Attività 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. Esaminare e progettare i principali sottosistemi del treno con particolare attenzione alla manutenibilità, alla disponibilità, all'affidabilità e all'applicazione delle regole CBM Sviluppare algoritmi prognostici, principi basati sulla loro logica, segnali/eventi/informazioni operative entro la risoluzione e i tempi di campionamento correlati e prescrizioni per la manutenzione 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 ingegneri Monitorare le prestazioni del sistema prognostico ed effettuare analisi statistiche sui dati raccolti per identificare tendenze e condizioni critiche. Supportare la verifica e la convalida degli algoritmi prognostici. 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 manutenzione Supportare e partecipare alle attività di progettazione RCM. Padroneggiare la comunicazione tra le interfacce diagnostiche MMI, il TCMS, i controller dei sottosistemi di bordo specifici e il sistema a terra Redigere e revisionare procedure e piani di manutenzione, formare gli utenti sulla manutenzione basata sulle condizioni (CBM) Requisiti
Almeno un anno di esperienza nel settore ferroviario (preferibile) o in altri settori manifatturieri quali l'avionica, l'automotive o la ricerca e sviluppo Esperienza nella programmazione con Python, SQL e strumenti di controllo delle versioni (SVN, Git) Familiarità con lo sviluppo di dashboard PowerBI e Grafana Capacità di interpretare schemi elettrici, specifiche di sistema, specifiche software (ad es. UML) e disegni meccanici Creazione, esecuzione e monitoraggio del codice di produzione (ad es. su Kubernetes) utilizzando pipeline, componenti riutilizzabili e pianificazione Esperienza 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 operativi Esperienza nelle tecniche di analisi dei big data, sia nell'apprendimento automatico non supervisionato che supervisionato e nel deep learning Buona comprensione della metodologia RCM Capacità di redigere specifiche tecniche per software e sistemi elettronici Laurea in Ingegneria o Informatica
Requisiti graditi
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%)