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。