転職・求人情報の詳細をご覧になる場合は会員登録（無料）が必要です
| 部署・役職名 | 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 |
|---|---|
| 職種 | |
| 業種 | |
| 勤務地 | |
| 仕事内容 |
【組織のミッション】 私たちのミッションは、最先端の検査・計測データや物理解析技術から不良のモデルを理論に落とし込み、同時に、大規模データ解析技術を機能的に業務に取り込むことで、精度の高い異常検知と迅速な歩留改善を実現し、業績に貢献することです。 この「探求と実装」の融合こそが、継続的な技術革新の源泉です。 【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 【業務のやりがい・魅力】 ＜業界未経験の方へ＞ ■「PythonやSQLの知識はあるが、現職やほかの環境でそのスキルを活かすイメージが湧いていない」という不安はありませんか？ 製造工程で生成される世界最先端の3Dフラッシュメモリの「生きた」ビッグデータを対象に、Python、SQL、Linux、AWSといった実務で必須の環境を駆使します。メンターによる手厚い指導のもと、最速でAIDX技術のエキスパートを目指せ、あなたの知識を会社の業績に直結する価値に変える成長を実感できます。 ■「未経験分野への転職をしたいが、チームに貢献できるか、高度な課題についていけるか不安だ」という気持ちはありませんか？ 物理分析の専門家やデータサイエンティストなど、多様なメンバーと議論を重ね、難易度の高い不良モデル解明を成し遂げる過程は大きなやりがいです。多様性を尊重し、議論と協力を大切にする風土があります。柔軟な働き方もサポートされており、未経験からでもプロフェッショナルを目指せます。 ＜プロフェッショナル/リーダー候補の方へ＞ ■「自分のスキルが、日々の対処療法的な業務に忙殺され、原理の究明まで踏み込めていない。実際の製品に活かし切れていない。」とお悩みではありませんか？ このポジションでは、TEMやTDSなどの物理分析の知見と、最先端のAIDX技術を融合させ、不良メカニズムを理論とデータ解析の両面から解明します。日進月歩の技術を技術者自ら応用できる環境で、次世代の技術革新を主導する達成感を味わえます。 ■「特定の業務に縛られ、技術キャリアの幅が広がらず、将来の市場価値に不安を感じる」といった停滞感はありませんか？ ここでは、不良モデルの解明から始まり、その対策を開発フェーズから量産ラインまで横断して適用します。Python/SQLによる大規模データ解析、Linux/AWSでの解析環境構築も含めた広範な業務経験を通じて、特定分野のスペシャリストに留まらず、総合的な技術戦略家として自身の市場価値を大いに向上させることができます。 【キャリアパスイメージ】 入社後は、プロジェクト担当者としてOJTを通じ、実務を習得していただきます。 （業界未経験の方）体系的な研修とメンター制度のもと、技術を習得。約5年程度を目安に、自身の専門領域を持ち、関係部門と連携して業務を進める主担当として自立を目指します。 （プロフェッショナル/リーダー補の方）これまでの経験を活かし、早期に不良モデル解明プロジェクトのリーダーとしてチームを牽引。5年程度経過後を目安に、チームを率いるリーダー職として、技術戦略の策定や組織マネジメントを担っていただきます。 当社では、技術者として、専門性を極めるスペシャリストの道、組織を率いるマネジメントの道など、多様なキャリアパスを柔軟に選択・実現できる環境があります。 【職場環境】 ・平均残業時間：25時間/月 ・在宅勤務：1～2日/週程度（業務事情による） ご家庭のご事情などに応じてご相談いただければ柔軟にご活用いただくことも可能です。 ・議論を大切にし、技術者が新たな手法を編み出し、積極的に取り込んでいける職場です。 【研修・育成制度】 ・導入教育・指導者（メンター）によるOJT ・社内技術者教育 ・社外メーカーとの技術交流会 等 【入社後の教育／OJT 一例】 ・キャリア入社者用技術教育プログラム（フラッシュメモリ技術SSD技術等の各技術分野の講座） ・新人向けの横断教育プロジェクト（研究論文の読解会） ・部門内チームミーティングでの勉強会 ・他工場の見学 など |
| 応募資格 |
【必須（MUST）】 【必須要件】・理工学系の大学・大学院卒の方 （電気電子、情報、機械、化学、材料、物理など。卒論発表や、実験・分析を通じた論理的思考の基礎がある方） 【学歴】 大学・大学院 【歓迎（WANT）】 【歓迎要件】＜データサイエンス・IT領域＞ ・Python、SQLを用いた、実務における大規模データ解析、統計解析、機械学習モデルの構築・運用経験 ・Linux、AWSなどのクラウド・サーバー環境における開発やデータパイプラインの構築経験 ・製造業における、AIを用いた異常検知システムや予兆保全システムの開発経験 ＜物理化学解析領域＞ ・TEM、TDS、SEM、XPSなどの分析装置を用いた、製品不良の物理化学的なメカニズム解明・解析の実務経験 ・半導体デバイス物理、結晶材料工学、固体物理に関する深い専門知見 ＜共通・その他＞ ・半導体、電子部品、またはその他製造業における歩留まり改善、品質管理、プロセスインテグレーションの実務経験 ・プロジェクトリーダーや、後輩の指導・育成経験 ・データサイエンティスト検定、統計検定、基本情報・応用情報技術者などのIT・データ関連資格 |
| リモートワーク | 可 「可」と表示されている場合でも、「在宅に限る」「一定期間のみ」など、条件は求人によって異なります |
| 受動喫煙対策 | 屋内禁煙 |
| 更新日 | 2026/07/16 |
| 求人番号 | 9124705 |
採用企業情報
- 企業名は会員のみ表示されます
- 会社規模5001人以上
この求人の取り扱い担当者
-
- ?
- ヘッドハンターの氏名は会員のみ表示されます
会社名は会員のみ表示されます
-
- メーカー
-
- 製造メーカー専門コンサルタントとして、エンジニア職に知見をもち、職種横断にて幅広くご支援しております。 ご面談では現在の状況やご希望をお伺いし、早く丁寧なレスポンスに努め、キャリアビジョンを叶える転職を親身にサポート致します。 気になる求人がありましたらお気軽にお問合せください。
- (2026/06/04)
転職・求人情報の詳細をご覧になる場合は会員登録（無料）が必要です