一、電氣自控系統的設計與開發
負責電氣自動化核心硬件與控制系統的方案設計，是保障設備 / 產線穩定運行的基礎，具體包括：
1. 硬件選型與電路設計：根據項目需求（如工業產線、智能設備、新能源系統等），選型電氣元件（PLC 可編程邏輯控制器、變頻器、傳感器、伺服電機、繼電器等），設計電氣原理圖、接線圖，確保硬件匹配性與安全性；
2. 自控程序開發：使用 PLC 編程軟件（如西門子 Step7、三菱 GX Works）、SCADA（監控與數據采集）系統（如 WinCC、Intouch）開發控制程序，實現設備的自動化運行（如產線的啟停、速度調節、故障連鎖保護）；
3. 系統調試與優化：搭建電氣自控系統測試環境，進行硬件接線調試、程序邏輯驗證，解決運行中的卡頓、誤觸發、精度不足等問題，優化系統響應速度與穩定性。
二、人工智能技術的落地與應用
將 AI 算法轉化為可落地的電氣 / 自動化場景解決方案，核心是 “用 AI 提升控制效率或實現智能決策”，具體包括：
1. AI 需求分析與方案設計：結合業務場景（如工業質檢、設備故障預測、智能電網調度、智能家居控制等），明確 AI 應用目標（如降低故障率、提升檢測精度、節約能耗），設計 AI 技術路徑（如選擇機器學習、深度學習、強化學習算法）；
2. 數據處理與模型開發：采集電氣系統運行數據（如設備電流 / 電壓 / 溫度數據、產線傳感器數據），進行數據清洗、標注、特征工程；使用 Python（TensorFlow/PyTorch 框架）開發 AI 模型（如故障預測模型、質量檢測模型、能耗優化模型）；
3. AI 與自控系統融合：將訓練好的 AI 模型部署到電氣自控系統中（如通過邊緣計算設備、工業網關對接 PLC/SCADA），實現 “AI 決策→自控執行” 的閉環（例如：AI 識別設備異常數據后，自動觸發 PLC 的停機保護指令）。
三、設備 / 系統的運維與故障處理
保障已落地的電氣自控 + AI 系統長期穩定運行，降低停機風險，具體包括：
1. 日常巡檢與狀態監控：通過 SCADA 系統、AI 監控平臺實時監測電氣設備運行參數（如電流、電壓、溫度、振動），定期現場巡檢硬件狀態，記錄運行日志；
2. 故障診斷與修復：當系統出現故障（如 PLC 程序報錯、傳感器失效、AI 模型誤判）時，通過數據分析（如查看故障代碼、回溯 AI 決策數據）定位問題根源，快速修復硬件故障或優化程序 / 模型；
3. 定期維護與升級：根據設備損耗規律，制定維護計劃（如更換老化傳感器、清理 PLC 散熱模塊）；根據業務需求迭代 AI 模型（如補充新數據重新訓練，提升預測精度）。
四、項目管理與跨團隊協作
銜接技術與業務，確保項目按時、按質落地，具體包括：
1. 項目計劃與進度管控：根據項目目標（如 “3 個月內完成某工廠產線 AI 節能改造”），拆解任務（硬件采購、程序開發、現場調試等），制定時間節點，跟蹤進度并解決延期風險；
2. 跨部門溝通協作：與機械工程師（協調設備機械結構與電氣控制匹配）、軟件工程師（對接 AI 模型與上位機軟件）、客戶 / 業務部門（確認需求細節、反饋項目進展）溝通，確保各方需求對齊；
3. 文檔撰寫與知識沉淀：編寫項目技術文檔（如電氣手冊、AI 模型說明、調試報告）、用戶操作手冊，沉淀技術經驗（如常見故障解決方案、AI 模型優化案例）。
五、技術調研與創新
保持技術敏銳度，推動系統迭代與創新，具體包括：
1. 行業技術跟蹤：關注電氣自控（如新型 PLC、工業以太網技術）、人工智能（如大模型在工業場景的應用、邊緣 AI 芯片）領域的新技術、新方案；
2. 技術驗證與落地：針對潛在優化點（如 “用 AI 視覺替代傳統傳感器檢測產品缺陷”），開展小范圍技術驗證，評估可行性后推動規模化落地；
3. 成本與效率優化：在滿足性能需求的前提下，優化硬件選型（降低采購成本）、簡化控制程序（提升運行效率）、優化 AI 模型（減少算力消耗）。
六、安全與合規保障
確保電氣系統與 AI 應用符合安全標準，規避風險，具體包括：
1. 電氣安全管控：嚴格遵循電氣安全規范（如接地保護、過載保護設計），避免觸電、設備燒毀等安全事故；
2. 數據安全與合規：處理 AI 模型訓練數據時，遵守數據隱私法規（如 GDPR、國內《數據安全法》），確保數據采集、存儲、使用合法；
3. 系統合規驗收：確保項目成果符合行業標準（如工業自動化的 ISO 標準、AI 應用的倫理規范），配合驗收測試（如第三方安全檢測、性能驗收）。
要求：本科及以上學歷，碩士有限，控制或相關專業，有一建機電證書更優