About The Role

1、工业AI建模与机理仿真算法研发（核心任务）
构建面向工艺场景的机理模型，解决能耗、工艺、质量、设备状态等关键模拟仿真问题（如窑炉热力学平衡、工艺多变量寻优、排产运筹等）。
利用仿真语言（如Modelica）与主流工业流程仿真软件进行机理模型搭建、模型标定、系统集成及联合调优，为数据驱动模型提供高可信数据和特征支撑。
建立不确定性量化与模型可解释性体系，支撑可审计决策过程。
2、能效与生产优化落地
主导高能耗工业设备（如燃气、印染）优化、故障诊断及智能控制场景项目，推动端到端AI应用工程化落地，实现能耗、良率等核心指标提升。
将前端预测结果与不确定性分析，挖掘深层次机制原理，构建设备和运行机理模型，有效驱动排产调度、能源管理，算法验证，系统评估等决策。
3、跨职能协同与技术转化
与工艺、设备及IT/OT团队协作，将算法方案嵌入PLC、DCS等工业控制系统，形成可规模化复制解决方案。
输出专利、论文、最佳实践和技术方法论，助力企业技术积累与沉淀。
1、专业与理论基础
硕士及以上学历优先，人工智能、自动化、计算机、应用数学、过程控制、化工等相关专业背景。
具备扎实的概率统计、优化与控制理论基础，优秀的数学建模能力。
理解流程工业机理（热传导、流体力学、传质、反应动力学等），能够将机理知识与建模特征工程深度融合。
2、机理仿真与工业软件能力（重点）
熟练掌握Modelica、gPROMS、Aspen、Simulink、Dymola等主流流程仿真语言或同类型工业机理建模软件，具备复杂系统建模、参数标定、仿真验证和模型集成经验。
熟悉机理模型与数据驱动算法融合流程，能有效用仿真数据提升算法泛化与适用性。
3、运筹优化与工程能力
掌握整数/非线性/鲁棒/多目标优化技术（Gurobi、CPLEX、CVX），并能结合预测及不确定性信息转化为优化决策。
熟练运用Python，具备Modelica语言能力。了解工业协议（OPC UA、Modbus、MQTT）与流数据计算框架（Kafka、Flink）。
具备MLOps实操经验（如Docker、K8s、Airflow、MLflow/W&B、Prometheus等），理解线上系统SLA和稳定性治理要点。
4、项目经验
有主导或核心参与至少1个工业仿真或工业AI项目的经验，能够提供量化结果及技术细节。
具备机理模型与数据驱动算法融合项目经验，能清晰阐述数据质量、漂移、多站点适配等应对方案。
加分项：
获得算法建模相关竞赛奖项或参与大型AI/仿真/优化项目经验。
熟悉工业过程控制优化、能源优化、生产运作。
在工业仿真、AI、时序、优化、控制等方向有权威论文发表/专利/开源贡献。
有数字孪生、软测量、预测性维护系统建设经验及边缘部署、模型仿真优化能力。
理解工业安全与合规。

This is an external listing. JobSpring does not represent or verify the employer. Report this listing

机理仿真工程师-工业AI方向(J18068)

About The Role