当前位置: 首页 > news >正文

施乐复印机维修难题:技术人员如何破局,尤里卡项目能否成功?

1. 施乐复印机维修背景

尽管维克多·日丹诺夫如今鲜为人知,但他曾牵头开展了历史上最伟大的项目之一。《万物皆需维护》作者斯图尔特·布兰德在书中提到,2026年1月,负责维护大型复印机的技术团队,一有机会就聚在一起吃饭。他们负责的大型复印机极其复杂,不同型号和升级版差异大,若不与同行交流维修保养的细微差别,很难让机器正常运转。

2. 朱利安·奥尔的研究

20世纪80年代中期,施乐复印机为美国办公室提供大量复印件的同时也带来困扰。人类学家朱利安·奥尔受雇于施乐帕洛阿尔托研究中心,后转而研究施乐维修技术人员。他的研究成果写成《谈论机器:现代工作的民族志》。他发现技术人员通过“讨论”解决机器棘手问题,“战争故事”是对话中最具启发性的元素。

3. 施乐复印机的复杂性

到80年代中期,施乐复印机复杂程度高,每台机器独特,新故障模式不断出现。如1977年推出的施乐9400复印机,重达1.5吨,售价8.5万美元(相当于2024年的43万美元),功能复杂,任何一处故障都可能导致问题。技术人员被组织成区域团队,负责维修一个地理区域内的所有机器,他们与施乐公司其他部门文化价值观不同,更专注于技术人员 - 客户 - 机器的三角关系。

4. 客户与机器问题

很多问题源于用户的不当使用,技术人员有“不要修机器,要修客户”的格言。露西·萨奇曼对施乐8200复印机的“恶魔实验”,揭示了即使是专业人员使用复印机也会遇到困难。客户是故障诊断信息的重要来源,技术人员要让客户融入交流社群,保护与客户的社会关系。

5. 技术人员的特点与培训

奥尔研究的技术人员大多来自农村,热衷于捣鼓东西,部分人在大专院校学习技术课程,五分之一在军队学习技术技能,所有人都在弗吉尼亚州利斯堡的施乐文档大学接受过培训。他研究的主要是1982年推出的施乐1075复印机,售价5.5万美元(相当于2024年的18万美元),实际使用远超设计复印量,引发意想不到的问题。

6. 战争故事与问题解决

技术人员的战争故事不是关于日常维护,而是机器极端行为或人类与机器互动的新表现形式。奥尔记录了一位技术人员讲述的战争故事,涉及施乐1075复印机升级后出现的新问题。追踪问题根源最好与其他技术人员合作,技术人员通过收集信息构建故事来解决问题。

7. 对服务手册的批评

奥尔批评服务手册中的诊断“故障隔离程序”,这些文档不是为思考机器问题提供信息,而是引导技术人员找到解决方案,不鼓励理解,也不包含实际工作经验。技术人员知识比文档广泛,原理图对追踪故障有帮助。技术人员受文档影响采用“霰弹枪式”方法会感到沮丧,这种方法不能真正解决问题。

8. 施乐公司的争议与项目

奥尔的研究在施乐公司引发争议,少数人认为为公司展示了未来道路,多数人认为技术人员闲聊浪费时间和资金。2000年4月,《哈佛商业评论》发表文章总结奥尔的研究,指出技术人员形成实践社群。帕洛阿尔托研究中心设想“尤里卡项目”,让施乐技术人员连接成全球“实践网络”。

9. 收音机项目与困境

科罗拉多州的一位地区经理受启发提出收音机项目,技术人员希望拥有双向收音机用于交流。收音机项目取得成功,但施乐公司为节省资金降低收音机功率和范围。尽管如此,几年内施乐全球25000名服务代表都配备了便携式收音机。

10. 尤里卡项目的挑战

尤里卡项目的主要设计者是奥利维尔·雷曼,但负责监督技术人员的经理们认为该项目毫无价值并加以阻挠。这源于早期降低技术人员技能要求的努力,技术人员为保住工作假装认同指导性程序,但私下保留“作弊单”。技术人员对客户的忠诚度高于对经理的忠诚度,他们会违抗施乐政策修复机器。技术人员对尤里卡项目感兴趣,但怀疑其能否有结果。

http://www.jsqmd.com/news/787142/

相关文章:

  • ARMv8/9异常处理与ESR_EL2寄存器详解
  • OpenClaw的模型和渠道详解
  • CSS Subgrid详解:网格布局的终极进化
  • 基于Next.js 14与AI SDK构建企业级全栈聊天应用架构解析
  • GitSubmodule避坑全攻略
  • 在多模型聚合平台观察不同模型的响应延迟与Token消耗对比
  • 开源技能库:结构化技能体系如何驱动个人与团队技术成长
  • 开源量化交易框架dsinyakov/quant:从回测到实盘的一体化平台实践
  • 【2026实战】Python+Go构建企业级AIAgent实战指南工业场景:代码审查Agent开发实战
  • CANN算子库基础框架安全声明
  • PyCharm性能调优避坑指南
  • 2026年质量好的彩钢活动房深度厂家推荐 - 品牌宣传支持者
  • OpenAI发布Codex for Chrome扩展:填补API场景空白,加速AI融入办公开发
  • 数字芯片验证中的功能覆盖与代码覆盖技术解析
  • 如何用TranslucentTB快速打造Windows透明任务栏:终极免费美化指南
  • 基于记忆库与链式关联激活的类人智能决策方案:从经验学习到白盒AI
  • 技术解密:ncmdumpGUI如何实现NCM加密音频文件的本地化处理
  • JavaScript驱动开源桌面机器人Stack-chan:从硬件选型到行为编程全解析
  • 像素级实景映射,构建实景孪生底层新范式
  • Flutter表单处理与验证:构建用户友好的输入界面
  • MCP-AQL协议解析:重构AI Agent工具集成,实现96%的Token削减
  • GTA5线上小助手:免费高效的游戏体验增强工具终极指南
  • Mesa 26.1.0 发布:实现 OpenGL 4.6 和 Vulkan 1.4 API,稳定性待考量
  • ChatGPT情感分析能力评测:零样本表现、小样本学习与实战应用
  • AI求职分身实战:基于WebSocket Hook与Spring Boot的自动化招聘系统
  • MCP服务器模板实战:快速构建AI Agent外部数据与工具接口
  • 开源硬件ClawBadge:从LED点阵驱动到无线扩展的智能徽章制作全指南
  • 从零构建极简实时聊天应用:React、Node.js与WebSocket实战
  • 基于VuePress构建开源知识库:从静态站点到自动化部署
  • CANN/hccl 分散操作示例