Le LabCom LOPF,
une structure de recherche
unique

Un modèle de coopération de recherche unique : le LabCom LOPF (Large-scale Optimization of Product Flows), une équipe d’experts de renommée mondiale en partenariat avec des institutions académiques d’excellence :

  • CNRS
  • Sorbonne Université
  • Laboratoire de Probabilités Statistiques et Modélisation (LPSM)
  • Université Paris Cité
  • SCAI (Sorbonne Center for Artificial Intelligence)

Nous concevons les solutions de demain pour optimiser les flux massifs de produits frais à grande échelle dans une démarche éco-responsable et sociale.

Cette technologie est déployée au sein du Marché de Rungis, le plus grand marché de produits frais au monde.

Califrais lab

Logistique 4.0

Califrais a été lauréate de l’appel à projet Logistique 4.0 porté par l’ADEME dans le cadre du plan “France 2030”. Ce projet vise à faire passer les solutions développées par Califrais sur Rungis à une phase d’industrialisation sur l’ensemble du réseau des marchés de gros français, de manière à décupler l’intérêt et l’impact des technologies en cours de développement.

En effet, les 22 marchés de gros alimentaires français sont des hubs multimodaux primordiaux pour la sûreté, la résilience et la souveraineté alimentaire nationale, ainsi que pour l’organisation logistique urbaine des territoires. Pourtant, les flux logistiques existant entre ces marchés, et leurs coûts économiques ou écologiques, demeurent largement sous optimisés car non mutualisés ni centralisés.

Focus sur quelques sujets de recherche

Nos sujets de recherche sont variés, à l’intersection entre le machine learning, l’optimisation logistique et l’écologie. Au sein du Labcom, nos doctorants travaillent à l’interface entre l’université et l’entreprise sur des thématiques comme :

  • les algorithmes d’optimisation convexe en ligne pour les problèmes d’inventaire en grande dimension
  • la prévision probabiliste de séries temporelles adaptative, multi-horizons et sur données sparse et hiérarchiques pour modéliser la demande journalière sur un catalogue de milliers de produits frais
  • l'optimisation des coûts opérationnels (logistique et transport) et écologiques avec prise en compte des contraintes spécifiques à notre secteur
  • les modèles de survie avec données longitudinales en grande dimension pour la modélisation de la satisfaction clients
  • la modélisation des interactions dynamiques des agents sur les marchés de gros

Time series analysis

Reinforcement learning

High-dimensional statistics

Online learning

Natural language processing

Deep learning

Survival analysis

Statistical learning