德科斯米尔
AI projects in IE
AI projects in IE
发布于 2 小时前实习/见习
实习生仅现场办公物联网
物联网
Mqtt
Tcp/Ip
Tia Portal
工业数字化
数据清洗
数据采集
物联网(Iot)
西门子Plc
值不值得投
69综合评分
综合评分 69
跨国车企供应链实习岗，聚焦工业物联网与AI数据基建，技术成长空间大，薪资福利待确认。
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，方便比较实习机会。
薪资怎么样
5.0千
比物联网中位数高
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 150 个在招 · 其中物联网 16 个
市场机会
选择适中
沈阳 · 物联网 · 16 个在招
职位详情
关于这个职位
面向在校本科生或硕士生，主要负责协助工程师进行工业自动化设备（如西门子PLC）的通信接口开发与数据采集
利用Python处理工业现场数据，搭建并测试基于MQTT等协议的物联网通信架构，同时负责技术文档撰写与系统测试支持
最低要求
本科大三、大四或硕士二年级在读，自动化、物联网工程、计算机科学、电子信息等相关专业
流利的英语读写能力，能够无障碍阅读技术文档并进行书面沟通
工作职责
协助工程师完成工业自动化设备（以西门子S7系列PLC为主）的通信接口开发与数据采集
参与工业现场数据的处理与转换，例如将PLC原始数据映射为结构化的网络传输格式
使用Python等工具进行数据清洗、预处理和初步分析，确保数据质量
参与搭建与测试基于MQTT等协议的物联网数据通信架构
撰写相关技术文档，协助进行系统测试
优先资格
熟悉西门子PLC（特别是S7-1200/1500系列）及TIA Portal编程环境
了解工业物联网常用协议（如MQTT）和架构
掌握Python编程，有数据处理或脚本编写经验
对JSON数据格式、网络通信（TCP/IP）有基本理解
具备快速学习能力、良好的逻辑思维，对工业数字化领域有浓厚兴趣
AI 洞察
优缺点分析
优点
- 依托跨国汽车零部件巨头平台，接触真实的工业现场与先进自动化设备，项目实战价值高
- 技术栈贴合工业数字化与物联网趋势，技能迁移性强，利于未来跳槽至智能制造头部企业
- 外企文化相对规范，注重员工成长与英语能力提升，培训体系完善
- 岗位偏向底层数据采集与通信协议调试，初期可能需频繁下车间或产线，工作环境不如纯互联网办公室舒适
- 涉及多系统对接与老旧设备改造，调试过程可能遇到兼容性问题，需耐心排查
- 作为学生岗，核心决策权有限，主要承担辅助执行角色，需主动争取更多独立模块负责机会
- 适合自动化、计算机或物联网专业的在校生，希望进入制造业数字化转型领域积累一线工程经验，且能适应一定现场调试工作的求职者
缺点 / 挑战
暂无明显挑战项
角色解读
- 向工业物联网架构师或自动化软件工程师方向发展，深入掌握产线数据采集与边缘计算技术
- 转型为智能制造/工业数字化领域的算法或数据工程师，参与AI模型在工业场景的落地应用
- 积累项目管理经验后，可晋升为技术主管或跨部门项目负责人，主导数字化产线改造
- 协助工程师对接工业自动化设备（如西门子PLC），完成通信接口开发与数据采集任务
- 利用Python对工业现场原始数据进行清洗、预处理与初步分析，保障数据可用性
- 参与搭建、测试基于MQTT等协议的物联网数据通信架构，打通设备到网络的传输链路
- 撰写技术文档并配合完成系统测试，支撑项目迭代与交付
- 掌握Python编程及数据处理基础，熟悉工业物联网通信协议（如MQTT）与网络通信原理
- 了解西门子PLC（S7系列）及TIA Portal环境，具备基本的电气/自动化背景知识
- 具备良好的英语读写能力，能独立查阅英文技术文档并进行书面沟通
- 拥有较强的逻辑思维能力与快速学习意愿，适应工业现场调试节奏
申请策略
- 提前了解德科斯米尔在汽车线束与内饰领域的业务布局，面试时可结合工业4.0趋势提出针对性问题
- 准备好1-2个完整的数据采集或物联网通信小项目案例，重点说明遇到的难点与解决思路
- 突出Python数据处理脚本编写经历，附上GitHub链接或代码片段
- 详细列出参与的IoT通信项目或PLC调试经验，量化数据吞吐量或系统稳定性提升指标
- 强调英语技术文档阅读能力及相关课程/证书，展现跨语言技术沟通能力
- 深入学习Python数据分析库（Pandas/NumPy）及MQTT协议原理，掌握发布/订阅模式与QoS等级
- 补充工业通信标准（如OPC UA、Modbus）基础知识，拓宽协议视野
- 练习撰写结构化英文技术报告，提升工程文档规范性
面试指南
- 采用STAR法则（情境-任务-行动-结果）结构化回答项目经历，重点突出个人在其中的具体贡献与技术选型依据
- 针对协议对比类问题，从应用场景、性能指标、安全性等维度进行客观对比，避免主观臆断
- 针对故障排查类问题，展示分层排查思维（物理层->链路层->应用层->数据层），体现系统化工程素养
- 请描述一次你使用Python处理实际数据集的经历，遇到了哪些数据质量问题？你是如何解决的？
- 你对MQTT协议的理解是什么？它在工业物联网场景中相比HTTP有哪些优势？
- 如果现场PLC采集的数据出现丢包或格式错误，你会如何设计排查流程？
- 请举例说明你如何通过阅读英文技术文档解决一个具体的技术问题
- 复习Python基础语法与常用数据处理库，准备至少一个完整的数据清洗/分析Demo
职位点评
薪资福利45
成长发展85
工作生活60
使命价值70
薪资福利
45较低
JD未明确披露薪资福利，作为学生实习岗位通常以固定津贴形式发放，整体薪酬吸引力一般。
薪资信号未披露（AI估算：3.5–6.0千/月）
成长发展
85较高
岗位深度绑定工业数字化与物联网前沿实践，提供真实产线数据接入与AI项目辅助机会，技术成长路径清晰。
技术前沿前沿/新兴技术
技术栈Python、MQTT、西门子PLC、TIA Portal、IoT、JSON、TCP/IP
业务类型cost_center
工作生活
60中等
未明确提及办公模式与工时安排，但制造业现场数据采集岗位通常需兼顾办公室开发与产线调试，WLB视具体团队节奏而定。
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
70中等
聚焦汽车产业链的智能化升级与工业数字化，契合制造业转型升级的行业趋势，具备明确的工程应用价值。
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
Watch Jobs