Au cours de mon parcours en génie industriel, j’ai développé plusieurs réalisations concrètes combinant analyse de données, optimisation et amélioration continue. Mon projet principal porte sur la mise en place d’une solution de maintenance prédictive appliquée à l’industrie automobile. J’ai conçu un pipeline complet permettant de détecter les pannes, d’identifier leurs causes et d’estimer le Remaining Useful Life (RUL) des équipements. Pour cela, j’ai utilisé des modèles avancés tels que Random Forest et XGBoost, intégrant des techniques de rééquilibrage de données (SMOTE) et d’interprétabilité (SHAP), afin de rendre les résultats exploitables pour la prise de décision industrielle. En parallèle, j’ai développé une approche innovante combinant les méthodes classiques d’analyse des défaillances (AMDEC) avec l’intelligence artificielle, permettant d’automatiser le calcul des criticités et d’améliorer la fiabilité des diagnostics. J’ai également conçu des tableaux de bord interactifs (Power BI) pour le suivi des performances et la visualisation des indicateurs clés. Lors de mes expériences en entreprise, j’ai contribué à l’optimisation des flux logistiques, à la gestion des stocks via ERP (Odoo) et à la coordination des expéditions, en prenant en compte les contraintes de coûts et de délais. Enfin, j’ai initié un projet entrepreneurial visant à digitaliser les processus d’amélioration continue, avec pour objectif de réduire drastiquement le temps de diagnostic et d’augmenter