Ingénieur Supply Chain & Data Analytics

Conception et déploiement d'un système d'information de planification intelligent au sein d'une structure de distribution alimentaire, intégrant données du back-office et modèles de machine learning.

• Architecture de planification intégrant les données métier et les prévisions statistiques pour améliorer la précision de la demande.
• Développement de modèles de machine learning dédiés à l'adaptation des plans d'approvisionnement aux profils de consommation réels.
• Pilotage de la planification de la production et des approvisionnements en optimisant les arbitrages entre demande et contraintes opérationnelles.
• Mise en place d'indicateurs de performance pour surveiller stocks, disponibilité, ventes et gaspillage.
• Automatisation de l'analyse des écarts et de la mise en œuvre d'actions d'amélioration continue.
• Optimisation du dispatch des produits vers le réseau de distribution par une allocation intelligente des stocks.

Optimisation de la planification de production et de la gestion des stocks stratégiques du parc nucléaire au sein d'un laboratoire d'innovation du groupe EDF.

• Optimisation du portefeuille de production par une gestion affinée et multi-dimensionnelle des stocks stratégiques en planification moyen terme.
• Conception et déploiement de modèles d'aide à la décision pour piloter efficacement les stocks complexes et multi-critères.
• Analyse des flux physiques et simulation de scénarios de gestion pour maximiser la disponibilité des ressources critiques tout en réduisant les coûts.
• Paramétrisation et calibrage des modèles pour concilier performance économique, robustesse décisionnelle et efficacité opérationnelle.
• Validation des résultats et fiabilisation des données sources pour garantir cohérence et traçabilité des décisions.
• Contribution au déploiement opérationnel de l'outil et production de la documentation méthodologique pour les équipes métiers.

Pilotage de l'optimisation de la flotte logistique domestique en appliquant des méthodologies d'excellence opérationnelle et l'analyse data-driven pour identifier et lever les goulots d'étranglement.

• Diagnostic des inefficacités opérationnelles via DMAIC (Six Sigma), Pareto et analyse des 5 Pourquoi.
• Modélisation des processus opérationnels actuels en BPMN pour clarifier les flux et identifier les points d'amélioration.
• Priorisation des actions correctives par aide multicritère à la décision (AMCD) en fonction de l'impact potentiel.
• Modélisation des opérations de chargement/déchargement par simulation Monte Carlo, générant une réduction de 24 % des émissions CO₂ et un gain de +2 heures par jour en efficacité opérationnelle.
• Conception et déploiement d'une plateforme de suivi en temps réel de la flotte logistique.
• Élaboration d'un plan d'actions structuré pour accélérer la transformation digitale et l'optimisation de la supply chain domestique.