我有次去一家电子代工厂参观，车间里一排排机械臂安静地运作，场面确实挺震撼。陪同的车间主任跟我说了一句话，印象很深：“以前这条线要40个人，现在4个人看着机器就够了。但这4个人，比以前那40个人难招。”
难在哪？不是学历要求高了，而是需要对整条线有感觉的人——机器报警时能判断是误报还是真故障，物料周转卡住时能快速找到卡点，质量波动出现时能猜到大概是什么环节出了变化。这些东西，系统没法完全写进代码里，但一个在线边待过两三年的工人，心里是有数的。
所以回到那个很多人关心的问题：流水线岗位确实在收缩，但普通工人是不是就没出路了？我观察到的答案是否定的。只是出路的方向变了——从“拼手速”变成了“拼判断”。
你的经验，其实是某种意义上的“数据积累”
说个真实的例子。有个朋友在一家做连接器的厂里干了五年质检，每天的工作就是抽检、量尺寸、填报表。后来厂里上了自动化检测设备，他的岗位从“全检”变成了“异常处理”——也就是机器挑出来的不良品，他负责复核和判断原因。
刚开始他觉得这工作没以前充实了，机器把活都干了。但干了半年他发现，同样一批不良品，他能从毛边的方向、分模线的痕迹、甚至塑料的颜色深浅上判断出是哪台注塑机、哪个时段生产出来的，而机器只能给出“尺寸超差”四个字。
他把这些判断方法整理了一下，跟设备科的同事一起做了一个简单的判定表，输进了系统里。现在那套自动化检测设备不仅能挑出不良品，还能自动归类可能的成因，设备科的同事开玩笑说“你把你的经验拷贝了一份给机器”。
后来他觉得自己对这些“生产数据”挺有感觉，就利用业余时间学了一些基础的数据分析工具，把每天记录下来的不良品数据按机台、班次、物料批次做了几张趋势图，每周发给车间主任。主任拿着这几张图去开生产会，比以前翻厚厚一摞报表轻松多了。再后来他考了个行业里认可度高的CDA数据分析师证书，算是给自己补了一块方法论上的短板，现在被调去了工厂新成立的精益推进组，专门帮各条产线做类似的“经验数据化”工作。
这个例子给我的触动在于：他并没有变成程序员，也没有离开工厂，只是把他本来就会的东西，换了一种更高效的方式表达出来。 机器替代的是重复动作，但机器替代不了对现场那种“不对劲”的直觉——而这种直觉一旦被数据工具放大，价值会高出好几个量级。
具体可以往哪几个方向走
如果你现在在一线，不想一直做纯重复性工作，结合上面那个例子和我在其他工厂看到的类似情况，大概有三个转型方向是比较现实的：
一个是往设备侧走。 自动化设备越来越多，但设备需要维护、调试、异常恢复。懂设备的工人比懂设备的工程师更吃香，因为你知道实际工况是什么样。考个电工证、学点PLC基础，往“设备保全”方向走，这条路很稳。
一个是往质量侧走。 自动化检测解决了“检得快”的问题，但“检得准”和“为什么出问题”仍然需要人来判断。往QE（质量工程师）、SQE（供应商质量）方向走，一线经验是你的绝对优势。
还有一个是往数据侧走。 这是我觉得未来几年增量最大的方向。产线数字化以后，每台设备每分钟都在产生数据，但大部分数据躺在服务器里没人看。如果你能把这些数据变成“昨天夜班3号机温度波动偏大，建议今早检查冷却系统”这样一句人话，你在管理者眼里就是另一类人了。而这件事的工具门槛其实没有想象中高——Excel函数、简单的SQL查询、几张可视化图表，加上你对现场的理解，已经能解决大部分问题了。
别急着否定自己
我见过很多一线工人对自己有一种不自觉的贬低，觉得“我就是个干活的”，“我没文化”，“转型是大学生的事”。但说实话，在数字化转型这件事上，真正缺的不是懂Python的人，而是懂业务又愿意学点工具的人。前者市场上能招到，后者非常稀缺。
所以如果你现在正感到焦虑，也许不用急着想“我要不要离开这个行业”。可以先想：我手头这件事，有没有办法用数据把它说清楚？ 从明天上班时把报表做得更清晰一点开始，这可能就是转型的第一步。
至于要不要考证、要不要系统学数据分析，那是下一步的事。先跑通一个小闭环，让自己尝到“用数据说话”的甜头，后面的事会顺很多。
机器确实在取代一些岗位，但它也在创造新的岗位。那些新岗位的名字听着陌生，但底层需要的能力——对现场的理解、对异常的感觉、对流程的判断——恰恰是流水线上最不缺的东西。
热门跟贴