Développer un modèle de calcul de valeur résiduelle de matériels BTP скачать в хорошем качестве

Développer un modèle de calcul de valeur résiduelle de matériels BTP

Projet d’Innovation Industrielle d’année 4 (PI²4) du cycle ingénieur ESILV, 2023-2024. Solomat Location est spécialisée dans la location avec et sans opérateur de machines et équipements pour le bâtiment, les travaux publics et l'industrie et se positionne également en tant que transporteur de matériaux. Présente en Bourgogne-Franche-Comté, Centre-Val de Loire, Grand Est, Hauts-de-France, Normandie et en Ile-de-France, l’entreprise familiale, qui est aujourd’hui principalement tournée vers le B2B, a pour objectif de se tourner de plus en plus vers des solutions numériques innovantes afin de continuer à se faire une place dans ce milieu très concurrentiel. Dans le cadre de notre gestion de parc matériels, nous aimerions être capables de calculer la valeur résiduelle, la valeur de marché, de chaque équipement lourd. Ceci nous permettrait de prendre des décisions stratégiques adéquates concernant l’achat, la location, l’entretien et la vente de machines afin de rester compétitif. En effet, en combinant le prix initial de la machine, son coût d’entretien, le chiffre d’affaires qu’elle réalise et celui qu’elle a déjà réalisé, l’économie et le marché actuel, avec sa valeur de marché, il est évidemment plus simple de savoir si celle-ci est plus rentable à la vente immédiatement, dans 6 mois ou dans un an. Dans ce contexte, nous proposons un Projet pour l'Innovation Industrielle (PI²) s’adressant principalement aux étudiants de la majeure Data et Intelligence Artificielle (DIA). En collaboration avec un ancien étudiant de L’ESILV (Promo 2019) au sein de Solomat, votre objectif sera de mettre en place une solution pérenne permettant de déterminer la valeur résiduelle des engins de la société. La première étape consistera à regrouper de la donnée provenant d’une multitude de sources d’information dans trois catégories principales. Dans un premier temps, les variables liées aux caractéristiques des équipements afin de bien identifier et classer ces derniers. Ensuite, il faudra collecter des données concernant le prix de vente de machines sur le marché Européen (ventes aux enchères déjà réalisées, cote FNTP). Enfin, il faudra également prendre en compte les variables liées à l’économie, déterminantes dans un calcul de valeur résiduelle. Ces données brutes devront ensuite être enrichies, nettoyées, structurées et classées via différentes méthodes de traitement de la donnée. Dans un second temps, à travers une recherche documentaire / un état de l’art, il sera nécessaire de mettre en place un modèle. Pour cela il faudra imaginer, se documenter, développer et tester différents algorithmes dans le but pouvoir déterminer cette valeur résiduelle. A terme, si cette solution fournit des résultats satisfaisants, ces derniers seront à intégrer dans nos processus de prise de décision. Mettre en application vos connaissances en Machine Learning sur un sujet très concret vous intéresse ? N’hésitez pas à nous contacter si vous avez des questions. Équipe : Wyldine NZIENGUI NZIENGUI Anouk Leyris Laureen Stioui Adele Gery Alexis Ernst GEETHU SAMEELA Retrouvez l'ESILV sur : Facebook :   / esilvparis   Instagram : https://www.instagram.com/esilv_paris... Twitter :   / esilvparis   Linkedin : http://bit.ly/25WVOCa TikTok :   / esilv.ingenieurs   http://www.esilv.fr