AI工程师

岗位职责：
1.工业数据采集与处理：对接数控系统（如西门子840D、发那科、三菱、海德汉）及现场总线（OPC UA、MTConnect、Modbus、Profinet），采集振动、电流、扭矩、温度、位置等传感器信号；清洗、对齐、标注现场数据（处理采样率不一致、缺失值、异常值、故障样本稀疏等问题）；与自动化/维修工程师合作，建立故障案例库（如断刀、崩刃、主轴轴承早期故障）。
2. AI模型开发与验证：设计并实现异常检测模型（如孤立森林、自编码器、单类SVM）用于刀具崩刃、主轴冲击等实时报警；开发预测模型（回归、时序预测、剩余寿命RUL）用于刀具磨损趋势、主轴健康度评估；探索工艺参数优化（贝叶斯优化、强化学习试验）或质量预测（基于加工参数的尺寸/粗糙度回归）；模型评估重点关注召回率（漏报率）、误报率、推理延迟，并平衡两者在实际生产中的代价。
3.边缘部署与实时推理：将模型封装为轻量级推理服务，部署在工控机、边缘盒子或数控系统HMI侧；控制推理延迟 ≤ 50ms（根据具体场景要求），确保不影响加工节拍；设计模型与PLC/CNC的联动逻辑：异常时输出报警、自动进给停止、推荐换刀等指令；实现“人工兜底”机制：操作工可一键确认/忽略报警，反馈数据自动回流。
4.模型迭代与数据闭环：设计bad case标注流程（误报、漏报、无法识别的故障类型）；定期（如每月）基于新积累数据重训练或微调模型；与自动化部、车间操作工协作，持续提升模型在真实工况下的鲁棒性。
5. 文档与协作：撰写模型设计文档、数据规范、部署手册、故障排查指南；向自动化团队和车间管理层解释模型行为（可解释性要求），避免“黑箱”导致不信任；参与8D报告等质量问题分析，用数据支撑根因定位。
任职资格：
1.学历：本科及以上，自动化、机械电子、计算机、应用数学、测控技术与仪器等专业；
2.经验：2~5年工业AI、智能制造、设备预测性维护或相关领域经验；
3.编程语言：Python熟练，能编写生产级脚本；熟悉NumPy、Pandas、Matplotlib；
4.机器学习框架：scikit-learn、TensorFlow / PyTorch，其中一种；
5.工业数据经验：能够对时间序列或振动/电流/温度数据进行处理，懂采样、滤波、特征提取（时域/频域）；
6.边缘/部署：熟悉ONNX、TensorRT或类似推理加速工具；能在Linux工控机上部署Python服务；
7.工业协议基础：了解OPC UA、Modbus、MQTT之一，能读懂PLC点位表。