L’activité opérationnelle d’Air France s’articule en deux pôles distincts : les Opérations Aériennes en charge de tout le processus en vol de l’avion et les Opérations Sols en charge de tout le reste (Maintenance, Accueil client, Support, Bagage, Piste, …).
Afin d’assurer une haute qualité de service, les Opérations Sols d’Air France ont besoin de déterminer, en amont (plusieurs mois à l’avance), le plus précisément possible les effectifs dont elles auront besoin le jour J pour gérer les vols planifiés.
Une optimisation des plannings agents prenant en compte les différentes contraintes opérationnelles et légales est déjà réalisée. Cependant, le département Programme, en charge de décider du programme de vols, sollicite régulièrement les équipes d’Opérations Sols pour estimer l’impact sur les effectifs de certains changements.
Pour gagner en réactivité et en performance, le but est de développer un module d’optimisation mathématique permettant de fournir une réponse rapidement sans détériorer la solution fournie.

Rattaché(e) au service de la Recherche Opérationnelle d’Air France – KLM et sous la responsabilité de votre maître de stage, votre principale mission consistera à mettre en place une solution d’optimisation (méta-heuristiques, génération de colonnes, programmation linéaire, …) afin de produire une solution de qualité et rapide tout en respectant les contraintes légales et opérationnelles.
La mission sera de développer un modèle pour le dimensionnement des équipes de centrage des avions qui gèrent une série de vols en même temps.
Nous pourrons ensuite soumettre les différents modèles proposés aux utilisateurs concernés pour analyser leur retour et raffiner les modélisations dans le but de coller le plus possible à leurs attentes dans une démarche industrielle.

Nous cherchons un élève en formation d’ingénieur en stage de fin d’études (ou en césure) qui maitrise les bases de la programmation linéaire et méthodes d’optimisation mathématique en général et être à l’aise avec un langage de programmation orientée objet (de préférence C++).
Une appétence pour les sujets data science et l’optimisation stochastique est un plus.