分享这份工作
高级TOD控制工程师
现在申请:日期:2023年3月28日
地点:武汉,湖北,430040
公司:康宁
申请编号:60271
康宁对我们帮助塑造的行业和我们共享的世界的进步至关重要。
我们利用材料科学发明改变生活的技术。我们的科学和制造专业知识,无限的好奇心,以及对有目的的发明的承诺,使我们处于世界互动、工作、学习和生活方式的中心。
我们在研究、开发和发明方面的持续投资意味着我们随时准备与客户一起解决最棘手的挑战。
康宁的显示技术部门生产用于有源矩阵液晶显示器(“LCD”)的玻璃基板,主要用于液晶电视、笔记本电脑和平板桌面显示器。
日常职责
- 开发基于物理的非线性,多变量系统模型,随后将这些模型的物理嵌入到算法中,通过利用先进的基于模型的控制设计技术来控制系统动态
- 利用机器学习方法开发过程监控和故障检测工具和/或分类/回归模型,以解决重要的制造问题,如缺陷分类,预测性维护等。
- 建立/开发监控层,用于计算制造系统过程控制的最优设定值;这将需要协调和同步现有的基于物理/第一性原理的模型,以提供一个全面的工厂过程视图。
- 深入了解康宁工艺,运用严格的流动、质量/传热、磁场和电场方面的科学知识,对关键工艺步骤进行技术理解
- 领导项目团队,与工艺工程师紧密合作,实施/交付先进的控制解决方案和其他潜在的先进工艺技术
- 在流程专家、数据科学家、控制工程师和建模师之间合作的多学科环境中工作
- 通过技术报告、发明披露和专利申请生成知识产权
教育经历
- 化学、机械或电气工程专业博士或硕士(3年以上制造经验)
- 有数据分析、机器学习(ML)、高级控制技术和/或第一性原理/基于物理的建模的直接经验
所需技能
- 评估现有的过程控制策略,并提出改进建议。利用多元统计方法和机器学习进行过程监控、故障诊断和隔离、缺陷分类和/或预测性维护
- 为制造过程设计和开发过程控制解决方案(特别是基于模型的控制技术)。与制造部门紧密合作,开发合适的硬件和软件平台,以实现控制解决方案。
- 熟悉优化理论和控制技术,如最优控制、鲁棒控制、自适应控制、模型预测控制(MPC)、非线性方法和传统PID控制
- 具有开发数据驱动(系统识别)/基于物理模型(有限元模型,质量和能量平衡等)的制造工艺优化经验
- 广泛的ML技术/算法知识(例如,神经网络,随机森林等)及其数学基础
- 熟练掌握Matlab/Simulink,掌握Python, C/ c++, . net的工作知识。
- 必须具备:(1)透彻理解相关科学概念、原理和理论,特别是一般机器学习和算法以及基本物理原理;(2)在现实环境中广泛应用这些概念的经验。
所需的技能
- 可在PLC和基于IEC的编程中展示的技能(梯形,结构化文本)
- 多变量统计工具的背景,如主成分分析(PCA)和偏最小二乘(PLS)回归
- 具有实时控制系统,数据采集和数据解释的经验
- 有使用Tensorflow/Keras、PyTorch、Scikit-Learn等机器学习包的经验。
- 熟悉形式语言模型(有限状态自动机(FSA), Petri网,符号模型等),图论和有限抽象
- 能够在制造环境中工作
软技能
- 项目领导
- 在各种情况下的沟通技巧-从收集运营商的见解到利益相关者的陈述
- 跨多学科团队的合作
- 较强的口头和书面表达能力
- 优秀的人际交往能力
- 能够有效地准备和展示演讲
- 能够很好地完成项目和团队活动以及独立分配的任务
- 强烈的技术好奇心和接受挑战性技术问题的愿望