职位介绍： 本岗位致力于推动电驱区域自动化生产线从“传统维护模式”向“数据驱动的智能运维模式”转型。作为团队核心成员，将深度参与自动化设备的健康管理体系建设，融合机械工程原理、数据科学及人工智能算法，构建高精度的设备状态监测与预测性维护体系。 本岗位将负责通过多维数据融合与算法建模，实现对关键生产设备故障的早期识别与精准诊断，从而显著降低非计划停机风险，提升整体设备效率（OEE）及产线稳定性。该岗位是智能制造技术在核心生产环节落地的关键接口，要求候选人具备跨学科的系统思维，能够打通“物理设备—数据流—算法模型”的全链路闭环，为生产运营提供可量化、可落地的技术解决方案。 岗位职责： 设备状态监测与数据采集 负责区域内自动化设备的运行状态监测，确保传感器（振动、电流、温度、视觉等）部署合理且数据质量可靠 设计并优化数据采集方案，确保关键工艺参数和故障特征数据能够被完整、实时地记录 深入理解 Stator 生产工艺与机械结构，识别关键故障模式（如电机过载、机械磨损、视觉偏差等），并确定对应的监测指标。 数据分析与故障诊断 利用 Python (Pandas, NumPy) 对海量设备运行数据进行清洗、预处理和特征工程，提取反映设备健康状态的关键特征 建立设备故障诊断模型，通过数据分析定位设备异常的根本原因，为机械维修提供精准指导 开发数据可视化看板，直观展示设备健康趋势、故障预警及维护建议，帮助团队快速决策。 预测性维护 (PdM) 算法开发与落地 基于历史故障数据和运行数据，联合IT同事开发机器学习/深度学习算法（如时序预测、异常检测、分类模型），实现设备故障的早期预警 将 AI 模型部署到生产环境或边缘计算设备中，实现实时的智能诊断和预警推送。 设备改进与自动化优化 结合数据分析结果，识别设备设计或运行中的瓶颈，提出机械结构改进、工艺参数优化或自动化流程升级的建议 与机械、电气、软件团队紧密合作，推动基于数据洞察的设备改造和自动化升级项目落地 参与新设备选型和验收，从数据可获取性和智能诊断潜力的角度提供评估意见。 知识沉淀与标准化 建立区域设备故障知识库，将典型案例、诊断方法和算法模型文档化，形成标准化的维护与诊断流程 分享 AI 在设备维护中的应用经验，提升团队整体的数据分析和智能运维意识。 遵守公司规章制度，积极查找并汇报隐患/事故，提出安全建议，通过持续改进创造安全环境。践行“安全第一，人人有责”，“眼见，发声，行动”的安全文化。 任职要求： 2027应届毕业生，毕业时间在2026年11月至2027年10月毕业的海内外学生，统招本科及以上学历 机械设计制造及其自动化/智能制造工程/机械电子工程/自动化/智能科学与技术/机器人工程等相关专业 具备至少一个完整的跨学科项目经历，涉及机械结构设计、数据采集与分析、算法实现中的至少两个环节 掌握Python编程语言，具备编写清晰、可维护代码的习惯 具备优秀的逻辑思维和系统观，能理解“机械-电子-软件”系统间的交互 具备良好的英语读写能力，能流畅阅读英文技术文档、论文及代码注释，英语能作为工作语言。 申请职位