Bob Lenglet

Élève-ingénieur (IG2I Centrale Lille) spécialisé en Recherche Opérationnelle et Data Science, j'interviens sur la résolution algorithmique de problèmes d'optimisation complexes.

Mon approche est pragmatique : face à un problème NP-difficile, je privilégie d'abord l'implémentation de solveurs exacts pour garantir une solution mathématiquement optimale, avant d'explorer des heuristiques (notamment par Machine Learning) pour réduire drastiquement les temps de calcul algorithmique si la taille de l'instance le demande.

Mes domaines d'application :

-> Optimisation logistique (VRP) : Modélisation des contraintes, calcul de matrices de distances réelles via OSRM, et résolution (Google OR-Tools) pour réduire le kilométrage des flottes de véhicules.

-> Ordonnancement industriel (JSSP) : Modélisation mathématique pour minimiser les temps de production (Makespan) et supprimer les goulots d'étranglement.

-> Prévision et Supply Chain : Développement de modèles hybrides Python (Régression linéaire + XGBoost) pour le calcul dynamique des points de commande et des stocks de sécurité.

Ma stack technique principale : Python (Pandas, Numpy), Google OR-Tools, OSRM, XGBoost, Scikit-learn.

Habitué aux environnements anglophones (actuellement en stage de développement à l'étranger), je travaille en autonomie. Parlons de vos données et de vos contraintes métiers.

--- ENGLISH VERSION ---

Operations Research & Data Science engineering student (Centrale Lille). I solve complex optimization problems (NP-hard) by prioritizing exact solvers before exploring ML heuristics.

Core expertise:

VRP: Routing optimization using OSRM & Google OR-Tools.

JSSP: Mathematical modeling for makespan minimization.

Supply Chain: Hybrid forecasting models (Linear Regression + XGBoost) for dynamic safety stocks.

Tech: Python, Google OR-Tools, OSRM, Scikit-learn. Currently working in an English-speaking environment.