Engenheiro de Machine Learning Pleno; Manutenção Preditiva na Logística)

Uma frota de caminhões e de empilhadeiras de um operador logístico para por defeito em momentos ruins: caminhão quebrado na estrada, empilhadeira fora no pico de expedição. O modelo que você vai construir lê telemetria (temperatura, vibração, pressão, consumo, horas de uso) e histórico de manutenção e estima a chance de falha nos próximos dias, para a oficina agir antes.

Os dados são ruidosos. Sensor que falha parece defeito, a manutenção corretiva é registrada dias depois e falha rara dá poucos exemplos positivos. É preciso definir o alvo com cuidado, como falha de um componente em uma janela, tratar o desbalanceamento, validar por veículo e por tempo para não vazar e escolher um limiar que a oficina consiga atender, porque alerta demais é ignorado.

Você cuida da frente inteira, da base de telemetria à lista diária de prioridade para a oficina. Mede-se por falhas evitadas, precisão dos alertas, antecedência média do aviso e deriva do modelo conforme entram veículos novos.

• Montar a base de telemetria e de ordens de manutenção, alinhando eventos de falha e de reparo
• Definir o alvo de previsão por componente e por janela, com a oficina
• Criar features de janela, como tendência, variação e horas desde a última revisão
• Treinar e validar modelos de árvore e de sobrevivência com validação por veículo e por tempo
• Escolher o limiar de alerta de acordo com a capacidade da oficina e o custo da parada
• Orquestrar a geração diária da lista de prioridade no Airflow
• Monitorar deriva, falha de sensor e queda de desempenho, com alerta e retreino
• Medir o resultado com a oficina e ajustar o modelo

• Python, scikit-learn e XGBoost em dados tabulares e de séries
• Validação por grupo e por tempo e prevenção de vazamento
• Tratamento de classes raras e de ruído de sensor
• SQL para telemetria em volume alto
• Registro de experimentos e versionamento de modelos, como MLflow
• Docker e hábito de colocar o modelo em produção

• Análise de sobrevivência e de vida útil restante
• Conhecimento de manutenção de frota e de equipamento industrial
• Processamento de dados de IoT em fluxo
• Detecção de anomalias em séries
• Painéis para a equipe de oficina

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. Modelo e limiar são revisados por outra pessoa e validados com a oficina antes de mudar. O retorno da equipe sobre falsos alertas entra na rotina de melhoria toda semana.

• Ambiente colaborativo, com senso de comunidade e conquistas celebradas em equipe
• Trabalhe de qualquer lugar, com liberdade e flexibilidade
• Conexão global: convivência com times de diferentes países e culturas
• Apoio à saúde física com Total Pass e Mediquo
• Cuidado com a saúde mental pelo programa Team Care
• Contratação e jornada definidas com a empresa contratante

• Python
• scikit-learn
• XGBoost
• MLflow
• SQL
• Docker
• Airflow
• Análise de sobrevivência

tratados conforme a LGPD, com remoção a qualquer momento, a pedido.