崗位職責(zé)：
你將負(fù)責(zé)將AI模型與算法轉(zhuǎn)化為實(shí)際生產(chǎn)力，具體涵蓋以下四大領(lǐng)域：
1. 智能生產(chǎn)優(yōu)化：應(yīng)用強(qiáng)化學(xué)習(xí)、運(yùn)籌優(yōu)化算法，對(duì)接MES/ERP數(shù)據(jù)，動(dòng)態(tài)生成生產(chǎn)與物料計(jì)劃；構(gòu)建基于機(jī)器視覺（缺陷檢測(cè)）及過程參數(shù)的質(zhì)量預(yù)測(cè)模型，實(shí)現(xiàn)質(zhì)量防控前移；通過分析生產(chǎn)數(shù)據(jù)，為工藝參數(shù)調(diào)優(yōu)提供AI建議模型。
2.. 設(shè)備與能效智聯(lián)：基于設(shè)備IoT數(shù)據(jù)，構(gòu)建故障預(yù)測(cè)與健康管理模型，降低非計(jì)劃停機(jī)；通過AI模型分析能源數(shù)據(jù)，自動(dòng)識(shí)別節(jié)能節(jié)點(diǎn)并形成優(yōu)化策略。
3. 生產(chǎn)系統(tǒng)仿真與數(shù)字孿生：參與搭建關(guān)鍵產(chǎn)線的數(shù)字孿生模型，在虛擬環(huán)境中進(jìn)行產(chǎn)能模擬、瓶頸分析和方案驗(yàn)證。
4. 數(shù)據(jù)體系與AI應(yīng)用落地：梳理、清洗及治理制造現(xiàn)場(chǎng)數(shù)據(jù)，構(gòu)建分析數(shù)據(jù)集；將已驗(yàn)證的算法模型進(jìn)行工程化封裝，推動(dòng)在工廠級(jí)系統(tǒng)中部署與應(yīng)用。
任職要求
1. 2026屆應(yīng)屆本科及以上學(xué)歷，主修人工智能、數(shù)據(jù)科學(xué)、工業(yè)工程、智能制造、自動(dòng)化、計(jì)算機(jī)科學(xué)等相關(guān)專業(yè)。
2.扎實(shí)掌握機(jī)器學(xué)習(xí)、深度學(xué)習(xí)基礎(chǔ)理論，了解智能制造基本概念（如MES、數(shù)字孿生、工業(yè)物聯(lián)網(wǎng)）。
3.熟練使用Python進(jìn)行數(shù)據(jù)分析與建模（Pandas, NumPy, Scikit-learn）。至少掌握一種主流深度學(xué)習(xí)框架（PyTorch或TensorFlow）。
4.了解數(shù)據(jù)可視化工具（如Matplotlib, Seaborn, Power BI）。
5.能夠?qū)?fù)雜的生產(chǎn)業(yè)務(wù)問題轉(zhuǎn)化為可量化、可分析的數(shù)據(jù)問題。理解AI模型如何與現(xiàn)有工業(yè)系統(tǒng)（如MES, SCADA）集成并產(chǎn)生價(jià)值。關(guān)注模型的可靠性、可解釋性及在工業(yè)環(huán)境中的部署可行性。
加分項(xiàng)：
1.有工業(yè)大數(shù)據(jù)分析、缺陷檢測(cè)、預(yù)測(cè)性維護(hù)、生產(chǎn)調(diào)度優(yōu)化等相關(guān)項(xiàng)目或競(jìng)賽經(jīng)驗(yàn)。
2.了解或使用過工業(yè)仿真軟件（如FlexSim, Plant Simulation）或主流云平臺(tái)AI服務(wù)。
3.對(duì)“AI+制造”的落地應(yīng)用懷有極大熱情，不滿足于理論，追求在真實(shí)工業(yè)場(chǎng)景中創(chuàng)造價(jià)值。
4.具備出色的邏輯溝通能力，能向非技術(shù)背景的業(yè)務(wù)人員清晰闡釋技術(shù)方案。