Stagiaire Ingénieur(e) Tests & Validation (Data & Analytics)

Rejoignez Sonceboz, entreprise familiale suisse d'innovation mécanique.

Tâches

• Contribuer à l'amélioration des processus d'exploitation des données.

• Optimiser l'acquisition et la pertinence des données d'essai.

• Simplifier l'analyse des résultats avec des outils visuels.

Compétences

• Diplôme en ingénierie ou domaine connexe requis.

• Compétences en data analytics et gestion de données.

• Maîtrise des outils d'analyse et de visualisation.

Rejoignez l’aventure Sonceboz, entreprise familiale suisse spécialisée dans la conception et la fabrication de solutions mécatroniques d’entraînement.

« From Mind To Motion »

Forts de 1300 collaborateurs et d’un savoir-faire reconnu, Sonceboz est un lieu où l’innovation prend vie et où les idées se transforment en solutions concrètes pour nos clients.

De la R&D à la production, tout est réalisé en interne. Cette maîtrise totale nous permet d’allier innovation de pointe, excellence industrielle et un objectif qualité zéro défaut.

Basés au cœur de l’Arc jurassien, à Sonceboz-Sombeval et Boncourt, nous évoluons dans un territoire reconnu pour son savoir-faire industriel et technologique.

Un poste de Stagiaire Ingénieur(e) Tests & Validation (Data & Analytics) est à pourvoir sur notre site de Boncourt, au sein de l'équipe R&D d’une Business Unit dédiée au développement et à la validation d’actionneurs pour des applications destinées à nos clients « Automotive ».

Vous contribuerez à l’amélioration continue des processus de gestion et d’exploitation des données d’essais (engineering tests, design validation, etc.). Vous aurez l’opportunité de structurer, fiabiliser et accélérer la chaîne de valeur « données d’essais » autour de 4 axes principaux :

• Localisation des données : mettre en place la solution technique pour faciliter le stockage, le transfert et la mise à disposition des données issues des essais pour les équipes concernées.

• Richesse des données : optimiser l’acquisition des données en enrichissant la palette de signaux actuellement mesurés par des signaux additionnels issus de moyens de mesure variés (ex. : couple, courant, température, protocole LIN…).

• Pertinence des données : limiter les quantités de données à traiter ou stocker, en mettant en place des stratégies de détection d’évènements (pre/post -trigger), des logs de détection de défaut ou singularités, etc.

• Exploitation des données : simplifier et accélérer l’analyse des résultats grâce à des outils comme des rapports automatisés, des solutions plus visuelles (type colormap), etc.