一、电气自控系统的设计与开发

负责电气自动化核心硬件与控制系统的方案设计，是保障设备 / 产线稳定运行的基础，具体包括：

1. 硬件选型与电路设计：根据项目需求（如工业产线、智能设备、新能源系统等），选型电气元件（PLC 可编程逻辑控制器、变频器、传感器、伺服电机、继电器等），设计电气原理图、接线图，确保硬件匹配性与安全性；

2. 自控程序开发：使用 PLC 编程软件（如西门子 Step7、三菱 GX Works）、SCADA（监控与数据采集）系统（如 WinCC、Intouch）开发控制程序，实现设备的自动化运行（如产线的启停、速度调节、故障连锁保护）；

3. 系统调试与优化：搭建电气自控系统测试环境，进行硬件接线调试、程序逻辑验证，解决运行中的卡顿、误触发、精度不足等问题，优化系统响应速度与稳定性。

二、人工智能技术的落地与应用

将 AI 算法转化为可落地的电气 / 自动化场景解决方案，核心是 “用 AI 提升控制效率或实现智能决策”，具体包括：

1. AI 需求分析与方案设计：结合业务场景（如工业质检、设备故障预测、智能电网调度、智能家居控制等），明确 AI 应用目标（如降低故障率、提升检测精度、节约能耗），设计 AI 技术路径（如选择机器学习、深度学习、强化学习算法）；

2. 数据处理与模型开发：采集电气系统运行数据（如设备电流 / 电压 / 温度数据、产线传感器数据），进行数据清洗、标注、特征工程；使用 Python（TensorFlow/PyTorch 框架）开发 AI 模型（如故障预测模型、质量检测模型、能耗优化模型）；

3. AI 与自控系统融合：将训练好的 AI 模型部署到电气自控系统中（如通过边缘计算设备、工业网关对接 PLC/SCADA），实现 “AI 决策→自控执行” 的闭环（例如：AI 识别设备异常数据后，自动触发 PLC 的停机保护指令）。

三、设备 / 系统的运维与故障处理

保障已落地的电气自控 + AI 系统长期稳定运行，降低停机风险，具体包括：

1. 日常巡检与状态监控：通过 SCADA 系统、AI 监控平台实时监测电气设备运行参数（如电流、电压、温度、振动），定期现场巡检硬件状态，记录运行日志；

2. 故障诊断与修复：当系统出现故障（如 PLC 程序报错、传感器失效、AI 模型误判）时，通过数据分析（如查看故障代码、回溯 AI 决策数据）定位问题根源，快速修复硬件故障或优化程序 / 模型；

3. 定期维护与升级：根据设备损耗规律，制定维护计划（如更换老化传感器、清理 PLC 散热模块）；根据业务需求迭代 AI 模型（如补充新数据重新训练，提升预测精度）。

四、项目管理与跨团队协作

衔接技术与业务，确保项目按时、按质落地，具体包括：

1. 项目计划与进度管控：根据项目目标（如 “3 个月内完成某工厂产线 AI 节能改造”），拆解任务（硬件采购、程序开发、现场调试等），制定时间节点，跟踪进度并解决延期风险；

2. 跨部门沟通协作：与机械工程师（协调设备机械结构与电气控制匹配）、软件工程师（对接 AI 模型与上位机软件）、客户 / 业务部门（确认需求细节、反馈项目进展）沟通，确保各方需求对齐；

3. 文档撰写与知识沉淀：编写项目技术文档（如电气手册、AI 模型说明、调试报告）、用户操作手册，沉淀技术经验（如常见故障解决方案、AI 模型优化案例）。

五、技术调研与创新

保持技术敏锐度，推动系统迭代与创新，具体包括：

1. 行业技术跟踪：关注电气自控（如新型 PLC、工业以太网技术）、人工智能（如大模型在工业场景的应用、边缘 AI 芯片）领域的新技术、新方案；

2. 技术验证与落地：针对潜在优化点（如 “用 AI 视觉替代传统传感器检测产品缺陷”），开展小范围技术验证，评估可行性后推动规模化落地；

3. 成本与效率优化：在满足性能需求的前提下，优化硬件选型（降低采购成本）、简化控制程序（提升运行效率）、优化 AI 模型（减少算力消耗）。

六、安全与合规保障

确保电气系统与 AI 应用符合安全标准，规避风险，具体包括：

1. 电气安全管控：严格遵循电气安全规范（如接地保护、过载保护设计），避免触电、设备烧毁等安全事故；

2. 数据安全与合规：处理 AI 模型训练数据时，遵守数据隐私法规（如 GDPR、国内《数据安全法》），确保数据采集、存储、使用合法；

3. 系统合规验收：确保项目成果符合行业标准（如工业自动化的 ISO 标准、AI 应用的伦理规范），配合验收测试（如第三方安全检测、性能验收）。

要求：本科及以上学历，硕士有限，控制或相关专业，有一建机电证书更优