Over Thales

In Nederland, waar meer dan 2500 medewerkers werkzaam zijn, hebben we vestigingen in zeven steden: Huizen, Amersfoort, Rotterdam, Delft, Breda, Eindhoven en Hengelo (hoofdkantoor). Samen met een uitgebreid ecosysteem van kennispartners, klanten en leveranciers werken we aan radars voor zeeschepen, cybersecurity-oplossingen, transportsystemen, communicatieapparatuur voor landstrijdkrachten, cryogene koeloplossingen en onderzoek & ontwikkeling voor radartechniek (in samenwerking met TU Delft).

De afdeling waar jij werkzaam bent, valt binnen het services-segment van Thales. Dit segment is essentieel voor het behoud van operationele systemen bij klanten, aangezien het zich richt op het leveren van ondersteuning en onderdelen op aanvraag. In de bredere organisatie speelt deze afdeling een rol in de after-sales service, waarmee Thales zijn klanten helpt om hun radarinstallaties operationeel te houden, zelfs na de initiële verkoop en installatie. De afdeling bestaat uit 17 personen van verschillende leeftijden, wat zorgt voor een diverse groep met uiteenlopende ervaringen en specialisaties.
 

Over de opdracht

Binnen het services-segment van Thales is er een aanhoudende vraag naar vervangingsonderdelen (spares). De uitdaging ligt in het nauwkeurig prijzen van deze onderdelen om zowel concurrerend te blijven als een optimaal rendement te behalen. Traditionele prijsmodellen schieten hierin tekort door de complexiteit van variabele kosten, schommelingen in vraag en technologische veroudering.

Door gebruik te maken van machine learning kan een intelligent prijsbepalingssysteem worden ontwikkeld. Dit systeem analyseert historische prijsgegevens en marktomstandigheden om een geadviseerde verkoopprijs te genereren.

Tijdens dit project voer je de volgende werkzaamheden uit:

• Data-analyse en -voorbereiding:
  • Verzamel historische prijsgegevens van verkochte spares.
  • Analyseer aanvullende factoren zoals verkoopvolumes, levensduur van producten, inflatie en marktfluctuaties.
  • Voer data cleaning en preprocessing uit om de dataset bruikbaar te maken voor machine learning.
• Modelselectie en -ontwikkeling:
  • Onderzoek verschillende machine learning-technieken, zoals regressieanalyse, neurale netwerken en decision trees.
  • Train meerdere modellen en vergelijk hun prestaties op basis van nauwkeurigheid en betrouwbaarheid.
  • Optimaliseer hyperparameters en implementeer feature engineering voor betere voorspellingen.
• Validatie en evaluatie:
  • Test het model op historische data om de voorspellende kracht te beoordelen.
  • Identificeer sterke en zwakke punten van het algoritme en stel verbeteringen voor.
• Toepassing en implementatie:
  • Ontwikkel een plan voor de implementatie van het ontwikkelde model binnen de huidige systemen van Thales.

Resultaat

Aan het einde van het project beschik je over een werkend machine learning-model dat spares binnen het services-segment van Thales kan voorzien van geoptimaliseerde adviesprijzen. Dit model zal significant bijdragen aan betere strategische prijsbepaling en een verhoogde operationele efficiëntie voor Thales.

Affiniteit

• Ervaring met machine learning en data-analyse.
• Kennis van programmeertalen zoals Python (gebruik van Pandas, Scikit-Learn, TensorFlow).
• Interesse in prijsoptimalisatie en marktanalyse.
• Probleemoplossend vermogen en analytisch denken.

Wat krijg jij er voor terug

• Een interessante stage-/ of afstudeerplek binnen onze high-tech, innovatieve werkomgeving;
• Een comfortabele, flexibele werkplek in een moderne omgeving;
• Een prima stagevergoeding;
• Een eigen studentenvereniging waarbij je kunt deelnemen aan educatieve en leuke activiteiten.

Interesse?

Solliciteer nu! Klik hieronder op ‘Apply now’ en upload jouw CV en motivatie!

Houd er rekening mee dat we alleen studenten accepteren die zijn ingeschreven bij een onderwijsinstelling gedurende de gehele stage- of afstudeerperiode.