Stage en R&d

**Job Description Summary**: En collaboration avec diverses équipes internes, la Circularity Team conçoit des algorithmes et des solutions innovantes pour améliorer l'efficacité des opérations. Rejoindre cette équipe offre l’opportunité de contribuer à des projets stratégiques ayant un impact concret sur la durabilité et la performance de l’entreprise.

**Contexte de l’étude**:
GEHC (GE Healthcare) est un des leaders mondiaux dans les ventes et services des systèmes médicaux notamment ceux d’imagerie médicale (Scanners, IRM, Mammographie ). Compte tenu de la criticité de ses produits (appareils médicaux) GEHC propose un service de maintenance pour ses clients. L’objectif principal de ce service est d’assurer un temps maximum de disponibilité du produit tout en veillant à réduire l’ensemble des coûts associés à l’entretien des machines grâce une grande maitrise de l’ensemble des processus de maintenance.

En particulier GE Healthcare fourni des pièces de replacement pour le dépannage des équipements (pour un montant d’environ 1 milliard de dollars par an). Parmi ces pièces, les pièces réparées et recyclées (représentant ~10% du coût pour ~30% du volume d’activité) sont clefs pour une maintenance efficace de la base installée. Ces pièces permettent d’assurer une supply chain sur le long terme avec une équation économique et environnementale intéressante. Les pièces réparées sont en générale les plus chères et les plus complexes. La chaîne logistique inverse rajoute à cette complexité. L’amélioration de la qualité de ces pièces est un axe constant d’amélioration.

Les centre de réparation de GEHC sont structurés en plusieurs lignes spécialisées, chacune dédiée à un type de pièce détachée et nécessitant des compétences spécifiques. Les techniciens possèdent des niveaux d’expertise variables selon les lignes, ce qui rend la planification des ressources complexe. De plus, la demande en pièces de rechange fluctue, nécessitant une allocation dynamique des travailleurs pour maximiser l’efficacité et éviter les goulets d’étranglement.

L’optimisation de l’ordonnancement des tâches et de l’affectation des techniciens est donc un enjeu clé pour améliorer l'utilisation des ressources, accroître la productivité et s’adapter aux variations de la demande. Ce projet vise à développer des solutions permettant d’automatiser et d’optimiser cette gestion afin d’assurer un fonctionnement fluide et performant du centre de réparation.

Le stagiaire intégrera la **Circularity Team**, une équipe R&D dynamique dédiée à l’optimisation du cycle de vie des produits et des pièces détachées. Son travail porte sur la circularité, la fiabilisation et la prolongation de la durée de vie des équipements, tout en développant des modèles d’aide à la décision intégrant des critères économiques et environnementaux.

En collaboration avec diverses équipes internes, la **Circularity Team** conçoit des algorithmes et des solutions innovantes pour améliorer l'efficacité des opérations. Rejoindre cette équipe offre l’opportunité de contribuer à des projets stratégiques ayant un impact concret sur la durabilité et la performance de l’entreprise.

**Objectifs de l’étude**:
Un premier prototype d’affectation de ressources a déjà été développé pour optimiser la répartition des techniciens selon leurs compétences et la charge de travail. L’objectif de ce stage est d’améliorer ce modèle d’optimisation en y intégrant les contraintes liées aux stocks de composants ainsi que l’anticipation des temps d’attente au niveau du prétraitement, afin de mieux planifier les réparations et de réduire les délais avant leur démarrage. Le modèle devra également permettre de dégager des insights utiles pour orienter les futures formations des techniciens et les décisions d’investissement en machines, dans le but d’accroître la capacité et la performance globale du centre de maintenance. Ces évolutions rendront le système plus réaliste, réactif et stratégique pour la planification opérationnelle et la montée en compétence des équipes.

**Mission**:

- Analyser les performances et limites du prototype existant d’affectation de ressources.
- Améliorer le modèle d’optimisation en intégrant les contraintes de stock de composants et les temps d’attente au prétraitement.
- Développer et valider un outil d’aide à la décision plus réaliste et réactif pour la planification des ressources.
- Exploiter les résultats du modèle afin de formuler des recommandations sur les besoins en formation des techniciens et les investissements nécessaires pour accroître la capacité du centre.

**Connaissances requises éventuelles**:

- Etudiant en cycle ingénieur avec des connaissance des méthodes d'affectation et d’optimisation sous contraintes
- Maîtrise des techniques de traitement, d’analyse et de modélisation des données, notamment pour la prévision de la demande.
- Expérience en programmation (Python, Julia, R, ou autre langage pertinent). L’utilisation de bibliothèques d’optimisation est un plus