La grande industrie utilise les outils mathématiques et informatiques pour améliorer le
fonctionnement de ses différents processus de production, de transport, de distribution, etc.
Nous remarquons que ces outils ne sont presque jamais utilisés par les autres acteurs économiques dits « petits » comme les PME, les artisans, les marchands, etc. Nous voulons y remédier !
Notre démarche est la suivante:
Analyse d'un processus, d'une problématique ou d'une situation économique.
Modélisation dans une technologie, mathématique, digitale, recherche opérationnelle, data, etc.
Solutionner notre modèle. Les solutions nous viennent directement de la recherche des ces dernières années.
Mise en application de la solution par un livrable sous forme d'une application, d'une solution algorithmique, d'une stratégie économique, etc.
Concrétement
Nous voulons être la R & D des acteurs économiques dits "petit", qui utilisent des processus, des données, des problématiques qui s'apparentent à ceux des grands groupes et de la grande industrie.
Cependant, la mise en oeuvre peut être couteuse à petite échelle alors que le gain, en terme de temps, de coût, de ressource, est conséquent.
Voici quelques exemples d'interventions:
Proposer des stratégies de pricing pour les commerçants, restaurateurs, PME/TPE, etc.
Améliorer la chaine logistique pour des PME/TPE dépourvues de solutions ERP, ou pourvu d'ERP/solutions inadéquates.
Gestion des différents processus (gestion des volumes de production, d'achat, etc.) avec une approche data-driven (orienté data).
Utilisation de la présence digitale pour améliorer son buisness, passer de site vitrine (obsolete) à une application qui génère de la plus value.
Exemples d'intervention
Chaine logistique
Plateforme de réservation pour indépendants
Logiciel de buisness plan agricole
Nos outils
Mathématique
Informatique
Recherche opérationnelle
Data science
Méthodes numériques et simulation
Optimisation,..
Nos méthodes
Nos méthodes consiste, dans un premier temps, à bien modéliser afin d'utiliser les outils technologiques. La seconde phase s'inscrit dans une démarche pragmatique et expérimentale, à base d'aller retour entre le modèle et la réalité.
Dans le cas de la chaine logistique au dessus, nous avons trois moodèles complémentaires: les livraisons (tournée de véhicules), le volume limité du véhicule (Bin packing), le calendrier (ordonnancement). Le retour à la réalité nous a permis d'isoler des patients dont le matériels livrés remplit le volume des camions, ce qui change notre modèle de tournées de véhicules.
Anecdote explicative:
L'anecdote des 3 intérupteurs est très informative sur notre démarche.
Récit: une cabane sans fenêtre avec une lampe à l'intérieur. 1 personne se trouve à 100m de là avec 3 interrupteurs et doit deviner lequel allume la lampe.
La contrainte est que pour vérifier si la lampe est allumée il doit marcher jusqu'à la cabane. nous pouvons montrer que le nombre de vérifications (aller retour) ne peut être inférieure à 2 (il doit appuyer sur un interrupteur et aller vérifier si la lampe est allumée).
Une fois le travail sur ce modèl est fini, on essaye de le questionner et de l'étendre. Une extension serait de remarquer que la vérification peut être étendue à sentir la chaleur de la lampe c-à-d allumer un interupteur pendant un laps de temps, éteindre et allumer un autre interrupteur puis aller vérifier.
Dans la cabane on vérifie si la lampe est allumée et/ou si elle a été allumée en sentant sa température.
Une PME de livraison de matériels médicaux basé à Grenoble fonctionne avec 1 livreur et du matériel avec une contrainte forte qui est la date obligatoire des besoins de ses clients (Malades).
Le livreur analyse le tableau Excel des commandes et planifie sa journée en se basant sur ces dates butoirs.
Problème : Le fonctionnement est très hasardeux, couteux et pas du tout robuste.
Solution : Un programme informatique qu’on alimente avec le fichier Excel de l’entreprise et qui va proposer les tournées de livraisons les plus optimisées, d’un coté en temps (car le livreur pourra s’occuper d’autres taches) et en coûts (notamment en frais de deplacement, impact environnementale).
Concrètement la solution est un programme Python qui calcule les tournées optimisées basé sur un algorithme génétique, avec un petit ordonnancement qui permet de générer un calendrier, en tenant compte du volume du véhicule.
Plateforme de résérvation
Une plateforme de réservation pour un espace de coworking, avec une gestion automatique des entrées
AgriPlan
Buisness plan agricole
Logiciel d'accompagnement des investisseurs en agriculture et circuits courts
Controller
Plateforme de résérvation de coworking
Locked Safe
Lorem ipsum dolor sit amet, consectetur adipisicing elit. Mollitia neque assumenda ipsam nihil, molestias magnam, recusandae quos quis inventore quisquam velit asperiores, vitae? Reprehenderit soluta, eos quod consequuntur itaque. Nam.
