济南机械技术工程师
机械技术工程师是从事机械工程技术领域的专业人士。他们负责设计、开发、测试和维护机械设备和系统。机械技术工程师通常参与产品设计和制造过程中的各个阶段,从概念设计到详细设计,再到生产制造。他们必须熟悉机械工程原理和相关的计算机辅助设计软件,能够运用这些知识和工具来解决机械工程方面的问题。此外,他们还需要进行材料选择、性能分析和成本估算等工作,以确保产品的质量和效率。机械技术工程师还可能参与项目管理和团队合作,与其他工程师、技术人员和客户进行沟通和协调。总之,机械技术工程师在机械工程领域发挥重要的作用,通过他们的技术知识和创新能力,推动并改善各种机械系统和设备的设计和生产。
薪酬概览
平均月薪
¥10600
中位数 ¥10500 | 区间 ¥8100 - ¥13200
数据来源:谈职全网28份招聘数据;更新时间:2026年7月13日
月薪分布
75% 人群薪酬落在 8-15k

三大影响薪酬的核心维度
影响薪资的核心维度1:工作年限
影响薪资的核心维度2:学历背景
市场需求
6月新增岗位
20
对比上月:岗位减少27
数据由各大平台公开数据统计分析而来,仅供参考。
岗位需求趋势
不同经验岗位需求情况
| 工作年限 | 月度新增职位数 | 职位占比数 |
|---|---|---|
| 应届 | 17 | 81% |
| 3-5年 | 2 | 9.5% |
| >10年 | 2 | 9.5% |
热招职位
1.负责工艺规程、批生产记录等文件的制定、优化与审核,确保工艺操作标准化。
2.监督生产过程符合工艺要求,开展工艺数据分析,预防与解决技术问题。
3.主导或协助工艺验证、工艺革新与技术转移项目,推进工艺持续改进。
4.参与偏差调查、变更评估,从工艺角度提出改进措施并跟进落实。
5.配合完成新产品导入、工艺优化等专项工作,协助车间工艺培训与人才培养。
1、相关设备安装、改进、调动、闲置、报废及维护。25%
2、设备的签收、验收;组织有效性评估、报废20%
3、设备生产厂家解决相关疑难问题等。15%
4、制订设备安全操作规程、维护作业标准、定期维护保养计划,操作规程的制定。15%
7、参与CTS特性中与设备改善相关的分析改善,并跟进改善效果。
1、图纸审核
2、项目立项、预算,制定计划书
3、领导安排的其他事物
4、参与CTS特性中与设备改善相关的分析改善,并跟进改善效果。
5、加工工艺制定
1.质量监督与合规:监督ADC生产全过程的质量控制执行情况,确保生产活动符合GMP、工艺规程、质量标准及公司质量体系要求。
2.记录与数据审核:审核生产批记录、辅助记录、检验记录等质量文件,确保数据完整性、准确性及可追溯性,推动记录规范化管理。
3.偏差与CAPA管理:主导车间内部偏差处理流程,组织偏差调查与风险评估,制定并跟踪纠正和预防措施,确保问题有效闭环。
4.内部自查与外部审计:策划并执行车间质量自查,识别质量风险并推动整改;迎接客户、监管机构等外部审计,准备质量文档,跟进审计缺陷项的整改落实。
5.跨部门质量协同:与生产、QA、QC、技术等部门密切协作,参与变更控制、超标结果(OOS)调查、产品质量回顾及持续确认工作。
6.验证活动支持:审核工艺验证、清洁验证、分析方法验证等方案与报告,监督验证实施过程,确保验证符合法规及内控要求。
7.技术转移质量评估:参与新产品、新工艺的技术转移,从质量风险控制角度评估工艺可行性,确保转移过程质量体系的有效衔接。
8.质量体系持续改进:运用质量工具(如FMEA、CAPA、趋势分析)推动车间质量体系优化,提升过程控制能力与产品质量稳定性。
9.质量培训与文化建设:组织开展质量法规、SOP及案例培训,提升员工质量意识与合规操作水平,推动全员质量文化落地。
1. 生产管理与运营:全面负责制剂药品生产车间的日常运营管理,确保生产计划按时、保质、保量完成。 监督生产流程的合规性,严格执行GMP(药品生产质量管理规范)、SOP(标准操作规程)及相关法规要求。 优化生产工艺流程,提升生产效率,降低生产成本。 统筹生产设备、物料及人员的调配,确保资源合理利用。
2. 质量管理与合规:贯彻药品质量管理制度,对生产全过程的质量控制负责,确保产品符合国家标准和企业内控标准。 组织处理生产过程中的质量偏差、OOS(超规格结果)及CAPA(纠正与预防措施)的实施。 配合质量部门完成产品放行、验证、稳定性考察及客户审计等工作。
3. 团队建设与人员管理:负责生产团队的组建、培训与绩效考核,提升员工技能与合规意识。 建立高效沟通机制,协调生产、质量、技术、工程等部门间的协作。
4. 成本控制与预算管理:制定并执行生产部门年度预算,监控生产成本,提出降本增效方案。 监督生产物料的采购、库存管理及损耗控制。
5. 技术改进与创新:推动生产技术升级,参与新工艺、新设备的引进与验证。 组织解决生产中的技术难题,提升产品工艺稳定性。
6. 安全与环保管理:落实安全生产责任制,确保生产环境符合EHS(环境、健康、安全)标准。 防范生产事故,组织应急演练及安全隐患排查整改。
7. 合规与审计应对:主导应对国内外药监部门(如NMPA、FDA、EMA等)的检查及客户审计。 确保生产记录、批档案等文件完整、可追溯。
1、负责协助药物研发阶段质量管理体系的建立、实施、维护与持续改进,确保研发活动符合国家药品监管法规要求;
2、负责药物研发药学研究(CMC)阶段的质量管理,包括项目研究各阶段的合规性监督审核、技术转移、研究现场规范性检查、委托研究、注册申报自查等;
3、负责研发过程中质量事件如偏差、变更、异常的管理,包括管理文件的撰写、流程的审核、调查与跟踪;
4、组织并执行研发相关的质量审计(内部审计及官方检查),牵头准备迎检材料,组织整改回复并跟踪审计发现项的整改与闭环管理;
5、审核研发相关的技术文件,包括方案、报告、记录、SOP等,确保其合规性、完整性和可追溯性;
6、跟踪国内外药品研发质量管理的最新法规动态,及时更新内部质量管理流程,组织研发人员进行质量管理体系、数据完整性等方面的培训。
1.生产管理:负责车间生产计划的制定和分解,根据生产计划,合理安排车间人员与设备,确保无菌注射剂按时、按质、按量完成生产任务;优化生产流程,提高生产效率,降低生产成本。
2.质量管理:严格把控无菌注射剂生产质量,确保生产全过程符合 GMP 要求;建立和完善车间质量控制体系,定期进行质量检查和分析,及时解决质量问题。
3.团队管理:领导和管理车间团队,进行人员培训、绩效考核与激励,提升团队凝聚力和执行力;协调车间内部及与其他部门的沟通协作,保障生产顺利进行。
4.合规管理,文件与记录管理:审核和管理车间生产相关文件,如操作规程、批记录等;确保文件的准确性、完整性和可追溯性,为生产和质量追溯提供依据。
1.协助质量副总经理/总经理制定并实施公司质量发展战略,建立和完善质量治理体系,推动质量管理体系持续符合中国GMP、FDA、EU GMP、ICH及其他适用法规要求,确保公司质量目标与经营战略有效衔接。
2.统筹药品全生命周期质量管理,监督质量体系各要素有效运行,组织开展质量风险管理、质量趋势分析及持续改进工作,保障产品质量、安全性和合规性。
3.负责国内外法规及监管要求的研究与转化,统筹国内外药政监管机构检查、客户审计及认证审核工作,建立常态化迎检机制,持续提升企业国际合规能力和市场准入能力。
4.推动质量文化建设和数据可靠性管理,建立风险预警和质量改进机制,强化全员质量意识和合规意识,提升企业质量管理水平和质量竞争力。
5.负责质量团队建设和人才梯队培养,打造专业化、国际化质量管理团队,为公司高质量发展提供组织保障和人才支撑。
6.完成公司及上级领导交办的其他工作。
负责指导微球制剂的研发,包括战略方向选择、调研立项指导、新项目评估、微球技术平台建设和技术难题指导解决、药品国内外注册指导等。
脂质体制剂研发领军人才(CSO)(海内外招聘)(J10828)
负责指导脂质体制剂的研发,包括战略方向选择、调研立项指导、产品开发策略制定、成药性指导、国内外注册申报等。
初中心理健康教师(骨干教师)7-10K/月
到岗时间: 2026-08-23
1、根据学校课程计划,负责初中心理健康教学工作及学生管理工作。
2、定期对师生进行心理品质状况的问卷调查,收集个案,最好日常个案整理工作。
3、有针对性地开办心理健康讲座。
(一)项目管理。结合药企生产运营需求(如生产调度、质量控制、设备运维等)主导AI相关项目(智能体、垂类模型、机器人应用、数据治理等)的立项技术分析、实施执行及验收全流程管理,对项目进度、质量负责。
(二)AI应用落地与优化
1. 聚焦制药生产运营板块,主导AI智能体应用落地,推动智能体在生产调度、异常预警、流程自动化等场景的部署与优化,提升生产运营的智能化、自动化水平,降低人工干预成本。
2. 牵头制药行业垂类AI模型开发与迭代,结合生产工艺、质量检测、设备运维等核心需求,主导模型需求梳理、数据标注、训练优化、部署上线及效果验证,确保模型适配制药行业场景,满足GMP数据追溯、合规管控要求。
3. 统筹工业机器人(如生产巡检机器人、物料搬运机器人等)在制药生产环节的应用规划、实施与运维管理,推动机器人与AI技术融合,优化生产流程,提升生产效率与操作规范性。
4. 跟踪AI应用效果,梳理应用过程中的痛点与不足,主导技术优化与迭代升级,持续提升AI应用的稳定性、实用性及合规性,最大化AI技术对生产运营的赋能价值。
(三)数据治理与数据安全。
1. 主导制药生产运营板块AI应用相关数据治理工作,建立健全数据标准、数据质量管控体系,统筹数据采集、清洗、转换、标注、存储及归档全流程管理,确保数据的准确性、完整性、一致性及时效性。
2. 牵头数据治理项目落地,协调跨部门梳理数据需求、解决数据孤岛问题,推动生产、质量、设备等核心业务数据的整合与共享,提升数据资产价值,支撑AI应用深度落地。并兼顾数据安全。
(四)团队与供应商管理。负责对接各子公司的AI应用团队,提升团队AI专业能力、数据治理能力(数据标准、数据质量管控等)。统筹AI及数据治理相关供应商的筛选、评估、合作管理,确保供应商服务符合项目需求及合规要求。
(五)跨部门协同与技术创新。协同生产、质量、设备、IT等跨部门,对接各部门AI应用及数据治理需求,制定方案解决生产运营过程中与AI应用、数据治理相关的技术难题,提升跨部门协作效率。跟踪AI领域、数据治理领域前沿技术转化、应用、落地。
