3. 维修人员技能体系建模

维修派工要“派得准”，前提是先把“人”描述清楚。技能体系建模的本质，是把维修人员的能力从模糊印象转化为可查询、可比较、可计算的结构化数据。它要回答四个问题：这个人会什么（技能分类）、会到什么程度（技能等级）、凭什么证明（认证资质）、在什么条件下真正干过（经验标签）。这四类信息组合起来，才能支撑多技能矩阵与技能画像，进而驱动派工匹配、排班优化与培训规划。

一、技能分类：先建立可复用的技能树

技能分类不能按“人”来分，而要按“设备—系统—任务”来分。推荐采用三层技能树：技能域 → 技能族 → 技能项。例如“机械维修”为技能域，“旋转设备”为技能族，“离心泵拆装与对中”为技能项。技能项必须可考核、可观察，避免出现“动手能力强”这类无法验证的条目。

编码建议采用分段式，如 MEC-ROT-PMP-001：MEC 表示机械域，ROT 表示旋转设备族，PMP 表示泵类，001 为顺序号。编码稳定后，技能项名称可以修订，但编码不变，避免历史工单与培训记录失联。技能项还应标注适用设备型号范围、安全前置条件（如是否需锁定挂牌 LOTO）与典型工时，这些字段会直接影响派工可行性判断。

二、技能等级：用行为锚定代替主观打分

等级若只写“初级/中级/高级”，不同主管的理解会漂移。更可靠的做法是行为锚定等级（BARS），把每一级对应到可观察的独立作业表现。常用五级模型如下：

等级不是永久属性。建议为每个“人员—技能项”组合设置 level、assessed_at（评定日期）、valid_until（复评期限）与 evidence（评定依据，如工单号、考核记录）。超过复评期限未复评，系统应自动降级为“待复评”，而不是继续按原等级派工。

三、认证资质与经验标签：把“合法”和“真干过”分开

认证资质回答“有没有资格”，通常有法定或客户强制要求，如电工证、焊接证、高空作业证、无损检测（NDT）Ⅱ级、厂商专项培训证书。资质数据应包含证书编号、发证机构、生效日、失效日、适用范围与附件扫描件。派工校验时，资质是硬门槛：失效即不可派，不能用人情覆盖。

经验标签回答“在什么场景下真正做过”。它来自工单历史，可自动生成，例如“离心泵机械密封更换 ≥5 次”“ABB 机器人示教 ≥3 次”“夜间抢修 ≥10 次”“化工防爆区作业 ≥2 次”。经验标签应带计数与最近一次时间，便于判断技能是否“生疏”。资质与经验必须分开存储：有证不等于干过，干过也不等于有证。

四、多技能矩阵与技能画像的数据结构

多技能矩阵是“人员 × 技能项”的二维视图，单元格存放等级、资质状态与经验计数。技能画像则是以人员为主键的聚合视图，包含技能覆盖广度、等级分布、资质有效期预警、经验标签与可用性约束（班次、区域、体能限制）。

下面用一张关系图表达核心数据结构与派工校验链路：

落地时建议把上述结构拆成四张主表与一张关联表：skill_tree（技能树）、person（人员）、person_skill（人员—技能关联，含等级与复评期）、certificate（资质）、experience_tag（经验标签）。多技能矩阵与技能画像都是视图，不单独存表，避免数据不一致。

当技能体系数据结构稳定后，派工就不再依赖“谁有空叫谁”，而是可以按任务技能要求、资质硬门槛、经验匹配度与可用性做可解释的排序。技能画像也会反过来驱动培训计划：矩阵中大面积空缺或等级偏低的技能项，就是下一周期培训与带教的优先对象。