未填公司未填職務未填年齡範圍

現在一直在做過去優化過的重複工作,請教工業工程師未來展望

我從大學工管系畢業後,當兵、求職,近11年一直不斷學習、累積經驗,直到最近感覺沒有什麼成長覺得有些迷茫,以下是畢業後求職經歷:

1. 製程工程師(2年):負責現場異常排除、編程、治具設計,閒暇之餘研究設備參數最佳化與整改設備,並在離開前將治具設計經驗編列以便同事參考

2. 工業工程師:
2.1 第1~2年:評估推行流水線化作業,並訂定流水線管理辦法
2.2 第3~4年:建廠規劃;根據廠區規模進行產能評估,並以評估後設備量規劃製程空間、動線
2.3 第5~6年:產品設計、製程優化;生產資料整合,方便製程主管了解生產狀況,高階方便進行製程績效評估
2.4 第7年:將第5~6年整合的報表系統化
2.5 第8年:像作業員,固定周期重複做著第7年已系統化的資料,然後追著那些製程主管提供未達標的"原因"或"故事"

最近在想是不是去學點AI什麼的,把這些固定邏輯、動作的事給自動化,如果真的成功把自己裁掉,也算是一種突破

想請教,如果想要設計出一套系統,可以把【每天只需要撈資料的自己】和【每天只是看結果交辦工作的人】裁掉,需要具備什麼技能?
1. 程式語言好像是必須的,建議學什麼?
2. 看很多AI思考是用類神經網路演算,這該怎麼入門?
3. 還是有其他工作目標可以參考?

回答 4觀看 780
回答 4

建議到學校在職進修吧~培養雙攻位的技能基礎會更清楚該往那個方向走,應用工具從無到有的開發非常不容易,目前企業大部分的資料處理都可以採用EXCEL Visual Basic for Applications,VBA開發加以處理應該足夠,若是要進行數據分析可以應用的工具 Python、R 語言、Excel、Tableau、Power BI等.自學Python軟體取得容易不用錢,網路上有很多玩家,可看的論壇也多,人工智慧領域的範圍非常廣泛,值得花時間認識!一個訊號分析的演算到機械學習或深度學習可能都要耗費很長的時間.你的疑問在十年我就有了,最後我選擇到學校進修,有方向了就慢慢走吧.祝好

7人拍手・
0人肯定

提問者您好:
1.您的職涯閱歷相當豐富,思考邏輯佳,一路走來自我肯定是很有自信的專才。

2.AI自動化取代人力的應用是這個世代必然發展的趨勢,您如此幸運躬逢其盛世,又有心想往該領域發展,以您目前的職能再加上滿滿的自信很是為您期待能成一位AI演算工程師。

3.如何入門AI演算的課程相當多元,建議您可以利用政府部門例如職訓局或者私人補教業者針對類似課程進行研究何者的課程是您可以接受的內容與期待結果相符合,這部份的資訊在網路上都可以取得,因此您的1、2、3個問題是可以透過實體課程或線上課程實踐之。

以上分享謝謝!

4人拍手・
0人肯定

從您具有邏輯性的文字中可以看出您在這相關領域不斷追求卓越、挑戰突破的精神!當然在技術的尖端因為軟硬體的快速推移,學習Python或R語言都是現階段在資料分析及機器學習必備的程式語言。但也不會是唯一走的路。
也許參與管理團隊或是走向訓練、技術顧問等,或是持續和類似領域及同產業的工程師持續相互交流學習,主持新專案或是開創新專案、創業等等也都是可以考慮的選項。
當然,職涯的思考絕對不是線性思考,停下腳步回頭看一下過去十年和思考未來十年可能的自己,嘗試紀錄印象深刻的事件給自己評個分數,去想像未來想要的生活的那個畫面,是否正努力在那條路上。

4人拍手・
0人肯定

你好,了解到你是一位有著11年工業工程師經驗的專業人士,對未來有些困惑是很正常的。在工業工程領域,隨著科技的發展和產業變革,有一些方向可能值得關注:

1.數據科學和分析: 數據在當今的工業環境中扮演著關鍵角色。學習如何收集、分析和應用數據,可以幫助你優化製程、提高效率並做出更明智的決策。
2.物聯網(IoT)和工業4.0: 這些技術的興起為工業工程師提供了更多的機會。了解如何整合物聯網設備,並運用智能製造和數字化技術,以提高生產力和降低成本。
3.環境可持續性: 越來越多的公司關注環境可持續性。作為一位工業工程師,你可以參與專案,減少能源使用、減廢,同時提高生產效率。
4.機器學習和人工智慧: 這些技術可以應用於預測性維護、優化製程、提高質量控制等方面。學習這些技能可以使你更具競爭力,同時有助於解決複雜的生產挑戰。

總的來說,不斷學習和專業發展: 持續學習和專業發展是保持競爭力的關鍵。參與行業研討會、進修課程,保持對新技術和趨勢的敏感性。

另外如果你想設計一套系統,以減少每天繁重的資料撈取和結果交辦的工作,以下是一些建議:

1.程式語言: 一門適合快速開發和數據處理的程式語言是必要的。考慮你的背景和目標,Python是一個廣泛應用的選擇。它具有豐富的數據處理庫和工具,而且學習門檻較低。
2.數據處理和庫: 學習使用Python中的數據處理庫,如Pandas和NumPy,這些庫可以幫助你有效處理和分析大量數據。熟悉數據庫操作也是一個重要的技能。
3.機器學習: 若想應用機器學習來預測性工作,入門可以從Scikit-Learn開始,它提供了許多機器學習算法的實現。若想深入理解類神經網路,可以考慮學習TensorFlow或PyTorch,這兩者是目前最受歡迎的深度學習框架。
4.自動化工具: 學習使用自動化工具,如Airflow,來安排和管理你的工作流程。這能幫助你自動撈取資料、執行任務並將結果通報。
5.專案管理和流程優化: 瞭解專案管理的基本原則,使用工具如Jira或Trello來組織和監控工作流程。優化工作流程也是提高效率的一個關鍵。

以上技能和知識可以協助你設計出一套自動化系統,從而減輕每天的重複工作負擔。開始時,可以從一個小規模的專案入手,這有助於穩步學習和應用這些技能。希望這些建議對你有所幫助。

1人拍手・
0人肯定
問題沒被解決嗎?邀請GIVER來回答!
找不到想看的內容嗎?

大家都在搜

發問
發問