岗位职责： 1.装备智能运维算法研发 参与装备运行多源时序数据（振动、工况、维修履历等）分析，开展异常检测、故障诊断、剩余使用寿命（RUL）预测算法设计、建模、训练与验证；研究时序深度学习、信号处理方法，支撑 PHM 软件模块迭代优化； 2.装备领域知识工程与本体建模 协助构建装备故障、维修工艺、备件、技术文档领域知识图谱；开展装备本体设计、实体与关系抽取、语义规则推理；基于 RAG、领域大模型实现维修资料智能检索、故障问答、维修方案智能推荐； 3.工业智能体与大模型应用预研 跟进工业大模型、多智能体协同前沿技术，开展行业垂域模型微调、Prompt 工程、智能调度 Agent 原型开发；探索大模型与装备保障业务融合路径，完成方案验证、效果评估； 4.算法工程化与工业软件集成 将训练完成的 AI 模型封装为标准化服务接口，配合软件研发团队完成算法模块与装备服务保障工业软件对接、联调；开展模型性能测试、效果迭代，满足工程化、私有化部署要求； 5.数据治理与技术文档沉淀 负责装备试验数据、运维历史数据清洗、标注、特征工程；撰写算法方案、测试报告、技术手册；参与技术攻关、专利、技术成果梳理；跟踪人工智能、工业智能前沿技术，开展新技术可行性预研； 6.业务协同与现场技术支撑 配合需求、工程团队梳理装备保障业务场景，把装备维修保障业务需求转化为算法方案；必要时参与项目现场算法效果验证与问题优化。 技能要求： 1.扎实掌握机器学习、深度学习基础理论，熟悉常见算法：时序模型（LSTM、GRU、Transformer、TCN）、异常检测、分类回归、图神经网络等； 2.熟练使用 Python，熟练运用 NumPy、Pandas、Scikit-learn；掌握 PyTorch/TensorFlow 任一主流深度学习框架； 3.掌握基础信号处理知识（FFT、滤波、小波变换等），具备时序数据处理经验优先； 4.熟悉 SQL 数据库，了解时序数据库、向量数据库基础概念；具备良好代码规范； 5.了解知识图谱、本体工程，接触过 Protégé、Neo4j、RDF/OWL、SPARQL； 6.接触大模型微调、RAG 检索增强、LangChain、智能 Agent 开发； 7.熟悉模型服务化部署（FastAPI、Docker），了解模型量化、推理优化； 8.具备工业装备、航空 / 机电装备相关业务认知； 9.良好英文文献阅读能力，有论文、软著、竞赛获奖经历。 经验（实践）要求： 有PHM、预测性维护、设备故障诊断相关课题、竞赛、项目经历优先。