← Toutes les offres

Segula Technologies propose des opportunités professionnelles visibles dans le catalogue Screeningpass, avec leurs informations de contrat, de localisation et de candidature.

Repères sur Segula Technologies
Domaine officiel
segulatechnologies.com
Offres ouvertes
203

Détails de l’offre

La description complète publiée par Segula Technologies.

Voir l’offre originale ↗

Description de l’offre

Nous recherchons pour l'un de nos clients évoluant dans le domaine de l'industrie automobile Un Ingénieur Conception Mécanique — Réducteurs Robotiques (H/F) Votre mission : Intégré(e) aux équipes de R&D, vous pilotez le développement mécanique des réducteurs de précision dédiés aux nouvelles générations d'articulations robotiques.

Vos responsabilités

clés - Stratégie & Architecture : mener les analyses Make or Buy et comparer les technologies de réduction (cycloïdale, épicycloïdale, Strain Wave/Harmonic

  • Drive, planétaire de précision) afin de sélectionner l'architecture idéale pour répondre aux exigences de chaque articulation.
  • Conception & Optimisation : assurer la conception complète de la macro-géométrie des engrenages (module, angle de pression, nombre de dents, diamètres primitifs, coefficients de déport, entraxe) et optimiser la micro-géométrie (bombé de profil, corrections de flanc) afin de minimiser le jeu, le NVH et l'erreur de transmission (PPTE), tout en maximisant la durée de vie.
  • Intégration CAO : concevoir les assemblages 3D paramétriques et réaliser les plans de fabrication (carters, arbres, roulements) sous CATIA V5.
  • Industrialisation : s’assurer de la faisabilité des pièces, définir les gammes de fabrication (power skiving, rectification, électroérosion…), et les exigences en matière de traitements thermiques.
  • Établir les standards de contrôle sur machine à mesurer tridimensionnelle.
  • Prototypage & Essais : élaborer les protocoles d'essais permettant de valider par mesures les jeux, le rendement, la rigidité torsionnelle, la durabilité. Et analyser les modes de défaillance observés pour améliorer les modèles.