一、岗位概述
我们正在寻找一位具有 3-5 年人工智能或数据科学经验的工程师，帮助公司将 AI 技术深度融入生产制造全流程。您将与生产、质量、设备、IT/OT 团队协同，利用机器学习、深度学习与工业数据为制造现场创造切实可见的价值，提高产量、良率与设备稼动率，降低能耗与维护成本。
________________________________________
二、核心职责
1. 视觉质检
- 设计和部署基于 CNN/Transformer 的缺陷检测与分类模型，适配多品类、多光照、多批次的生产现场。
- 与质量工程师合作建立样本标注流程，持续提升模型召回率与精确率。
2. 预测性维护
- 采集并分析振动、声学、电流、电压等多模态传感器数据，构建剩余寿命预测（RUL）和故障预警模型。
- 将模型结果集成到 EAM/CMMS，实现从“计划检修”到“按状态检修”的转变。
3. 工艺与流程优化
- 运用时间序列分析、贝叶斯优化或强化学习，寻优关键工艺参数（温度、压力、速度等），提升良率、降低能耗和物料损耗。
- 与生产计划团队协作，开发动态排产与库存优化算法，缩短生产周期。
4. 数据工程 & MLOps
- 搭建数据采集、清洗、标签管理及特征工程流程，保证数据质量和实时性。
- 负责模型在云端或边缘侧部署、监控与迭代，确保在工业环境下的稳定、低时延运行。
5. 跨部门协作
- 与 OT（PLC/SCADA/MES）及 IT 团队对接，实现从设备到模型再到业务系统的数据闭环。
- 将技术成果沉淀为规范、文档与最佳实践，提升公司 AI 工程化能力。
________________________________________
三、任职要求
1. 教育背景
- 统计学、人工智能、 计算机科学或相关专业本科及以上学历；硕士优先。
2. 技能与经验
- 3-5 年机器学习 / 深度学习实战经验，精通 Python 及主流框架（PyTorch /Scikit-learn）。
- 在以下至少 1-2 个领域有落地案例：
o 计算机视觉（缺陷检测、目标分割/跟踪、OCR）
o 时间序列分析 & 预测性维护（FFT、LSTM、Transformer、AutoEncoder 等）
o 强化学习 / 运筹优化（动态排产、工艺参数寻优）
- 熟悉制造业常见系统与协议：MES、SCADA、PLC、OPC-UA、Modbus 等。
- 具备模型工程化与 DevOps/MLOps 实践（Docker、Kubernetes、CI/CD、监控告警）。
- 掌握 SQL，了解至少一种时序或列式数据库（InfluxDB、TimescaleDB、ClickHouse 等）。
3. 软技能
- 良好的业务沟通与需求分析能力，可与设备、工艺、质量、IT 等多部门协同。
- 强烈的结果导向、数据驱动思维，乐于在复杂、动态的工业环境中快速迭代。
- 具备撰写技术文档、培训内部用户的能力。
4. 加分项
- 有自动化生产线、数字孪生、工业互联网平台开发经验。
- 参与过工业 AI 相关论文/专利/开源项目。
- 了解 Six Sigma、TPM、Lean Manufacturing 等制造业改进方法论。