第2章 智能制造核心技能与知识体系
本章定位：智能制造技术专家的核心技能覆盖 OT（操作技术）、IT（信息技术）、AI（人工智能） 与 DT（数字孪生） 四大领域。面试官通过“技术体系认知 → 技术栈定位 → 项目验证 → 跨界整合”层层递进，考察你的技术广度、深度与工程落地能力。本章拆解 3 道最高频面试问题，提供可直接套用的回答框架。
智能制造核心技能四维模型
| 技能维度 | 核心技术 | 典型工具 / 平台 | 面试考察重点 |
|---|---|---|---|
| OT 操作技术 | PLC / DCS / SCADA / 工业网络 | Siemens TIA / Rockwell / OPC UA | 产线集成、实时控制、工业协议 |
| IT 数据技术 | 数据采集 / 边缘计算 / 时序 DB | MQTT / Kafka / InfluxDB / Spark | 架构设计、数据治理、系统集成 |
| AI 算法应用 | 机器视觉 / 预测维护 / 工艺优化 | TensorFlow / PyTorch / OpenVINO | 模型部署、工程落地、效果评估 |
| DT 数字孪生 | 建模 / 仿真 / 虚实映射 | Unity / Ansys / Tecnomatix | 业务理解、仿真精度、闭环优化 |
🎯 问答 1：核心技术体系与技术栈定位
面试问题：请描述智能制造的核心技术体系，并说明你在其中的技术栈定位。
面试官考察点：
- 对智能制造技术全景的认知广度
- 自我定位是否清晰、与实际经验匹配
- 能否用结构化语言拆解复杂体系
回答框架：
- 体系拆解：按“感知层 → 网络层 → 平台层 → 应用层”四层结构展开
- 技术栈对标：明确指出自己深耕的 1-2 个层级及对应技术
- 项目验证：用 1 个核心项目证明该层级的落地能力
- 差异化优势：强调跨层整合经验或垂直行业 know-how
示例回答：
智能制造技术体系分四层：感知层（工业视觉/传感器）、网络层（TSN/工业以太网）、平台层（MES/工业PaaS）、应用层（数字孪生/AI质检）。我深耕平台层与AI应用层，主导了基于工业PaaS的质检模型全链路部署，产线缺陷率降低37%。
可能追问：
- 你如何看待 OT 与 IT 融合的技术难点？
- 边缘计算与云计算在工业场景中如何分工？
- 你提到的项目中，数据闭环是如何实现的？
避坑提醒：① 不要只罗列技术名词而无项目印证；② 避免贬低某一技术领域（如说“OT 已经过时”）；③ 定位要聚焦，切忌“什么都会”但每项都很浅。
🎯 问答 2：跨界能力与整合思维
面试问题：你认为智能制造技术专家最需要具备哪些跨界能力？请举例说明。
面试官考察点：
- 是否具备 T 型人才思维（技术深度 + 业务广度）
- 能否用真实案例证明跨界整合能力
- 沟通协作与行业认知是否成熟
回答框架：
- 能力维度：提炼 3-4 项核心跨界能力（OT/IT融合 / 行业know-how / 数据思维 / 跨团队协作）
- 场景举例：选定 1 个具体项目，说明如何运用上述能力解决实际问题
- 结果呈现：用量化指标（OEE提升、缺陷率下降等）证明价值
示例回答：
四项跨界能力：1）OT/IT融合，打通PLC→云平台数据链路；2）行业know-how，理解工艺而非仅关注代码；3）数据思维，用ML优化工艺参数；4）跨团队协作，用业务语言对齐产线经理。在某项目中通过三项改进将设备OEE从72%提升至89%。
可能追问：
- 你如何快速补齐不熟悉的领域知识？
- 请分享一次跨界整合失败的经历及复盘。
- 你认为 OT 工程师转 IT 最大的挑战是什么？