Stagiaire Ingénieur(e) Tests & Validation (Data & Analytics) pour Sonceboz Automotive S.A. - Boncourt - letempsemploi.ch
Les meilleurs emplois 2376 de la région.
Type d'emploi
10-100%
Temps de travail
Position

      02/10/2025

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

      • Boncourt
      • Emploi permanent 100%

      • Favori
      • imprimer
       

      Sonceboz Automotive S.A.

      Services de candidature

      Sonceboz Automotive S.A.

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

      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.

      Lieu de travail: Boncourt

      Services de candidature