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.

Postuler par email: pfe@wevioo.com