Doel van het project:
Het doel van dit project is om een datagedreven systeem te ontwikkelen dat Enexis helpt bij het voorspellen van materiaalbehoeften voor de korte en lange termijn. Rekening houdende met de werkzaamheden die voortvloeien uit de verschillende werkstromen (projecten als ook onderhoudswerkzaamheden). Dit project streeft ernaar de efficiëntie te verhogen en de kosten te verminderen door betere planning van workload op de distributiecentra (o.a. van pickregels en transportritten) en gebruik van beschikbare middelen (o.a. benodigde opslagruimte).
Aanpak
Bij onze aanpak hanteren we een agile werkwijze, waarbij we streven naar een snelle livegang van een eerste kleinschalig model. Dit model wordt stapsgewijs voortdurend verbeterd. In lijn met de principes van agile ontwikkeling, beschouwen we ons forecasting model als een dynamisch geheel dat continu wordt geoptimaliseerd en betrouwbaarder kan worden gemaakt. Deze iteratieve benadering zorgt ervoor dat het model nooit als 'af' wordt beschouwd, maar steeds verder wordt verfijnd op basis van feedback en nieuwe inzichten.

Achtergrond:
Gezien de groeiende vraag naar energiediensten en de druk om de energietransitie te ondersteunen, is het cruciaal dat Enexis haar materiaal- en resourcebeheer optimaliseert. Een datagedreven materiaalforecastingsysteem zal niet alleen helpen bij het minimaliseren van verspilling en het reduceren van de opslagkosten, maar ook bij het voorkomen van tekorten die projecten zouden kunnen vertragen. Daarnaast helpt een voorspelling van vraag en aanbod om voorraadpeilen te managen en daarmee een inschatting te maken van benodigde opslagruimte, maar ook om benodigde transport- en pickcapaciteit in te schatten.

Deliverables:
• Een volledig operationeel datagedreven materiaalforecastingsysteem, met modellen voor inschatting aantal pickregels/vrachtritten.
• Documentatie over de algoritmen en modellen die gebruikt worden binnen het systeem.
• Train-de-trainer sessies voor Enexis medewerkers, zodat de kennis binnen Enexis gewaarborgd wordt en de interne capability ontstaat voor continu verbetering van het model.

Eisen:
- WO werk en denkniveau- Opleiding in Supplychain en/ of data science
- Aantoonbare ervaring met het bouwen van forecasting modellen, waarin een breed aantal variabelen wordt meegenomen in het forecasting algoritme
- Aantoonbare ervaring met het faciliteren/ begeleiden van de noodzakelijke business change om met het forecasting model te werken
- Ervaring in agile werkmethode, waarbij kort-cyclisch duidelijke resultaten worden opgeleverd.

Extra info
- Den Bosch, en eens per maand Veldhoven, Hoogeveen of eventueel Arnhem