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
薪资怎么样
2.0万
与质量管理中位数基本持平
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 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
负责光通信产品全生命周期的质量保证工作，包括质量计划、控制计划、检验方法制定，以及基于 SPC、MSA、FMEA、DOE 等统计工具的过程能力分析与改善
还需要与制造、工艺、设备等团队协作定位根因、推动纠正预防措施，并探索质量数据化、自动化与 AI 在质量监控中的应用
最低要求
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 年质量工程、工艺工程、制造工程或制造环境下密切相关技术职能的工作经验
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
具备过程理解、过程控制、能力分析、结构化试验和制造质量改进的实践经历或较强潜力
具备光纤制造或其他流程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
具备良好的中英文书面与口头沟通能力（Soft Skills 中明确要求 Mandarin and English）
工作职责
负责并执行产品全生命周期的产品质量保证（PQA）活动，包括质量计划、风险评估、鉴定、变更控制和持续绩效监控
建立、维护并改进来料、在制品和成品的质量控制计划、检验方法、抽样策略、接收标准和反应计划
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，识别关键过程参数与波动来源，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，确保及时有效的纠正与预防措施
评估产品和过程变更，识别质量风险，确保在放行前实施适当的验证与控制措施
审核质量体系与制造过程，识别差距，推动可持续的纠正措施并确保符合适用要求
以清晰、及时、主动的方式向相关方沟通质量绩效、风险、趋势与改进优先级
分析大型复杂制造与质量数据集，识别趋势、相关性、异常模式、波动来源与改进机会
将产品测试结果与过程参数、设备状态和物料信息整合，支持基于事实的根因识别、风险预测与过程优化
开发有效的数据可视化、仪表盘和分析工具，提升质量监控、管理评审、决策以及产品/过程风险的早期发现能力
识别并实施将人工质量流程、报告、数据评审与知识管理数字化或自动化的机会
与相关职能合作，探索并应用 AI 解决方案，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、辅导与培训，强化质量意识、标准执行与问题解决能力
使用 DMAIC、精益或其他适当方法论，主导或参与持续改进与卓越绩效项目
持续积累技术与质量知识，分享学习成果，并快速适应不断变化的产品、流程和业务需求
优先资格
深入了解 PQA 与 QC 实践，包括质量计划、控制计划、检验与测试、不合格品管理和变更控制
熟练运用 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
具备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，并支持数据驱动的决策
能够通过工程与统计分析把过程输入、设备状态、物料波动与产品质量输出关联起来
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
具备开发与改进质量体系、数据驱动的过程控制、监控方法与反应计划的能力
具备 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
必须具备对新兴工具的学习敏捷度
具备制造数字化、流程自动化、AI、机器学习或质量知识管理经验者高度优先
具备有效的项目管理与跨职能影响力
AI 洞察
优缺点分析
优点
- 岗位职责覆盖 PQA、过程控制、体系审核与持续改进全链条，专业积累扎实、可迁移性强
- 需要同时对接制造、工艺、设备、客户等多方，问题调查与推动纠正措施落地需要较强的跨部门影响力
- 适合有制造业质量/工艺背景、擅长统计分析与现场问题解决，并愿意在质量数字化、AI 应用方向持续学习的人
缺点 / 挑战
暂无明显挑战项
角色解读
- 可沿质量专业纵深发展为资深质量工程师、质量体系与持续改进专家
- 也可横向拓展到数字化制造、质量数据分析、AI 质量应用等方向，或走向质量/制造管理岗
- 负责光通信产品从导入到量产的全生命周期质量保证，制定质量控制计划、检验方法与抽样标准
- 核心是统计过程控制与质量工程方法论：SPC、过程能力分析、MSA、FMEA、8D、DOE，配合 Minitab 及 Power BI、Python、SQL 等数据工具
申请策略
- 提前了解光通信/光纤制造的工艺特点与康宁的业务结构，面试中体现对制造现场的理解
- 重点量化呈现 SPC、过程能力提升、不良率下降、8D 根因分析等具体成果与数据
- 补充 Power BI / Python 的数据处理与可视化作品，准备 1-2 个 DOE 或 MSA 的完整分析案例
面试指南
- 用 STAR 结构描述问题背景、你使用的质量工具、数据分析过程与量化结果
- 强调方法论选择依据而非只讲结论
- 请举一个你用 8D 或结构化方法解决重大质量问题的例子？
- 如何用 SPC 与过程能力分析判断一条产线是否稳定？
- MSA 在什么情况下必须做，如何解读 GR&R 结果？
- 你如何推动跨部门落实纠正措施？
- 你如何把 AI 或数据分析工具落地到质量工作中？
- 复习 SPC、MSA、FMEA、DOE 的核心概念与常见误区，准备可量化的项目案例
康宁 的其他在招职位
相似职位推荐
Watch Jobs