岗位定位： 工厂数字化转型和AI应用方向。负责将人工智能技术与家具制造场景深度融合，从沙发设计渲染、原材料需求预测、订单智能排产到质量检测，用AI重构工厂的生产流程，降本增效。


岗位职责
作为我司首位AI应用工程师，负责以下核心场景的落地：

1. 智能设计辅助与虚拟打样（降低成本）
主导引入和优化AI渲染工具，通过Stable Diffusion/Midjourney/Sora等AIGC技术，根据设计草图快速生成高保真产品效果图或者音视频。
目标是减少物理打样次数，缩短新品开发周期，降低研发成本。

2. 需求预测与智慧采购（优化库存）
基于历史出货订单、季节性因素及市场趋势，利用时间序列分析、机器学习（LSTM/Transformer等）算法构建销量预测模型。
根据预测结果，制定科学的分批次原材料采购计划，在保证生产供应的同时，降低原材料库存积压，提高资金周转率。

3. 生产计划与AI排产（提升效率）
对接现有ERP/MES系统，获取订单、设备、人员、物料等实时数据。
开发或引入智能排产算法，综合考虑交期、设备状态、工艺约束等因素，自动生成最优的生产作业计划，提升综合效率。

4. 工业视觉质检（保障质量）
探索并落地AI视觉检测方案，针对板材木方缺陷、外观缝线工艺和一致性等关键质检环节，训练深度学习模型。
替代传统人眼质检，实现24小时不间断、标准化的高精度检测，降低客诉率。

任职要求：
教育背景： 计算机、自动化、工业工程、应用数学等相关专业，本科及以上学历。
编程能力： 扎实的Python编程基础，熟悉常用的AI框架（如PyTorch, TensorFlow）和数据处理库（Pandas, NumPy）。
行业经验（关键）： 2年以上家具制造或相关离散制造行业的信息化、数字化工作经验。
ERP融合经验： 必须有家具行业ERP的实施、开发或数据对接经验。 熟悉ERP数据结构，能读懂数据表逻辑。

专业技能：
AI渲染： 熟悉AIGC工具链，有ControlNet等插件使用及模型微调经验者优先。
预测算法： 熟悉时间序列预测模型，有实际销量预测项目落地经验（需要有落地的算法案例）。
排产算法： 了解运筹优化算法（遗传算法、粒子群算法等）或启发式算法在排产中的应用。
视觉检测： 了解图像分类、目标检测（YOLO系列）算法，有工业质检项目经验者优先。

软性素质：
业务理解力： 愿意深入车间，理解工厂生产工序的全流程，不纸上谈兵。
落地能力： 比起发论文，我们更希望能将模型部署到实际生产环境中，让部门之间工作效率大幅提升。
有从0到1搭建小型数据中台或数据仓库经验更好。

具体薪资面议