岗位简介
围绕制造系统的数字化和智能化建设，分析生产流程、设备信息与质量数据，识别影响节拍、稳定性和可追溯性的关键问题。岗位将业务需求转化为数据采集、系统集成和持续改进方案，组织试点验证并评价实施效果。强调模型、数据与现场过程的一致性，协同生产、设备和信息技术人员推进可落地、可维护的改进。
工作场景
智能产线建设、生产数据采集、质量追溯分析和设备运行优化，覆盖方案规划、试点与运行评估。
智能制造工程技术人员
智能产线建设、生产数据采集、质量追溯分析和设备运行优化，覆盖方案规划、试点与运行评估。
所属岗位群数字化与智能应用
关联专业工业机器人技术
知识要求
理解智能制造系统层次、设备通信和数据采集流程。
了解数字孪生、状态监测与质量追溯的应用边界。
掌握指标定义、数据质量检查和改进效果评价的基础方法。
技能要求
能整理现场数据并辨识异常、遗漏及口径差异。
能搭建或使用仿真模型辅助分析生产瓶颈。
能协调方案实施并用可追溯记录验证改进效果。
职业素养
尊重数据事实，明确假设、误差和结论适用范围。
重视数据权限、跨部门协作及工程文档质量。
将持续改进与资源节约结合，避免片面追求单一指标。
主要职责
梳理生产流程与数据需求，定义采集对象和评价指标。
协调设备、控制系统与数字化应用的接口及数据口径。
分析试点结果，提出优化措施并跟踪实施效果。
典型工作任务
绘制生产流程和数据流，识别缺失数据与重复记录。
建立节拍、停机与质量指标的计算口径和数据检查规则。
借助仿真或试点比较改进方案，记录约束与适用条件。
形成运行分析报告，跟踪改进前后的指标变化。
关联课程
智能制造基础
本课程从智能工厂的系统视角认识机器人、物流、检测与信息系统的协同关系。围绕典型生产线案例，学习设备层、控制层与管理层的职责，理解生产数据、质量记录和设备状态如何支持现场改进。课程通过流程梳理、数据看板解读和方案比较组织学习，培养学生分析系统边界、发现协同问题并提出可验证改进建议的能力。
查看详情 →数字孪生与虚拟调试技术应用本课程面向机器人工作站的数字化建模与虚拟调试，将几何结构、运动行为、控制逻辑和运行数据结合起来。通过虚拟产线或工作站案例，学习设备对象映射、信号连接、状态监控与场景测试，分析虚拟系统与现场设备的差异。课程以模型文件、信号清单、测试用例和差异报告为成果，培养在实施前发现接口问题、验证控制逻辑和跟踪模型修订的能力。
查看详情 →