Are you interested?
Prediktiv feldetektering m.h.a. Maskininlärning 

Studerar du på ett mastersprogram och brinner för en hållbar framtid? Då har du möjlighet att göra ditt examensarbete på ett ledande globalt miljöteknikföretag!  

Vi letar ständigt efter fler talanger och experter som vill göra världen till en mer hållbar plats.

Projektbeskrivning 

Vi har flera spännande projekt på gång för att designa och leverera nyckelfärdiga system för rening av luft och vatten. Mellifiq har tusentals reningssystem runt om i världen som genererar värdefullt data. Detta projekt har till syfte att med hjälp av insamlat data tillsammans med maskininlärning förutse och föreslå förebyggande underhåll av kundsystem. Överordnade målet med detta projekt är att minska företagets utsläpp genom optimerad underhållsplanering och koordinering, samt öka kundnöjdheten på grund av minskade oplanerade stillestånd. 

Projektet består av följande moment: 

  • Litteraturstudie 
  • Modellering 
  • Implementation av modell samt hantering och lagring av data 
  • Tester, optimering och verifiering 

Som examensarbetare ser vi dig som del i vårt team och organisation, och du är välkommen att delta i interna aktiviteter som anordnas. Arbetet kommer att utföras på huvudkontoret i Hägersten, Stockholm, i nära samarbete med ett starkt team av ingenjörer på R&D-avdelningen. 

Din profil 

Projektet är lämpligt för en student som är kreativ, gillar att analysera och lösa problem samt klarar att arbeta självständigt och ta eget ansvar. 

Följande kvalifikationer krävs: 

  • B.Sc inom datateknik, IT, industriell ekonomi eller relaterade vetenskapliga områden. 
  • Flytande i tal och skrift på svenska och engelska  
  • Goda universitetsbetyg  

 Omfattning  

Förväntat omfång: 20 veckor/30 HP 

Förväntad start: 2023/2024 

Ansökan 

Vi välkomnar din ansökan, som innehåller: 

  • CV 
  • Personligt brev 
  • Kursintyg från universitetsstudier 

Kandidater uppmanas att skicka in sin ansökan så snart som möjligt. Vi intervjuar lämpliga kandidater kontinuerligt.  

Apply here