Job Description:
Leonardo è un gruppo industriale internazionale' tra le principali realt mondiali nell'Aerospazio' Difesa e Sicurezza che realizza capacit tecnologiche multidominio in ambito Elicotteri' Velivoli' Aerostrutture' Elettronica' Cyber Security e Spazio. Con oltre 53.000 dipendenti nel mondo' l'azienda ha una solida presenza industriale in Italia' Regno Unito' Polonia' Stati Uniti' e opera in 150 paesi anche attraverso aziende controllate' joint venture e partecipazioni. Protagonista dei principali programmi strategici a livello globale' è partner tecnologico e industriale di Governi' Amministrazioni della Difesa' Istituzioni e imprese.
Se sei iscritta/o all'Universit ' frequenti l'ultimo anno della Magistrale e devi scrivere una tesi in discipline STEM' Leonardo ti offre l'opportunit di rafforzare il tuo percorso accademico attraverso un'esperienza in azienda.
Tutor esperte/i nel proprio settore ti seguiranno' consentendoti di approfondire la parte teorica e di sviluppare la tua tesi' preparandoti al meglio per le sfide professionali future.
Le tematiche proposte per le tesi da svolgere in Leonardo abbracciano un vasto spettro di ambiti tecnologici' ricerca e innovazione: dall'Intelligenza Artificiale all'High-Performance Computing' dalla Cyber Sicurezza all'Ingegneria dei materiali' passando per i settori aerospaziali.
Potrai esplorare le aree più all'avanguardia del tuo settore di studi' con creativit e spirito di innovazione.
Per supportarti nel corso di questa esperienza' della durata massima di sei mesi' è previsto inoltre un rimborso spese.
Stiamo ricercando n. 2 giovani studenti e studentesse da inserire in stage con l'obiettivo di sviluppare la propria tesi di laurea sulle tematiche di Digital Twin' in particolare approfondendo i seguenti argomenti di tesi:
- Tesi 1: Comparison and practical evaluation of the SysML vs2 language for MBSE methodologies in aerospace applications.
- Tesi 2: Data-driven methods for RANS turbulence model augmentation.
Tesi 1: Comparison and practical evaluation of the SysML vs2 language for MBSE methodologies in aerospace applications.
La persona selezionata avr il compito di valutare la nuova iterazione del nuovo linguaggio di modellazione SysML v2' al fine di comprendere le differenze con la versione precedente e indagare nuovi potenziali utilizzi del linguaggio. Tale compito richieder di stabilire lo stato dell'arte e l'implementazione in corso in letteratura' insieme all'analisi degli strumenti disponibili. A tal fine' lavoreranno in tandem con il team Digital Twin' valutando le metodologie e i processi MBSE attualmente impiegati' consentendo di comprendere meglio le capacit di SysML v2 e come può essere integrato nell'attuale flusso di lavoro utilizzato per la progettazione e la simulazione di sistemi complessi.
Titolo di studio:
Attualmente iscritto ad un corso di Laurea Magistrale in ambito STEM' preferibilmente Aerospaziale o Informatica.
Competenze tecniche:
- Background di programmazione con conoscenza di Python e altri linguaggi di programmazione (esempio: C++ ecc.);
- Background di modellazione e simulazione in ingegneria aerospaziale o meccanica (esempio: Matlab' Modelica ecc.).
- Sar considerato un plus: Familiarit con metodologie Model-Based System Engineering (MBSE).
Tesi 2: Data-driven methods for RANS turbulence model augmentation.
Obiettivi:
- Comprensione della teoria della turbolenza e dei modelli esistenti: Stabilire una comprensione completa della teoria della turbolenza e dei modelli attuali per identificare le loro limitazioni e guidare lo sviluppo di miglioramenti.
- Analisi comparativa dei modelli RANS: Partendo dal modello SA' eseguire un confronto con altri modelli RANS di interesse per LDO per effettuare un'analisi di compromesso e selezionare un modello di base da migliorare. Questa analisi fornir anche indicazioni per la quantificazione dell'incertezza a supporto dei futuri sviluppi di progettazione robusta.
- Miglioramento della capacit predittiva dei modelli RANS esistenti: Il modello di base sar migliorato tramite tecniche basate sui dati' inizialmente concentrandosi su casi di test 2D disponibili in letteratura. In una seconda fase' il modello migliorato sar testato su problemi complessi 3D e saranno considerate ulteriori correzioni.
Titolo di studio:
Attualmente iscritto ad un corso di Laurea Magistrale in ambito STEM' preferibilmente in Ingegneria Aerospaziale con interesse sul mondo dell'Artificial Intelligence.
Competenze tecniche:
- Background di programmazione con conoscenza di Python e altri linguaggi di programmazione (esempio: C++ ecc.);
- Background di modellazione e simulazione in ingegneria aerospaziale o meccanica;
- Conoscenza di software di simulazione avanzata in ambito CFD (esempio: Ansys Fluent' SU2' OpenFoam ecc.);
- Familiarit con ambienti Linux e Windows: la conoscenza di Bash è fondamentale;
- Esperienza con la programmazione parallela su infrastrutture HPC.
Competenze comportamentali:
- Proattivit ;
- Capacit di lavorare in team;
- Orientamento all'apprendimento;
- Flessibilit.
Conoscenze linguistiche:
Conoscenza avanzata della lingua inglese' livello B2-C1.
Altro (es. Disponibilit a trasferte' Certificazioni specifiche...):
Disponibilit a svolgere brevi trasferte sul territorio nazionale.
Come funziona il processo di selezione?
A seguito della raccolta delle candidature' vengono valutati e identificati i CV maggiormente in linea con i requisiti richiesti.
Le/i candidate/i selezionate/i sostengono un colloquio conoscitivo con il team delle Risorse Umane e con il Business' dove saranno approfondite tematiche tecniche' motivazione e attitudini personali.
Al termine del processo' alla persona viene restituito un feedback' sia in caso di esito positivo che negativo.
Aspettiamo la tua candidatura.
Seniority:
Junior
Primary Location:
IT - Genova - Fiumara
Additional Locations:
IT - Torino - C.so Francia
Contract Type:
Hybrid Working:
Hybrid