歩留・品質向上のためのラインデータ監視分析・データサイエンス・物理化学解析エンジニア(データ分析・不良モデル解明/AI異常検知)※理工系卒・業界未経験可※_Y2639
歩留・品質向上のためのラインデータ監視分析・データサイエンス・物理化学解析エンジニア(データ分析・不良モデル解明/AI異常検知)※理工系卒・業界未経験可※
【お任せする業務】
<業界未経験の方>
量産ラインの大規模な検査・計測データの解析、およびその環境構築に携わっていただきます。
また、先輩社員の指導のもと、最先端の分析装置を用いた製品の不良解析サポートを通じて、物理化学的なモデル解明に貢献することがミッションです。
(1)量産ラインの検査・計測データの分析による歩留改善を行ってもらいます。
また、機械学習を用いた大規模データ分析による不良原因の特定、改善の指針の策定なども先輩社員と一緒に行います。
分析にはPython/SQLなどのツールの活用や環境構築も行います。
(2)最先端の分析装置を用いた製品の不良解析サポートを通じて、物理化学的なモデル解明に繋げていただきます。
これらの取り組みによって、高度な歩留まり、品質改善に貢献することがミッションです。
<プロフェッショナル/リーダー候補の方>
インライン検査の効率的な分析/監視手法の確立、最先端の物理化学分析による不良モデルの解明、大規模データ解析・AI(AIDX)技術を用いたプロセス異常検知システムおよびその解析環境の構築を主導していただきます。
【具体的な仕事内容】
●大規模データ解析による不良分析・予兆
・製造工程で得られた検査データを分析し、問題の特定を実施。
分析結果から得られた知見をフィードバックすることで不良を予兆し、電気特性を待たずに工程内でプロセスを最適化することで不良を改善します。
●物理化学解析による不良モデル解明(探求)
・透過型電子顕微鏡(TEM)、熱脱離質量分析(TDS)など、世界最先端の解析技術を駆使し、製品の不良が発生するメカニズムを物理的・化学的に究明。
・単なる不良対策に留まらず、不良発生モデルを理論に落とし込み、次世代製品への対策技術として昇華させます。
●大規模データ解析と異常検知(実装)
・製造工程で得られる膨大な処理履歴データ、検査・計測データ、電気特性データを統合的に活用。
・Python/SQL、Linux、AWSなどの環境を用い、不良要因の特定と対策を高速で行うAI/機械学習アルゴリズムを開発。
・大規模データ解析のための環境構築(データパイプライン設計など)にも積極的に取り組みます。
[従事すべき業務の変更の範囲]
(雇入れ直後)上記の通り
(変更の範囲)その他会社が指示する業務
【使用言語】
Python、SQL
【使用環境】
Linux、AWS
