Sonceboz Automotive S.A.

Boncourt

Job-Zusammenfassung

Werden Sie Teil von Sonceboz, einem innovativen Familienunternehmen! Hier erwartet Sie ein kreatives und dynamisches Arbeitsumfeld.

Aufgaben

• Unterstützen Sie die Verbesserung der Datenmanagementprozesse.
• Optimieren Sie die Datenerfassung durch zusätzliche Signale.
• Vereinfachen und beschleunigen Sie die Datenanalyse.

Fähigkeiten

• Eingeschriebene*r Student*in in Ingenieurwesen oder ähnlichem.
• Kenntnisse in Datenanalyse und -management.
• Erfahrung mit Automatisierungstools.

Schließen Sie sich dem Abenteuer Sonceboz an, einem schweizerischen Familienunternehmen, das auf die Entwicklung und Herstellung von mechatronischen Antriebslösungen spezialisiert ist.

« From Mind To Motion »

Mit 1300 Mitarbeitenden und anerkanntem Know-how ist Sonceboz ein Ort, an dem Innovation lebendig wird und Ideen in konkrete Lösungen für unsere Kunden verwandelt werden.

Von der F&E bis zur Produktion wird alles intern durchgeführt. Diese vollständige Kontrolle ermöglicht es uns, Spitzentechnologie, industrielle Exzellenz und das Ziel einer Null-Fehler-Qualität zu vereinen.

Mit Sitz im Herzen des Jurabogens, in Sonceboz-Sombeval und Boncourt, bewegen wir uns in einer Region, die für ihr industrielles und technologisches Know-how bekannt ist.

Eine Stelle als Praktikant Ingenieur Tests & Validierung (Daten & Analytik) ist an unserem Standort Boncourt in der F&E-Abteilung einer Business Unit zu besetzen, die sich der Entwicklung und Validierung von Aktuatoren für Anwendungen unserer «Automotive»-Kunden widmet.

Sie werden zur kontinuierlichen Verbesserung der Prozesse für das Management und die Nutzung von Testdaten (Engineering-Tests, Designvalidierung usw.) beitragen. Sie haben die Möglichkeit, die Wertschöpfungskette «Testdaten» in vier Bereichen zu strukturieren, zu sichern und zu beschleunigen:

• Datenlokalisierung: Implementierung der technischen Lösung zur Erleichterung der Speicherung, Übertragung und Bereitstellung der Testergebnisse für die betreffenden Teams
• Datenvielfalt: Optimierung der Datenerfassung durch Erweiterung der aktuell gemessenen Signale um zusätzliche Signale aus verschiedenen Messmethoden (z. B. Drehmoment, Strom, Temperatur, LIN-Protokoll usw.).
• Datenrelevanz: Begrenzung der zu verarbeitenden oder zu speichernden Datenmengen durch Implementierung von Strategien zur Ereigniserkennung (Pre/Post-Trigger), Fehler- oder Singularitätserkennungsprotokollen usw.
• Datenverwertung: Vereinfachung und Beschleunigung der Ergebnisanalyse durch Werkzeuge wie automatisierte Berichte, visuellere Lösungen (z. B. Colormap) usw.