Torna alla lista annunci
Mathematical / Data science engineer
SAES Getters S.p.A.
La risorsa opererà all'interno del laboratorio di sviluppo della SAES High Vacuum Division e sarà inserita in team tecnici con il compito di studiare e modellare i principi fisici di base per comprendere e padroneggiare le dinamiche dei prodotti e dei processi in termini prestazionali e affidabilistici.
In particolar modo si occuperà di:
• Sviluppo di algoritmi per poter predire con maggior accuratezza il comportamento dei prodotti nelle reali applicazioni del cliente;
• Studio della possibilità di introdurre algoritmi di machine learning e predictive maintenance nei futuri sistemi di pompaggio NEG partendo dai modelli che regolano i processi di assorbimento, attivazione e rigenerazione;
Dovrà garantire l'esecuzione delle attività di sviluppo assegnate nel rispetto di vincoli di qualità, budget e tempo.
Collaborerà all'interno del team di laboratorio con fisici, ingegneri e tecnici di laboratorio.
SAES è attiva da oltre 70 anni nell’ambito della produzione del vuoto per applicazioni scientifiche e industriali. In particolare la tecnologia NEG (Non-Evaporable-Getter) è utilizzata per la produzione di pompe che oggi trovano vasta applicazione in strumentazione scientifica e analitica (microscopia elettronica, deposizione e analisi di film sottili ecc.), nonché in grandi macchine come acceleratori di particelle e sistemi per la ricerca sulla fusione nucleare. Il funzionamento di queste pompe si basa sulla proprietà di alcuni metalli, o leghe metalliche, di reagire chimicamente con i gas che comunemente vanno rimossi da un volume sigillato per raggiungere pressioni di 10-6 – 10-8 mbar, il cosiddetto regime di Alto Vuoto (HV), o inferiori (Ultra-Alto Vuoto, UHV).
Nell’ottica di un continuo miglioramento dell’esperienza del cliente, SAES è interessata a implementare negli alimentatori che gestiscono i processi termici (controller) funzioni che rendano automatiche il maggior numero possibile di operazioni. Per questo sono stati sviluppati negli ultimi anni controller “intelligenti”, gestiti da un pc interno con opportuni software, che permettano il continuo sviluppo del sistema, la sua completa remotizzazione e interfacciabilità con la rete.
I recenti sviluppi nel campo del trattamento dei dati e del machine learning potrebbero offrire nuove opportunità di muoversi verso uno scenario in cui sia il controller stesso, sulla base di pochi dati forniti come input dal sistema del cliente, insieme a una serie di dati opportunamente accumulati in precedenza (sia in laboratorio che da esperienze di altri clienti) e di algoritmi predittivi, a indicare all’utente lo stato della pompa NEG e la sua probabile evoluzione.
Candidati