MC03 - Optimisation intelligente de l'affectation des missions de transport interne dans un entrepôt logistique à l'aide de l'Intelligence Artificielle et du Reinforcement Learning
MC03 - Optimisation intelligente de l'affectation des missions de transport interne dans un entrepôt logistique à l'aide de l'Intelligence Artificielle et du Reinforcement Learning
Analyser les flux de déplacement internes dans un entrepôt et les contraintes opérationnelles (zones, types de palettes, disponibilité des caristes, priorités).
Modéliser le problème d'affectation de mission comme un problème d'optimisation dynamique multi-agent.
Développer un moteur d'attribution basé sur des algorithmes d'IA classiques (heuristiques, clustering, optimisation combinatoire) et un modèle de reinforcement learning (Deep Q-Learning ou Policy Gradient).
Simuler et évaluer les performances du modèle sur données réelles ou simulées (taux de trajets à vide, productivité, équilibre des charges).
Déployer un prototype avec interface de visualisation (dashboard).
Profil: 1 Engineer.
Frameworks / technologies: Python, Pandas, NumPy, Kubeflow; ML (scikit-learn, XGBoost, TensorFlow), Streamlit / Power BI / Superset, Docker / Kubernetes.
WEVIOO - MC03 - Optimisation intelligente de l'affectation des missions de transport interne dans un entrepôt logistique à l'aide de l'Intelligence Artificielle et du Reinforcement Learning | Hi Interns