一、1. 负责气缸设备寿命预测模型的开发与优化，基于设备运行数据（如到位时间、压力、温度、振动等），构建精准的剩余寿命（RUL）评估算法，支撑预防性维护决策。
2. 主导设备运行数据的分析与特征工程，挖掘关键工况参数与故障隐患的关联规律，输出可落地的特征变量与数据预处理方案。
3. 设计并实现预防性维护策略算法，结合设备寿命预测结果、生产计划及维护成本，制定维护周期与优先级调度方案，降低非计划停机率。
4. 与机械工程、设备运维团队协作，将算法模型转化为工程化解决方案，部署至实际生产系统，并持续监控模型效果，迭代优化以适应工况变化。
5. 跟踪行业内设备健康管理（PHM）、预测性维护相关的前沿算法（如深度学习、退化模型、强化学习等），探索其在气缸及同类工业设备中的应用场景。


二、任职要求

1. 学历与专业：硕士及以上学历，计算机科学与技术、数学、统计学、控制工程、机械工程（智能装备方向）等相关专业。
2. 技术能力：
- 熟练掌握至少一种编程语言（Python/Java/C++），熟悉Pandas、NumPy、Scikit-learn等数据处理与机器学习库，具备扎实的算法实现能力。
- 精通机器学习（如回归、分类、聚类）或深度学习（如LSTM、Transformer、CNN）算法，有设备寿命预测、故障诊断、工业PHM相关项目经验者优先。
- 了解工业设备（如气缸、气动元件、机械结构）的基本工作原理，能理解设备运行参数（如压力、温度、到位时间、循环次数）的物理意义，有工业场景数据建模经验者优先。
3. 项目经验：有预防性维护系统开发、设备剩余寿命预测、工业大数据分析相关项目经验，或参与过气缸/气动设备、自动化生产线相关算法落地项目者优先。
4. 综合能力：具备较强的逻辑思维与问题解决能力，能独立推进算法从建模到落地的全流程；良好的跨部门沟通能力，能清晰对接机械、运维团队的需求；有责任心，对工业设备可靠性提升有较强的探索意愿。