Optimiser le rendement de 8 usines
Contexte
Un groupe agro-industriel voulait améliorer la performance de ses sites de production sans changer d'outillage.
Mon intervention
Conception d'un système qui combine des modèles prédictifs et un moteur de recommandation par optimisation sous contraintes. Déploiement progressif site par site, avec l'équipe métier à chaque étape.
Ce que ça a changé
8 sites en production, en France et à l'international, avec partout le même objectif : standardiser les procédés de fabrication au sein d'un site comme entre les sites, gagner en rendement, baisser la consommation d'énergie. Les équipes internes montent en compétence sur le ML et le MLOps au fil du déploiement, pour reprendre la main.
- Python
- MLflow
- Databricks
- Azure
- Docker
- PostgreSQL
