مجال العمل:

وصف الوظيفة:

عملك يشكل العالم في كاتربيلر إنك.

عندما تعمل في كاتربيلر، أنت جزء من فريق عالمي يهتم ليس فقط بالعمل الذي نقوم به - ولكن أيضًا ببعضنا البعض. نحن صانعو الحلول، ومشاكل الحلول، وبناة المستقبل الذين يقومون بإنشاء مجتمعات أقوى وأكثر استدامة. نحن لا نتحدث فقط عن التقدم والابتكار هنا - بل نجعل ذلك يحدث، مع عملائنا، حيث نعمل ونعيش. معًا، نبني عالمًا أفضل، حتى نتمكن جميعًا من الاستمتاع بالعيش فيه.

بناء العمود الفقري الرقمي للتصنيع الحديث

نقوم بتجميع فريق ديناميكي لتطوير وتوسيع منصتنا الرقمية للتصنيع والإمداد - إطار عمل برمجي من الجيل التالي الذي يحول كيفية اتصال عمليات التصنيع والإمداد وتعاونها وتحسينها.

هذه المنصة ليست نظام تخطيط موارد المؤسسات. إنها طبقة رقمية مصممة خصيصًا تدمج البيانات والعمليات والموارد عبر دورة حياة التصنيع بالكامل - من التصميم والهندسة إلى الإنتاج والتوزيع.

هذه المبادرة مدعومة بتقنيات إنفيديا، بما في ذلك منصة أومنيفيرس وقدرات الحوسبة الذكية، مما يمكّن التوائم الرقمية الغامرة، والمحاكاة المعجلة، والأتمتة الذكية. ستكون جزءًا من فريق لا يبني البرمجيات فقط - بل يشكل مستقبل كيفية عمل التصنيع من خلال حلول رقمية مدفوعة بالذكاء الاصطناعي، وتعاونية، وقابلة للتوسع.

كجزء من هذه المبادرة، ستساهم في:

• تكامل الأنظمة: ربط أنظمة التصنيع والإمداد المتنوعة، ومصادر البيانات، وتدفقات العمل في نظام بيئي رقمي موحد.
• اتخاذ القرارات المستندة إلى البيانات: استغلال جمع البيانات في الوقت الحقيقي، والتحليل، والتصور لتقديم رؤى قابلة للتنفيذ وذكاء تشغيلي.
• الأتمتة والتحسين: دفع الكفاءة من خلال الجدولة الذكية، والصيانة التنبؤية، ومراقبة الجودة - دون استبدال الأنظمة الأساسية للمعاملات.
• تعزيز التعاون: تمكين التواصل الشفاف والتنسيق عبر الفرق والوظائف والجغرافيا.

إذا كنت شغوفًا بالمنصات الرقمية، والابتكار الصناعي، والعمل مع تقنيات متطورة - فهذه هي فرصتك لإحداث تأثير ملموس.

المسؤوليات الرئيسية:

• تصميم خطوط أنابيب التعلم الآلي والبيانات الاصطناعية من البداية إلى النهاية لدفع التحسين المستمر في التصنيع الافتراضي، باستخدام محاكاة OpenUSD/Aumiverse.
• تطوير نماذج متقدمة للتوليد والتحسين للجدولة، وتدفق المواد، وتنبؤ الجودة، ومراقبة العمليات؛ نشرها على التوائم الرقمية للتحسين المغلق.
• تقييم وتنفيذ خوارزميات التحسين الحديثة: البحث العشوائي، التطوري/الوراثي، التعزيز، والتحسين متعدد الأهداف.
• قيادة التحقق من النموذج باستخدام مقاييس التحليلات الصناعية (تحسين العائد، تقليل التوقف، دقة التنبؤ).
• تأسيس معايير لإدارة دورة حياة البيانات/النماذج، ومراقبة الإنتاج، والتغذية الراجعة من العمليات الفعلية.

المهارات المطلوبة:

• خبرة عميقة في تقنيات التعلم الآلي والتعلم العميق - تصميم خدمات النماذج القابلة للتكوين (التجمعات، توليد معزز الاسترجاع، التنسيق متعدد الأبعاد)، وتأسيس طرق تقييم صارمة.
• خبرة مثبتة في استغلال تقنيات التحسين الكلاسيكية (التفرع والتحديد، heuristics، البرمجة الصحيحة).
• معرفة متقدمة بلغة بايثون للتعامل مع أحمال العمل التحليلية عالية الأداء، والمحاكاة والنشر.
• معرفة عميقة في تحليلات عمليات التصنيع: التحليل المتعدد المتغيرات، وتحليلات العيوب.

مهارات إضافية مرغوبة:

• قيادة الفريق/المشروع مع منشورات أو براءات اختراع في التعلم الآلي الصناعي أو التحسين.
• خبرة عملية في النشر السحابي، وتحليلات إنترنت الأشياء/التحليلات الحافة، وأتمتة خطوط البيانات.
• فهم المجالات عبر تكنولوجيا المصنع/خطوط الإنتاج، الجودة، الصيانة، اللوجستيات، أو الجدولة - يمكنه تحويل الإشارات الضوضائية إلى حالات استخدام تنبؤية وتوجيهية.
• خبرة في بناء التحليلات على قمة الرسوم البيانية للأصول المدعومة بـ OpenUSD، ودمج البيانات العملية الحقيقية/الافتراضية للتوائم الرقمية.

الخلفية التعليمية: عادة ما يتطلب درجة بكاليوس، ويفضل في علوم الكمبيوتر، الذكاء الاصطناعي، علوم البيانات، الرياضيات، أو مجال مشابه مع مواد دراسية كمية، ويتطلب 7-10 سنوات من الخبرة المهنية في المجال المرتبط، أو درجة ماجستير و4-6 سنوات من الخبرة، أو دكتوراه و1-3 سنوات من الخبرة في المجال ذي الصلة.

تواريخ النشر:

كاتربيلر هي صاحب عمل يتيح الفرص المتساوية. يُشجع المتقدمون المؤهلون من جميع الأعمار على التقديم.

غير مستعد للتقديم؟ انضم إلى مجتمع المواهب لدينا.