Outil de Binpacking • Outil d'analyse d'image à partir d'images Street View

En lead sur l'offre d'intelligence artificielle pour le vertical Aeroline - Gestion de notre offre commerciale Aeroline AI, notamment en supply chain - Développement d'une plateforme Aeroline AI - Product Owner sur différents assets - Encadrement de plusieurs profils (architectes cloud, data scientists, développeur Power BI...) - Expertise en IA et optimisation au sein de Sopra Steria - R&D sur les technologies de pointe (recherche opérationnelle et deep learning notamment) - Lead sur plusieurs projets d'IA dans l'industrie

EURODECISION est une entreprise spécialisée en optimisation, modélisation & mathématiques décisionnelles. Grâce à une expertise de haut niveau dans les techniques quantitatives et de business analytics, ses consultants conçoivent et mettent en œuvre les solutions les mieux adaptées aux besoins de leurs clients faisant face à des problématiques complexes. En tant que Consultant Quantitatif en Supply Chain chez EURODECISION, j’ai réalisé plusieurs études d’optimisation dans le monde de la supply chain. J'ai notamment utilisé des modèles mathématiques d’optimisation basés sur des techniques de Recherche Opérationnelle pour résoudre et optimiser des problématiques métier. Les étapes d'une mission sont la collecte et l'analyse de données, la modélisation, l'optimisation, la simulation, la présentation des recommandations et des KPI (Business Intelligence) puis l'aide à la mise en place et au déploiement de la solution. Secteurs : Automobile, Agro-alimentaire, Transport, Oil&Gas, Industrie chimique Exemples d’étude réalisée : • Optimisation, Simulation et mise en place du plan de transport Amont France • Optimisation de plusieurs possibles futurs réseaux logistique Europe • Audit et amélioration d'un algorithme de création des ordres de transport • Création de tableaux de bord (Qlik Sense) • Développement d'algorithmes d'optimisation (tournées, BinPacking) en Python • Développement d'un module d'optimisation et de simulation DDMRP

L'objet de l'étude est de modéliser les points d'arrêt du livreur en fonction de l'urgence des objets qu'il a à distribuer (lettres recommandées, imprimés publicitaires, lettres vertes…), c'est-à-dire de déterminer le type de distribution permettant de réduire les coûts de distribution tout en respectant les dates limites de livraison. Cette modélisation, faite notamment à partir de l'analyse statistique de plusieurs bases de données de trafic et d'un modèle de simulation de coût, a ensuite été discutée selon sa pertinence, sa robustesse et sa réalisation pratique. Il a été de plus étudié la sensibilité des résultats selon de nombreux paramètres: trafic, zone géographique, jour de la semaine, période de l'année, etc.

- Remise en marche d'un monochromateur (code Labview + théorie optique) - Analyse des causes des défauts récurrents sur les hémolyseurs - Immersion dans le monde du Lean (présentations, fonctionnement de l'entreprise, value stream mapping, A3 management)