AI预测性维护系统开发工程师（全国）(J10073)

【岗位概述】 我们正在寻找一位兼具前沿技术视野与产业落地能力的博士人才，作为AI预测性维护系统的核心架构师与技术领导者，推动公司在该领域的战略布局与产品创新。您将超越传统开发角色，承担“技术定义者”与“系统构建者”的双重使命，通过AI与工业场景的深度融合，重新定义设备健康管理的行业标准。 您的核心价值将体现在：主导PHM系统全链路架构设计与系统级创新，实现跨域协同与产业化推动。这是一个为既痴迷于复杂技术挑战，又渴望通过技术创新驱动产业变革的博士人才设计的角色。如果您希望将学术积累转化为定义行业未来的产品，并享受技术领先带来的战略成就感，我们将为您提供前所未有的舞台。 【工作职责】 1.PHM系统架构设计与开发：负责从0到1自主研发具备AI功能的预测性维护与健康管理（PHM）系统。系统需涵盖设备状态采集、故障告警诊断、健康状态评估与剩余寿命预测、维护决策支持等全流程功能。通过集成多源传感器数据和业务数据，实现设备状态感知和故障预警，目标是降低运维成本、减少停机时间、提高效率并保障设备安全可靠运行。 2.AI算法研发与集成：应用机器学习、深度学习、时序预测和异常检测等技术，对设备传感器数据和运行数据进行分析与建模。设计并优化故障诊断、故障预测和剩余寿命（RUL）评估算法，将历史数据与实时数据结合，通过模型识别故障模式并预测未来故障，以便提前制定维护方案。 3.端到端系统部署：负责完整算法流程的工程化实施，包括数据预处理、模型训练与验证、算法上线与持续优化；设计系统技术架构并明确所需技术团队（数据工程师、算法工程师、软件开发等）和资源配置，组织跨职能团队协同开发，保障项目按计划推进。 4.跨部门协作与落地实施：深入了解客户行业需求（制造、交通、能源等），与销售、产品、实施、客户等团队紧密合作，参与需求调研、方案演示和试点部署，确保PHM系统满足实际应用场景要求并成功在现场环境中交付使用。 5.技术跟踪与创新：持续关注PHM、人工智能和工业互联网等领域的前沿技术和案例，提出创新方案并推动落地。撰写技术文档和报告，参与专利或论文申报，推动团队不断提升技术能力和竞争力。

1.学历背景：博士学位，专业不限，但需具有预测性维护、故障诊断、可靠性工程、人工智能或工业智能等相关背景或研究经验。具备深厚的数学、统计学、计算机或工程学科基础。 2.PHM系统知识：深刻理解预测性维护与健康管理系统的技术架构和关键功能模块（包括状态监测、故障告警与诊断、健康评估与寿命预测、维修决策支持等）。拥有完整PHM系统研发经验或参与大型运维系统建设经历者优先。 3.AI与算法能力：精通机器学习和深度学习算法，熟练掌握Python等编程语言，熟练使用主流深度学习框架（TensorFlow、PyTorch等）。具备时间序列预测和异常检测经验，能基于历史和实时数据构建设备故障预测模型。对故障诊断、剩余寿命估计（RUL）等领域有深入研究并能落地实施。 4.系统开发与工程能力：具备大型软件系统设计与开发经验，熟悉云计算、大数据、边缘计算等技术栈，了解数据采集、数据仓库、数据流水线设计，对系统可靠性、安全性和可扩展性有整体把控能力。能够将AI模型集成到生产环境并进行版本管理、监控和迭代更新。 5.沟通与协调能力：具备优秀的跨部门沟通和项目管理能力，能与客户、产品、销售、实施等多方协作推动项目进展。具备团队领导力和协调能力，能够指导和培养团队成员，共同完成目标。 6.其他要求：具有较强的学习能力和创新精神，责任心强，工作主动，高度敬业。具备良好的英语读写能力者优先。 【加分项】 1.拥有相关领域（如制造业、能源、交通运输等）工作经历或项目经验，熟悉行业痛点及应用场景。 2.在预测性维护、机器学习、故障诊断等领域有论文发表或专利成果，或在知名高校和研究机构参与相关项目研究。 3.精通物联网（IIoT）、传感器网络、SCADA/PLC系统或工业总线等工业自动化技术。 4.熟悉容器化（Docker/Kubernetes）、微服务架构以及持续集成/持续部署（CI/CD）流程，具备DevOps经验。 5.有团队管理或技术leader经验，具备领导多学科团队的成功案例。 6.具有较强的商业意识和客户导向能力，善于发掘场景价值并制定实施方案。