康宁
Packing Process Engineer
Packing Process Engineer
发布于 2 小时前普通员工/个人贡献者
全职员工仅现场办公工艺工程
工艺工程
Cpk
Spc
工业自动化
数据分析
机器学习
精益生产
设备调试
值不值得投
76综合评分
综合评分 76
外企成熟平台、侧重工艺与数字化融合、成长空间明确、现场办公为主
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
2.0万
与工艺工程中位数基本持平
发布情况
新岗位 · 今天发布
公司情况
这家公司招聘很活跃
约 290 个在招 · 其中工艺工程 39 个
市场机会
选择面较广
合肥 · 工艺工程 · 约 190 个在招
职位详情
关于这个职位
本职位主要负责显示面板包装段的工艺流程设计与日常运维，快速排查并解决设备停机与生产异常
同时结合Python与机器学习技术开展数据分析，落地预测性维护与智能工厂集成方案，持续推动包装产线的技术升级与效能优化
最低要求
机械工程或相关专业本科及以上学历（设备设计背景更佳
顶尖高校应届生可放宽经验要求）
年以上显示、半导体、精密制造或自动化设备行业的工艺或设备工程经验，聚焦包装段
具备机械或设备设计工程背景，熟练使用SolidWorks及机械仿真软件进行设计、分析与验证
强烈偏好有包装段设备实操经验者
扎实掌握SPC、CPK、KPIV/KPOV等过程控制基础
具备英语口语沟通能力以支持跨区域协作，沟通清晰逻辑严密
结果导向强，具备主人翁意识，能主动推动执行并交付成果
工作职责
建立并维持包装操作流程，保障日常绩效
排查包装线生产异常与设备停机问题
支持包装设备及控制系统改进，开发高效包装技术
设计、修改并推荐输送线、机器人/机械手、伺服驱动机构、导轨等设备以满足或超越运营需求
主导MEE/DMAIC根本原因调查，解决系统性包装问题
推动临时遏制措施、根本理解及永久纠正行动
定义并维护KPIVs/KPOVs、控制限及SPC监控策略
与工艺、设备及控制工程师紧密协作，共同达成包装目标
参与目标设定与团队知识共享
深化包装设备与工艺的个人技术深度
指导技术员并在工程团队内支持知识传递
推动与精加工工艺、质量、维护、IT、设备供应商及企业工程团队的跨职能协作
培育结构化问题解决、数据驱动决策及持续学习的文化
支持包装流程的数字化转型——应用数据分析、异常检测及机器学习模型提升设备可靠性、预测性维护、运动/伺服控制优化及智能工厂集成
与数字(D^t)团队合作实施数据管道、仪表板及包装线的ML/AI应用
推广AI辅助的根本原因分析及算法/模型开发（Python, C/C++），用于包装设备行为、运动控制及工艺优化
优先资格
具备Python和/或C/C++编程经验，有小型项目或功能/算法/模型开发记录（需说明使用的算法或机器学习模型）
精通伺服系统、电机、驱动器、线性导轨/滑轨、工业机器人及机械手
具备设备调试、运动调优或自动化集成经验者高度优先
熟悉数据分析工具（JMP, Minitab, SQL）及基础ML/AI概念（监督/无监督模型、计算机视觉）
能够与设备供应商、IT及企业数字团队协作交付端到端解决方案
机械工程、机电一体化、自动化、计算机科学等相关专业硕士学历
持有精益六西格玛绿带或黑带认证
具备显示玻璃包装流程及相关自动化/机器人搬运设备经验
有参与工厂级数字化转型或自动化升级项目的经历
了解MES、PLC、IoT平台或边缘计算架构
有工程最佳实践的论文发表、专利授权或兄弟工厂迁移经验
AI 洞察
优缺点分析
优点
- 依托康宁全球领先的平台资源，接触前沿显示技术与高端自动化设备，技术视野开阔
- 复合技能要求（机械+数据/AI）利于打造差异化竞争力，职业护城河深且可迁移性强
- 外企规范体系完善，培训机制健全，晋升通道清晰，工作稳定性高
- 数字化与AI落地需协调多部门，推进周期长且涉及新旧系统兼容，变革管理难度存在
- 传统制造环境向智能化转型期，需兼顾老旧设备改造与新系统集成，试错成本需合理把控
- 适合具备机械/自动化背景且对数据分析/AI有浓厚兴趣的工程师，追求技术纵深与跨界融合，能适应制造业现场节奏并享受持续优化带来的成就感
缺点 / 挑战
- 产线现场工作可能面临紧急停机抢修压力，对应急响应与抗压能力要求较高
角色解读
- 可向高级工艺工程师、设备专家或智能制造项目经理发展，深耕产线自动化与数字化
- 积累跨部门项目管理与AI落地经验后，可转型为工厂数字化负责人或技术管理岗
- 长期可聚焦工业AI与预测性维护领域，成为复合型技术专家或行业顾问
- 负责包装产线的工艺流程设计与日常运维，快速响应并解决设备停机与生产异常
- 运用SPC与DMAIC方法推进质量改善与根因分析，定义并监控关键过程指标
- 结合Python/SQL与机器学习模型开展数据分析，落地预测性维护与智能工厂应用
- 跨部门协同工艺、质量、IT及设备供应商，推动包装段技术升级与持续改进
- 扎实的机械/设备设计功底，熟练使用SolidWorks及仿真软件进行结构与运动分析
- 精通SPC、CPK等过程控制工具及DMAIC问题解决框架，具备数据驱动决策能力
- 具备Python/C++编程能力与基础机器学习/数据分析实战经验，能开发轻量级算法模型
- 良好的英语沟通与跨部门协同能力，适应国际化团队协作节奏
申请策略
- 提前研究康宁显示技术业务线与合肥基地定位，准备1-2个将传统工艺与数字化结合的改进案例
- 面试时展现结构化思维与数据驱动解决问题的习惯，避免空谈理论，多用项目数据佐证
- 突出包装/自动化设备调试与工艺优化项目成果，量化良率提升、OEE改善或停机时间减少数据
- 详细列出SolidWorks、SPC、Python/SQL及机器学习模型的实际应用案例，附GitHub或技术报告链接
- 强调跨部门协作经验与英语沟通场景，体现结构化表达与结果交付能力
- 补充机器学习基础（如scikit-learn、时序异常检测）与工业数据分析工具（JMP/Minitab）实操
- 熟悉MES/PLC/IoT架构及边缘计算基本概念，了解工业通信协议（OPC UA、Modbus）
- 强化DMAIC/精益六西格玛方法论，考取绿带/黑带证书提升专业背书
面试指南
- 采用STAR法则陈述项目背景、你的具体动作、数据验证结果及复盘沉淀，突出量化贡献
- 针对AI落地类问题，强调从业务痛点出发、小步快跑验证、关注数据质量与模型可解释性
- 针对系统集成类问题，展示风险评估、分阶段实施计划及跨部门协同机制的设计思路
- 请分享一个你通过SPC或DMAIC解决复杂设备故障的案例，你是如何定位根因并验证效果的？
- 如何评估并落地机器学习模型到实际产线的预测性维护中？遇到过哪些数据或工程挑战？
- 面对老旧包装设备与新型自动化系统的集成，你会如何规划改造路径并确保平稳过渡？
- 复习机械原理、伺服控制与常见包装设备结构，梳理过往项目中数据处理与算法应用的完整链路
- 了解康宁企业文化及显示面板行业趋势，准备1-2个与智能工厂/数字化转型相关的思考
职位点评
薪资福利80
成长发展85
工作生活60
使命价值75
薪资福利
80较高
康宁作为成熟外企提供具有竞争力的薪酬与完善福利，合肥生活成本适中，整体补偿性动机满足度较高。
薪资信号未披露（AI估算：1.5千–2.5万/月）
成长发展
85较高
岗位明确要求数字化与AI转型能力，提供跨部门协作与技术深耕机会，成长路径清晰且技能可迁移性强。
技术前沿主流现代技术
技术栈Python、C/C++、SolidWorks、SPC、机器学习、JMP、Minitab、SQL、MES、PLC
业务类型cost_center
工作生活
60中等
制造业现场岗位通常需驻厂办公，虽未明确加班规定，但产线异常处理可能带来一定强度，WLB依赖个人调节与团队节奏。
工作模式未明确
办公地点工厂/生产基地
加班情况未提及（无法判断）
使命价值
75中等
康宁在显示技术与材料科学领域具有深厚积淀，岗位直接支撑高质量显示产品制造，具备一定的行业价值与社会影响力。
行业发展稳定成熟行业
社会影响中性/一般
创新程度积极采用新技术
康宁 的其他在招职位
相似职位推荐
Watch Jobs