康宁
Quality Engineer
Quality 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质量管理
质量管理
Doe
Fmea
Msa
Power Bi
Spc
Sql
六西格玛
数据分析
质量管理
值不值得投
66综合评分
综合评分 66
成熟制造平台的质量工程岗，统计功底 + 数据分析 + 数字化/AI 复合成长，薪资福利与工时信息需进一步确认。
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
1.9万
比质量管理中位数低
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 490 个在招 · 其中质量管理 35 个
市场机会
选择面较广
上海 · 质量管理 · 约 490 个在招
职位详情
关于这个职位
这是康宁光通信事业部在上海的制造质量工程岗位，主要负责产品全生命周期的质量保证与过程控制，运用 SPC、MSA、DOE 等统计工具提升制程能力与产品稳定性
同时需要分析复杂的制造与质量数据，并推动质量流程的数字化、自动化与 AI 应用落地，需要与制造、工艺、设备等多个职能紧密协作
最低要求
教育与经验要求：
工程、质量、材料科学、工业工程、数据科学或相关技术专业本科及以上学历
至少 3 年质量管理工程、工艺工程、制造工程或制造业环境中密切相关的技术职能经验
具备 PQA、QC、过程控制、工艺工程或制造质量改进的实操经验者优先（strongly preferred）
具备过程理解、过程控制、能力分析、结构化实验和制造质量改进方面的实际经验或较强潜力
具备光纤制造或其他工艺密集型制造环境经验者优先
具备数据分析、数字化制造、自动化或 AI 应用经验者加分
软技能要求：
主动、清晰且及时的沟通能力，能够跨职能、跨组织层级进行有效对齐与协作
较强的学习敏捷度与好奇心，能够持续积累技术知识并将新学习应用到业务需求中
自驱、有责任心，能够独立工作、管理优先级并在压力下保持良好表现
较强的担当意识与推动力，主动识别风险、升级问题并推动问题闭环
具备好奇心与变革领导力，能够将新的分析或数字化概念转化为实际制造应用
具备良好的中英文书面与口头沟通能力
工作职责
负责并执行产品全生命周期内的产品质量保证（PQA）活动，包括质量策划、风险评估、验证确认、变更控制和持续性绩效监控
建立、维护并改进来料、在制生产和成品的质量控制计划、检验方法、抽样策略、接收标准与反应计划
使用 SPC、能力分析、MSA、控制图、趋势分析、DOE 及适当的统计建模等统计工具，监控并提升过程能力与稳定性
与制造、工艺工程、设备工程及其他职能协作，定义并维护质量标准与控制，识别关键工艺参数和变异来源，提升过程能力、稳健性和产品质量
主导或支持内部及客户质量问题的调查，采用结构化问题解决方法，识别根本原因，并确保及时、有效的纠正与预防措施
评估产品和工艺变更，识别质量风险，确保在放行前实施适当的验证与控制措施
审核质量体系和制造过程，识别差距，推动可持续的纠正措施并确保符合适用要求
清晰、及时、主动地向相关方沟通质量绩效、风险、趋势和改进优先级
分析大型、复杂的制造与质量数据集，识别趋势、相关性、异常模式、变异来源和改进机会
将产品测试结果与工艺参数、设备状态和物料信息整合，支持基于事实的根本原因识别、风险预测和工艺优化
开发有效的数据可视化、仪表盘和分析工具，以改善质量监控、管理评审、决策以及产品与过程风险的早期发现
识别并实施对手工质量流程、报告、数据审核和知识管理的数字化或自动化机会
与相关职能合作，探索并应用 AI 解决方案，以提升质量监控、数据分析、问题解决、报告效率和持续改进
提供现场质量支持、辅导和培训，以强化质量意识、标准执行和问题解决能力
使用 DMAIC、精益或其他适当方法论，主导或参与持续改进和绩效卓越项目
持续积累技术和质量知识，分享学习成果，并快速适应不断演进的产品、工艺和业务需求
优先资格
深入了解 PQA 与 QC 实践，包括质量策划、控制计划、检验与测试、不合格品管理和变更控制
熟练使用 SPC、过程能力分析、MSA、FMEA、8D、根本原因分析以及纠正与预防措施
较强的定量与分析能力，能够将制造与质量数据转化为可执行的洞察和数据驱动的决策
能够通过工程与统计分析，将工艺输入、设备状态、物料变异与产品质量输出联系起来
熟练使用 Minitab 或同类统计软件
具备 Power BI、Python、SQL 或同类数据分析与可视化工具经验者优先
了解 DOE、多变量分析、回归、异常检测及其他适用分析方法者优先
具备开发和改进质量体系、数据驱动的过程控制、监控方法与反应计划的能力
具备绩效卓越（Performance Excellence）、精益或六西格玛方法论经验者优先
对将数字化、自动化和 AI 技术应用于制造质量有强烈兴趣
要求具备对新兴工具的学习敏捷度
具备制造数字化、工作流自动化、AI、机器学习或质量知识管理经验者高度优先
有效的项目管理与跨职能影响力
AI 洞察
优缺点分析
优点
- 技能栈复合：既要求传统质量工程硬功底，又鼓励数据分析、数字化与 AI 应用，能力可迁移性强
- 平台与行业稳定：光通信基础设施属于通信产业链的基础环节，产品与客户结构相对成熟
- 跨职能曝光度高：与制造、工艺、设备、客户质量等多方协作，便于快速理解完整制造体系
- JD 明确提及辅导、培训与持续学习，对愿意深耕制造质量的人较为友好
- 需要同时应对现场与数据两条线：既要到产线提供现场质量支持，又要做建模与可视化，对综合能力要求高
- 中英文双语沟通是硬性要求，跨时区或跨国团队协作可能带来额外沟通成本
- 适合有 3 年以上制造业质量或工艺经验、统计功底扎实，同时对数据分析和数字化、AI 在制造场景落地有强烈兴趣的工程师
缺点 / 挑战
- 职责覆盖面广：从质量策划、审核到数据分析、AI 探索均需参与，工作内容跨度大、优先级管理压力不小
角色解读
- 纵向可向资深质量工程师、质量经理方向发展，负责更大范围的质量体系与团队管理
- 横向可转向工艺工程、数字化制造、数据分析或 AI 在制造场景的应用等方向，该岗位已明确鼓励数字化与 AI 能力的积累
- 在光纤等工艺密集型制造环境中积累的经验，可迁移到电子、半导体、材料等高端制造行业
- 负责产品从来料到成品的全流程质量保证：制定质量控制计划、检验方法、抽样策略与接收标准，并跟进变更与验证
- 用统计工具（SPC、能力分析、MSA、控制图、DOE）监控制程稳定性，识别关键工艺参数与变异来源，推动制程能力提升
- 主导内外部质量问题的根因分析（8D、结构化问题解决），推动纠正预防措施闭环，并参与质量体系与制程审核
- 分析复杂制造与质量数据，搭建可视化看板，并推动质量流程的数字化、自动化与 AI 应用落地
- 扎实的质量工程方法论基础：PQA/QC 实践、控制计划、FMEA、8D、根本原因分析与变更控制
- 统计与数据分析能力：SPC、过程能力分析、MSA、DOE，熟练使用 Minitab，最好掌握 Power BI、Python、SQL
- 制造现场理解力：能把工艺参数、设备状态、物料变异与产品质量输出串起来做工程分析
- 跨职能沟通与推动力：需要与制造、工艺、设备等团队协作，并具备中英文沟通能力
申请策略
- 该岗位属于光通信事业部的制造质量方向，建议提前了解光纤光缆及光通信产业链的基本工艺与质量关注点
- 面试中主动询问该岗位所在工厂/基地的具体产品线与现场支持比例，明确日常工作重心
- 用量化结果呈现质量改善项目：如某制程 CPK 提升、不良率下降、客诉闭环周期缩短等，突出你主导的部分
- 明确列出使用过的质量工具与方法：SPC、MSA、FMEA、8D、DOE、控制计划，并说明具体应用场景
- 补充数据分析与数字化项目：Minitab/Power BI/Python/SQL 的实际产出，如搭建的质量看板、自动化报表、异常检测模型
- 体现跨职能协作经验：与工艺、设备、生产、客户质量团队合作推动问题闭环的案例
- 若统计工具使用不深，可系统补强 SPC、过程能力分析与 DOE 的实操，准备 1-2 个可讲述的分析案例
- 提升数据工具能力：Power BI 看板搭建、Python 数据处理与可视化、SQL 查询，最好能结合制造数据做一个小项目
面试指南
- 用 STAR 结构讲案例：背景与问题—你的角色—分析方法与工具—量化结果—沉淀下的标准化措施
- 质量问题回答遵循“数据先行”思路：先讲如何用数据界定问题与变异来源，再讲跨职能协作与验证闭环
- 涉及数字化/AI 时，用“业务痛点—数据基础—方案选型—验证效果—推广风险”的框架表达，体现实用性而非概念堆砌
- 请举一个你主导的质量改善案例：问题现象、你如何用 SPC/MSA/DOE 定位根因、最终效果如何？
- 当制程能力不足但生产交付压力很大时，你会如何与制造、工艺团队沟通并推动解决？
- 你如何设计一套从来料到成品的质量控制计划？抽样策略和接收标准如何确定？
- 你做过哪些数据分析或数字化项目？如何把制造数据转化为可执行的改进建议？
- 你对 AI 在制造质量中的应用有什么看法？有没有设想过具体落地场景？
职位点评
薪资福利60
成长发展80
工作生活55
使命价值72
薪资福利
60中等
职位描述未披露薪资范围与福利细节，补偿性信息透明度较低，需在沟通中主动确认；岗位本身为制造业技术职能，薪酬通常与经验年限和技能稀缺度挂钩。
薪资信号未披露（AI估算：1.4千–2.4万/月）
成长发展
80较高
岗位同时覆盖传统质量工程方法论与数据分析、数字化、AI 应用，技能栈复合且可迁移性强；但 JD 未提及明确的晋升通道或培训体系。
技术前沿主流现代技术
技术栈SPC、MSA、FMEA、8D、DOE、Minitab、Power BI、Python、SQL、Lean、Six Sigma、DMAIC、机器学习
成长机会Continuously build technical and quality knowledge, share learning、Provide on-site quality support, coaching, and training、Strong learning agility and curiosity
业务类型ambiguous
工作生活
55较低
JD 未说明办公模式与工时安排，但职责中包含现场质量支持与产线协作，工作地点与节奏的灵活性信息不足，需在面试中确认。
工作模式未明确
办公地点科技园/产业园
加班情况未提及（无法判断）
使命价值
72中等
所属光通信业务处于通信基础设施这一成熟且具长期需求的领域，公司叙述强调连接与救命药物交付等社会价值，但岗位本身的质量改进工作意义感更多来自内部制造体系。
行业发展稳定成熟行业
社会影响正向社会影响力较高
使命信号help connect the unconnected、drive the future of automobiles、ensure the delivery of lifesaving medicines
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