排产算法工程师

岗位职责

• 深入蛋白生产一线，理解生产流程与业务痛点，建立排产优化模型。
• 负责生产、实验、设备、人员及订单等业务场景下的排程算法设计与开发。
• 设计、开发并实现排产算法，提升生产效率、资源利用率和订单交付准时率。
• 将业务中的交期、优先级、设备能力、人员班次、物料、工序依赖、批次和产能等约束抽象为数学模型。
• 设计并实现订单分配、任务排序、资源调度、批次合并、插单重排和异常恢复等算法。
• 根据业务特点选择合适的算法方案，包括规则算法、启发式算法、数学规划、约束规划或智能优化算法。
• 建立排程结果的评价指标，例如订单准时率、设备利用率、总完工时间、换线次数、等待时间和负载均衡程度。
• 与生产、实验、运营、产品及开发团队沟通，理解实际流程，识别硬约束、软约束及业务优先级。
• 负责算法原型验证、历史数据回放、仿真测试及效果评估。
• 将算法封装为稳定、可解释、可配置的服务，并推动算法在业务系统中落地。
• 持续跟踪排程执行情况，根据实际反馈优化算法模型和参数。
• 建设排程规则、约束、目标函数及算法版本的配置和管理机制。
• 将算法应用到实际生产系统中，并持续跟踪效果、迭代优化。
• 通过数据分析，为生产计划和决策提供数据支持。

任职要求

• 运筹学、工业工程、应用数学、计算机、自动化、管理科学或相关专业，本科及以上学历。
• 熟悉 Python，能够独立完成数据处理、算法开发、实验验证和结果分析。
• 理解常见排程或组合优化问题，例如：

• Job Shop Scheduling
• Flexible Job Shop Scheduling
• Flow Shop Scheduling
• Parallel Machine Scheduling
• Resource-Constrained Project Scheduling
• Vehicle Routing Problem

• 熟悉至少一种优化建模或求解工具，例如 OR-Tools、Gurobi、CPLEX、SCIP、Pyomo 或 PuLP。
• 理解线性规划、整数规划、约束规划、动态规划、局部搜索或启发式算法中的一种或多种。
• 能够将复杂业务规则抽象为约束条件、决策变量和目标函数。
• 具备良好的数据分析和实验设计能力，能够客观评估算法效果。
• 具备较强的逻辑分析、业务理解及跨团队沟通能力。
• 能够接受算法结果需要兼顾可执行性、可解释性和工程性能，而不仅是理论最优。

加分项

• 有生产制造、实验室、供应链、物流、仓储或项目排程相关经验。
• 熟悉遗传算法、模拟退火、禁忌搜索、粒子群、强化学习等智能优化方法。
• 有大规模排程、实时排程、滚动排程或动态插单场景经验。
• 了解数字孪生、离散事件仿真或生产系统仿真。
• 熟悉 pandas、NumPy、SciPy、NetworkX 等数据和算法工具。
• 具备后端服务开发经验，能够使用 FastAPI、Flask 等框架封装算法服务。
• 了解 Redis、消息队列、Docker、Kubernetes 或分布式任务调度。
• 有生命科学、实验室自动化、生物制药或多工序研发生产场景经验。