Il Data Scientist migliorerà la qualità del servizio e l'affidabilità delle attrezzature sviluppando strumenti e sistemi volti a migliorare i flussi di lavoro e a ottimizzare i processi di manutenzione attraverso l'adozione di pratiche adeguate, la Manutenzione Incentrata sull'Affidabilità (RCM), la metodologia della Manutenzione Basata sulle Condizioni (CBM) e tecniche di scienza dei dati.Il Data Scientist svolgerà un ruolo fondamentale nel collegare le operazioni sul campo con l'organizzazione di manutenzione, contribuendo a ridurre al minimo i tempi di fermo e i tassi di guasto e a massimizzare l'operatività dei treni.Sviluppare modelli per flussi di telemetria/diagnostica (ad es. rilevamento di anomalie, previsioni, sopravvivenza/RUL) in Python e SQL, orchestrati su Kubernetes con Kubeflow Pipelines.Analizzare i dati diagnostici e di manutenzione e creare dashboard operative (ad es. Power BI, Grafana) a supporto di manutentori e ingegneriMonitorare le prestazioni del sistema prognostico ed effettuare analisi statistiche sui dati raccolti per identificare tendenze e condizioni critiche.Ciò includerà simulazioni con il simulatore TCMS e dati diagnostici storici, analisi dei rapporti di manutenzione e dei guasti sul campo.
Analisi e revisione dell'analisi FMECA/FMEA del veicolo e del piano di manutenzionePadroneggiare la comunicazione tra le interfacce diagnostiche MMI, il TCMS, i controller dei sottosistemi di bordo specifici e il sistema a terraRedigere e revisionare procedure e piani di manutenzione, formare gli utenti sulla manutenzione basata sulle condizioni (CBM)Almeno un anno di esperienza nel settore ferroviario (preferibile) o in altri settori manifatturieri quali l'avionica, l'automotive o la ricerca e sviluppoEsperienza nella programmazione con Python, SQL e strumenti di controllo delle versioni (SVN, Git)Capacità di interpretare schemi elettrici, specifiche di sistema, specifiche software (ad es. Creazione, esecuzione e monitoraggio del codice di produzione (ad es. su Kubernetes) utilizzando pipeline, componenti riutilizzabili e pianificazioneEsperienza in modelli di serie temporali/previsione per il rilevamento di anomalie, analisi RUL/di sopravvivenza e algoritmi CBM.Esperienza nell'analisi statistica, compreso il controllo qualità, i modelli di regressione, le tecniche di ricampionamento e la minimizzazione di errori/falsi allarmi in contesti operativiEsperienza nelle tecniche di analisi dei big data, sia nell'apprendimento automatico non supervisionato che supervisionato e nel deep learningCapacità di redigere specifiche tecniche per software e sistemi elettroniciLaurea in Ingegneria o Informatica
Esperienza nella scrittura di codice Python pronto per la produzione e nella creazione di dashboard Grafana (preferibile)Esperienza nell'elaborazione di grandi set di dati con SQL ottimizzato (preferibile)~ Esperienza nella manutenzione di attrezzature ferroviarie (preferibile)
Sede Napoli (ibrido 50%)