Forward Deployed Engineer | Manufacturing AI 前沿部署工程师 · 制造业 AI 方向
把车间里的运营决策做成跑在生产环境的系统：从 ERP/MES 取数、套工艺规则、产出计划员真的会用的东西。需求从现场长出来，对业务结果负责。
mill-ops-platform — 模块化制造业运营平台，六个模块、275 项自动化测试、全部离线可跑、中英双文档：
| 模块 | 做什么 |
|---|---|
| plan-release | 九步 ERP 流程 → 一条命令（计划单下发自动化） |
| furnace-scheduler | 退火炉排程：MILP 求解 + 启发式降级 + 甘特图 |
| mill-scheduler | 冷轧排产与轧辊分配 |
| capacity | 需求量 → 机台占用测算 |
| material-stats | 物料超期统计、判定口径与责任人路由 |
| watcher | 计划快照变化检测 |
FDE 的三件事，我在车间现场每天在做：
- Builds — 写跑在生产环境、车间每天在用的代码，不是 demo
- Embeds — 需求从现场长出来：先跟计划员一起干一遍活，再决定系统长什么样
- Owns — 系统上线后有人用才算成功；输出必须可解释、可修改
两条从实战里长出来的原则：
- 可以报错，不能悄悄丢数据。这条是测试套件抓到一次静默丢料之后定下来的——六卷料既不在排程里也不在待处理清单里，抓它的那条测试现在还在仓库里
- 超期不等于呆滞。口径一旦错了，报表做得越细越害人，因为没人再信数
三页脱敏案例卡（业务痛点 → 我怎么拆的 → 技术选型为什么这么定 → 上线后什么结果），随简历提供：
- 重卷计划单自动下发 — 九个页面变成一条命令，以及报文里那些网页上看不出来的坑
- 呆滞料三表跟踪体系 — 按卷号的逐日 diff，和"超期不等于呆滞"这个口径是怎么定下来的
- 产能模型与机台占用测算 — 从利用率失真到能进月度汇报的模型，以及为什么选可解释的物理公式而不是黑盒预测
Python · SQL · MILP / CP-SAT · ERP/MES 接口集成 · systemd + nginx 部署 · PyTorch（训练与推理）· 测试与 Eval
All public code ships with synthetic demo data only — no production data, endpoints or plant identifiers.