负责公司智慧水务产品全生命周期管理，聚焦AIoT技术与水务场景深度融合，主导从需求洞察到商业化落地的全链路设计，推动产品在污水厂运营、管网监测等核心场景的价值验证与规模化复制。

• 主导‘智能污水厂运营管理平台’V3.0版本需求调研与功能迭代，通过用户旅程图梳理20+类角色（厂长、工艺员、设备管理员）的核心痛点，运用KANO模型筛选出‘工艺参数智能调优’‘设备故障预测性维护’2项高价值需求；联合算法团队基于LSTM神经网络训练水质预测模型，解决传统人工经验调参滞后问题，上线后试点污水厂吨水电耗下降12%，工艺异常响应时间从4小时缩短至30分钟内，客户NPS评分提升至89分。
• 牵头管网漏损监测模块升级，针对老旧城区管网数据采集不全问题，创新性融合LoRaWAN无线传感技术与边缘计算网关，部署300+智能水表与压力传感器，构建‘实时监测-异常定位-工单派发’闭环流程；通过调整信号调制方式与部署密度，将数据丢包率从18%降至3%，漏损识别准确率提升至95%，助力合作水司年节水超50万吨，获省级‘智慧水务创新案例’奖项。
• 推动产品标准化体系建设，梳理7大类通用需求（设备接入、数据看板、报警管理等），编制《智慧水务产品功能SOP V1.0》，明确需求评审、开发排期、测试验收全流程标准；同步搭建组件库（含15个可复用功能模块），将新客户需求响应周期从6周压缩至3周，产品复用率从60%提升至85%，支撑年度签约客户数增长40%。
• 统筹跨部门资源完成产品商业化验证，联合市场部制定‘试点-标杆-复制’推广策略，在长三角地区落地5个示范项目；通过客户成功团队收集反馈200+条，输出《污水厂数字化成熟度评估模型》，为客户分层运营提供数据支撑，推动高价值客户续费率从82%提升至95%。

聚焦水务数字化解决方案落地，推动产品从单一功能模块向平台化演进，重点解决管网监测、水质预警等场景的数据孤岛与业务协同问题，支撑公司向‘水务全要素数字化服务商’转型。

• 设计‘水质在线监测预警系统’B端产品，整合环保部门、水厂、第三方检测机构的多源数据（pH、浊度、氨氮、重金属等），基于随机森林算法构建水质异常预测模型；在太湖流域试点中，系统提前72小时预警3起农业面源污染事件，协助环保部门处置效率提升40%，获生态环境局专项采购订单。
• 建立‘需求-迭代-验证’闭环机制，通过用户访谈、A/B测试等方式每月输出《需求优先级分析报告》，推动‘移动巡检APP’‘设备台账电子化’等3项核心功能迭代；上线后一线人员巡检耗时减少35%，设备信息准确率从88%提升至99%，直接带动老客户增购率提升25%。
• 主导IoT设备生态合作，对接华为云、移远通信等3家硬件厂商，完成Modbus、MQTT等6类协议适配开发；通过优化设备接入网关的并发处理能力，将单项目设备接入量从200台提升至500台，集成成本降低20%，为后续拓展区域级水务平台奠定技术基础。
• 参与编制《城镇供水管网数字化建设指南》（企业标准），定义‘压力-流量-漏损’关联分析指标体系，推动产品在3个地级市水务集团标准化落地，年度营收贡献占比从25%提升至40%。

参与公司首款水务信息化产品从0到1开发，聚焦中小型污水处理厂数字化需求，搭建基础功能框架，验证‘技术-场景-商业’可行性，为后续产品迭代积累原始数据与客户认知。

• 完成15家中小型水厂深度调研，输出《城镇污水处理厂数字化需求白皮书》，明确‘工艺监控’‘能耗管理’‘设备运维’为核心功能模块；基于调研结果设计产品原型，推动开发团队优先实现‘实时数据看板’‘报警阈值设置’等基础功能，产品首版上线即获3家客户试用。
• 负责SCADA系统与上位机交互模块开发，针对数据同步延迟问题，协调开发团队引入RabbitMQ消息队列优化数据传输逻辑；调整后数据更新频率从1分钟/次提升至10秒/次，关键工艺参数（如DO、MLSS）监控及时性显著增强，试点水厂工艺调整效率提升25%。
• 推动产品首轮商业化落地，在江苏、浙江2家小型水厂完成部署；通过驻场收集反馈120+条，重点优化‘报表自动生成’‘移动端查看’功能，功能覆盖率从70%提升至90%；项目验证了中小水厂对低成本数字化工具的需求，为公司后续推出‘轻量化SaaS版本’提供决策依据。

某头部钢铁集团全链路智慧废气管控平台搭建与落地

• 项目背景：某千万吨级钢铁集团推进超低排放改造时，面临“DCS/CEMS/气象数据分散、超标溯源慢、动态管控缺抓手”三大痛点，需构建“感知-预警-管控”一体化平台以支撑合规性与降本需求。我的核心职责是担任项目总负责人，统筹解决方案设计、技术攻坚及客户侧跨部门协同。
• 关键难题：① 多源异构数据（生产工况、废气成分、气象参数）融合率仅65%，无法还原真实排放场景；② 传统线性预测模型对烧结机、高炉等工序的废气浓度波动预测精度低，误报率达30%；③ 云端预警延迟5分钟，无法匹配“发现-处置”的分钟级管控要求。我牵头引入联邦学习框架解决数据隐私与融合问题，选定LSTM+注意力机制时序模型提升预测精度，并通过边缘计算节点将预警链路迁移至本地。
• 核心行动：① 对接客户IT、运维、生产3大部门，梳理32个数据接口，制定“时间戳对齐-异常值剔除-特征标注”统一清洗规则；② 针对钢铁全流程工艺，将生产负荷、原料成分等12个非结构化特征融入模型训练，将预测准确率从70%提升至90%以上；③ 组织15次现场迭代，调整高温区传感器防护方案，解决数据漂移问题，确保边缘节点稳定性达99.9%。
• 项目成果：平台上线后，数据融合率提升至92%，超标预警准确率达95%，推动客户年度超标排放次数从12次降至0，直接节省罚款及应急整改成本1200万元；客户凭此获评“省级绿色工厂”，项目成为钢铁行业智慧废气管控标杆案例。我个人也沉淀了大型工业企业“从需求诊断到价值落地”的全生命周期管理能力。

某地级市区域VOCs智慧监测网络构建与运营

• 项目背景：某地级市VOCs治理存在“监测盲区多、数据碎片化、溯源靠人力”问题，区域VOCs浓度长期超标15%。我的角色是项目架构师，负责监测网络规划、系统设计及后期运营体系搭建。
• 关键难题：① 传统人工选址导致监测覆盖度仅40%，无法捕捉化工园区、汽修集群的局部高值；② 数据分散在环保、园区、企业3类系统，利用率不足20%；③ 溯源依赖人工排查，单次耗时超24小时。我采用“模型模拟+实地验证”优化点位，基于GIS与CALPUFF大气扩散模型模拟100+种气象条件下的VOCs扩散路径，同时搭建LoRa+5G混合通信网络解决偏远区域数据传输问题。
• 核心行动：① 调研23个重点园区，收集产业分布、企业排污系数等数据，完成50个点位优化，覆盖度提升至85%；② 设计“企业自查-平台预警-政府督查”联动机制，开发移动端APP供企业实时查看排放数据，推动18家企业主动整改；③ 训练“热点网格+溯源算法”，融合气象、地形、企业工艺数据，将溯源时间缩短至2小时内。
• 项目成果：网络运行1年后，区域VOCs浓度较基准年下降18%，超标事件溯源率从30%提升至90%，推动12家企业完成RTO治理设施升级。项目入选“省级智慧环保示范项目”，获得环保部门书面表扬。我本人也从纯技术架构转向“技术+业务”融合，提升了跨部门协同与价值转化能力。

• 大二观察到毕业生离校时大量教材被废弃，而新生购书支出占生活费12%，便发起校园书籍教材循环计划。为解决传统二手书交易效率低的问题，我们开发微信小程序实现扫码估价、预约取件功能，并说服快递中心以成本价承接物流。
• 通过建立翻新消毒标准打消卫生顾虑，项目年流通教材1.2万册，累计为同学节省书费38万元。这段经历让我从商业小白成长为能设计闭环模式的实践者，项目不仅获省级创业金奖，更被纳入学校官方服务体系延续至今。