Energy Optimization Engineer
Pubblicato il 20-10-2026 - Glayx in Toscana
Glayx è una società attiva da oltre 20 anni nel settore dell’efficienza energetica industriale. Progettiamo, sviluppiamo e gestiamo sistemi avanzati per l’ottimizzazione dei consumi energetici, offrendo soluzioni “chiavi in mano” per le imprese. Tra le nostre soluzioni c’è Pshave®, una piattaforma di Energy Intelligence in tempo reale che supporta la gestione degli asset energetici di stabilimento, migliorando la redditività e riducendo le emissioni di CO2. Operiamo attivamente anche nei mercati dell’energia con servizi di flessibilità e ottimizzazione dei consumi, aiutando le aziende a ridurre i costi e valorizzare i propri asset.
Il ruolo
Siamo alla ricerca di un/una Energy Optimization Engineer da inserire nel nostro team Digital presso la sede di Pisa (PI), località Montacchiello. La risorsa entrerà a far parte del nucleo tecnico che sviluppa l'intelligenza algoritmica della nostra piattaforma proprietaria Pshave®. Il team lavora all'intersezione tra ingegneria energetica, ricerca operativa e data science, occupandosi principalmente di due macro-attività:
- Ottimizzazione EMS (Energy Management System): modellazione e formalizzazione matematica dei vincoli fisici di stabilimento e delle logiche dei mercati energetici attraverso problemi di ottimizzazione.
- Predictive Analytics & Machine Learning : sviluppo di algoritmi per la previsione delle produzioni da fonti rinnovabili (es. impianti fotovoltaici) e la stima del futuro fabbisogno energetico industriale.
Nel quotidiano, il ruolo combina attività di modellazione e ricerca applicata con un robusto focus pratico sul coding (Python ) e sull'interfacciamento/gestione dei database di stabilimento.
- Formalizzare e implementare modelli di ottimizzazione matematica per il dispacciamento energetico, la gestione carichi e il peak shaving.
- Tradurre vincoli tecnici di impianto e regole dei mercati energetici in modelli computazionali efficienti.
- Progettare, testare e mettere in produzione modelli di Machine Learning