Amine Benyoucef

Intégré chez Safran Electronics & Defense, j'ai conçu et déployé des solutions data pour la maintenance prédictive et la surveillance en temps réel d'équipements industriels critiques (systèmes avioniques et électroniques de défense).

Volet SAP HANA :

Création de vues analytiques (Calculation Views, CDS Views) pour exposer les données de maintenance aux équipes métier.

Développement de procédures stockées en SQLScript pour automatiser les traitements de données volumineuses dans SAP HANA.

Optimisation des performances SQL sur des tables à plusieurs millions d'enregistrements.

Gestion du cycle de livraison complet : développement, tests unitaires, validation QA, transport et mise en production (DEV → QA → PRD).

Traduction des besoins métier en spécifications techniques en lien avec les consultants fonctionnels SAP.

Volet Data Engineering :

Construction de pipelines ETL automatisés (Python, Pandas, SQL) pour collecter, nettoyer et centraliser des données issues de sources hétérogènes (capteurs IoT, bases internes, fichiers plats).

Stockage des données non structurées (relevés capteurs) dans MongoDB.

Tableaux de bord Power BI connectés à SAP HANA et MongoDB pour le suivi en temps réel des KPIs de maintenance et de disponibilité.

Automatisation de rapports et d'alertes pour anticiper les défaillances.

Collaboration avec des équipes pluridisciplinaires (ingénieurs maintenance, data scientists, production) pour cadrer les besoins et livrer dans le respect des contraintes de sécurité du secteur défense.

Environnement : SAP HANA, S/4HANA, SQLScript, CDS Views, Python, SQL, MongoDB, Power BI, Git.

Intégré au sein d'une équipe R&D Capgemini, j'ai conçu et développé un système de contrôle intelligent pour la régulation thermique de piles à combustible PEMFC, un composant critique dans les systèmes énergétiques industriels.

Volet Modélisation & IA :

Développement d'un système de contrôle combinant Machine Learning et Logique Floue pour réguler la température en temps réel, améliorant la stabilité thermique du système.

Conception de modèles prédictifs LSTM sous Matlab/Simulink pour anticiper les contraintes thermiques avec une précision de 1.5°C, permettant d'optimiser la durée de vie du matériel.

Entraînement et validation des modèles sur des jeux de données capteurs historiques, avec gestion du preprocessing, feature engineering et hyperparameter tuning.

Volet Data & Automatisation :

Automatisation complète de la chaîne de collecte et de prétraitement des données capteurs en Python, réduisant le temps de préparation des données de plusieurs heures à quelques minutes.

Mise en place de scripts de validation automatique pour détecter les anomalies et les dérives dans les relevés capteurs avant injection dans les modèles.

Documentation technique complète du système pour assurer la maintenabilité et la transmission aux équipes Capgemini.

Ce projet m'a permis de développer une expertise solide en traitement de données industrielles temps réel et en maintenance prédictive — compétences directement mobilisées dans mes missions SAP HANA chez Safran.

Environnement : Python, Matlab/Simulink, LSTM, Machine Learning, Logique Floue.