上回说到，制造业 FDE 是那个把算法工程师、IT 工程师和工艺老师傅从坑里捞出来的人。有读者问：“老张，那你自己得会多少东西？是不是得十项全能？”
十项全能不敢说，但 FDE 这行，确实是个“杂食动物”。今天我就把家底翻出来，跟你聊聊一个制造业 FDE 到底要会哪些本事。
先声明，以下技能不是招聘 JD 上抄的，是我这些年被产线毒打出来的“生存清单”。
技能一：Python——不写模型，写“胶水”
很多人一听 FDE 要会 Python，以为我得天天训练神经网络。大错特错。
我写 Python，90% 的时间在干这些事：
从 CSV 里读 20 万行数据，剔掉 -999 和 300℃ 这种奇葩值；
把 MES 系统导出的 Excel 按工单拆成几十个小表，再合并成一张大表；
写个小脚本，每隔五分钟读一次 PLC 寄存器，存到数据库里；
把质检图片从一个文件夹搬到另一个文件夹，顺便改个文件名。
说白了，Python 在我手里就是胶水，把各种数据、接口、系统粘起来。真要写核心模型，有算法工程师；我负责让模型有干净的“口粮”吃，再把它塞到产线上跑起来。
举个例子。有一次，我们需要把注塑机的工艺参数和质检结果关联起来，看哪些参数组合容易出缩水缺陷。
工艺参数在注塑机的 PLC 里，质检结果在质检员手上的平板 Excel 里，两者唯一的共同点就是“时间戳”。可 PLC 的时间戳是设备运行时间，质检记录的时间戳是北京时间，中间还差着时区，而且质检员经常忙得忘了填时间。
我干了三件事：
写了个 Python 脚本，从注塑机导出运行日志，提取每个周期的开始时间、温度、压力、保压时间；
从质检 Excel 里提取每个产品的质检时间和结果，用“最近邻匹配”把同一周期的工艺参数和质检结果对起来；
发现匹配不上的，人工核对，最后整理出一张干净的训练数据集。
整个过程没碰深度学习，就是几十行 Python，但没这几十行，后面模型再牛也白搭。
所以，FDE 的 Python 不用精，但一定要会用、敢写、能应急。
技能二：数据库——会写 SQL，能跟 ERP、MES 要数据
制造业的数据，大部分躺在各种系统里：ERP、MES、WMS、QMS、SCADA……这些系统背后，几乎都是数据库。FDE 不会 SQL，就像厨子不会开燃气灶——饿死。
我最常用的两句 SQL：
SELECT * FROM production_order WHERE order_status ='RUNNING';
DELETE FROM wrong_table WHERE 1=1; -- 这条我从来不执行，只是用来吓唬IT
说正经的，你得能：
有一次，销售总监让我分析“为什么 A 产品交付周期越来越长”。我一看，生产部说设备没问题，采购部说物料没缺，仓库说货都按时发了。各说各的，数据全在各自的系统里。
我干了三天，把 ERP 的工单表、MES 的设备状态表、WMS 的出入库表、还有 HR 的排班表连起来，发现一个规律：
每次交付延迟，都发生在夜班交接班后 2 小时内，而且集中在那台 3 号加工中心。进一步查，夜班人员对 3 号机的换型操作不熟练，换模时间比白班长 40 分钟，导致后续工序全部排队。
销售总监拿着我的分析报告去开会，生产经理脸都绿了。但问题解决了，交付周期缩短了 20%。
你看，数据库玩得转，你就能从“数据孤岛”里挖出真相。
技能三：工业协议——Modbus、OPC UA、RS232，别怕老掉牙
制造业设备五花八门，新设备可能有 OPC UA，老设备可能只有 RS232，甚至只有 4-20mA 模拟量。FDE 要采集数据，就得懂这些“设备方言”。
我最常打交道的：
举一个我印象深刻的例子。厂里有一台 2005 年的老注塑机，没有网口，只有一个 RS232 串口，厂家早就停产了。老师傅说：“这机器稳得很，除了不跟你说话，啥都好。”
我要采集它的温度、压力数据，只能打那个串口的主意。查了半个月资料，找到一份模糊的通讯协议文档，说波特率 9600，数据位 8，停止位 1，但数据格式没写全。我拿着笔记本电脑，蹲在机器后面，试了好几天，终于把数据包解出来了——原来是每 500ms 发一帧，每帧 20 个字节，温度在字节 7 和 8，压力在 11 和 12。
当我用 Python 把实时温度压力曲线画出来时，老师傅凑过来看了一眼：
“哟，这老家伙还真能说话？”
那一刻，比训出一个 99% 准确率的模型还爽。
所以，FDE 懂工业协议，不是为了炫技，是为了让那些“哑巴设备”开口说话。设备不说话，AI 就是无源之水。
技能四：现场生存能力——安全第一，别当“英雄”
进车间，第一条规矩：你的命比数据重要，比模型重要，比什么都重要。
FDE 经常在设备旁边调试，稍不留神就可能出事。我给自己定了几条铁律：
进车间必须穿劳保鞋、戴安全帽，去冲压、焊接区域还要戴护目镜。
动设备前，先断电、上锁、挂牌，跟设备操作工确认过再动手。
不碰急停按钮，除非真的紧急——有一次我差点把急停当电脑重启键按了，幸亏旁边师傅拉住我。
别把水杯放设备电柜上，洒了就是短路。
走路别看手机，车间里叉车、AGV、行车到处都是。
除了安全，还得有“环境适应力”。车间夏天热得跟蒸笼一样，冬天又冷得跺脚，油污、噪声、粉尘是常态。你穿着西装打着领带去车间，设备没坏，人先坏了。
我在车间的标配：深蓝工装、劳保鞋、口袋里揣着一把卷尺、一个手电筒、两把螺丝刀、一包纸巾（擦汗，也擦设备）。
记住，FDE 是去“部署”的，不是去“视察”的。你越接地气，工人越愿意帮你。
技能五：沟通能力——翻译官，不是传声筒
这是最重要、最难学的一项技能。
FDE 每天要面对：
算法工程师：满口“特征工程”“过拟合”“F1 score”
IT 工程师：满口“VLAN”“防火墙”“虚拟机”
工艺工程师：满口“缩水”“翘曲”“脱模角”
产线老师傅：满口“这个声音不对”“这料有点黏”“机器今天犯脾气”
老板：只问“能省多少钱？多久能上线？”
你要是在中间当传声筒，迟早被两边骂。FDE 要当翻译官，把每边的话翻译成对方能听懂的语言。
举个例子。算法工程师说：“模型精度 95%，但召回率只有 80%，建议调整阈值。”我要是直接转给老板，老板肯定问：“召回率是啥？能吃吗？”
我得翻译成：“老板，这模型 100 个坏品能抓出 80 个，还有 20 个漏掉。如果要把漏掉的也抓出来，可能会把一些好品误判成坏的，多花点人工复判成本。您看要不要调严一点？”
老板一听就明白：“那先调严点，别让坏品流到客户手里。”
再举个例子。老师傅说：“这机器今天声音发闷，像喉咙里有痰。”我要翻译给算法工程师：“设备振动频谱在 200-400Hz 频段能量升高，可能主轴轴承有初期磨损。”
老师傅的经验，配上数据的量化，模型才学得会。
沟通的核心，不是嘴皮子利索，而是你要真的懂两边在说什么。这就要求 FDE 对每个领域都至少有“半桶水”，不多，但足够撑起对话。
技能六：学习能力——技术变得快，老师傅的经验也在变
最后一条，我觉得是 FDE 的底层能力：保持饥饿，保持好奇。
AI 技术一年一个样，前年还在用统计规则，去年开始上轻量级 CNN，今年大模型都能跑边缘了。工业协议也在更新，设备越来越智能，老师傅的“土办法”也不断跟新工艺结合。
FDE 不能吃老本。我给自己定的学习节奏：
因为 FDE 的价值，不是你会某个具体工具，而是你能把新工具快速用到现场，解决新问题。
结尾：老张的技能树总结
有人问我：“老张，你说了这么多，到底什么才是 FDE 的核心竞争力？”
我画过一张图，左边是技术栈，右边是软技能，中间连着一行字：
让 AI 在车间里跑起来，还跑得稳。
技术栈包括：Python、SQL、Modbus、OPC UA、Docker、边缘盒子、数据处理、模型部署……软技能包括：沟通、现场生存、需求翻译、项目管理、跨部门协作、跟老师傅抽烟唠嗑……
缺了技术，你只能当个“传声筒”；缺了软技能，你只能当个“实验室书呆子”。两者都有，你才是那个能蹲在车间里、满手油污、把 AI 真正落地的人。
下一期，我跟你聊聊——第一次进车间，怎么才能活下来，还活得不那么狼狈？
敬请期待。
10个月宝宝每天需要喝多少奶粉？
