负责公司高端数控机床产线全链路数据采集体系搭建与迭代，打通设备层（Fanuc/Siemens控制系统）-边缘层-平台层数据通路，支撑数字孪生建模与生产过程优化场景落地

• 主导设计多协议兼容采集方案，针对35%老旧CJK-6136机床无标准通信接口问题，基于OPC UA+Modbus TCP混合协议栈开发自研适配器，解决协议转换兼容性问题，实现98%以上设备实时数据（转速、扭矩、加工温度等12类参数）采集覆盖率，较之前提升40%，支撑数字孪生模型参数同步延迟从1.2s降至300ms
• 优化边缘计算数据处理逻辑，基于Kafka Streams构建实时数据清洗Pipeline，结合Flink SQL实现刀具磨损预测值、主轴负载波动等关键指标秒级计算，解决1kHz高频振动传感器数据冗余问题，无效数据过滤率从65%提升至89%，产线停机预警准确率从72%提高到88%，减少非计划停机时间18%
• 推动采集系统与MES深度集成，采用RESTful API+MQTT双通道同步策略，解决跨系统数据延迟问题（从平均5s缩短至800ms），设计异常数据回滚与重试机制，保障生产报工、质量追溯数据完整性，助力车间生产效率提升15%，质量问题追溯时间从2小时缩短至15分钟
• 主导编制《数控机床数据采集运维规范》，涵盖设备接入标准、数据格式定义、异常处理SOP3大模块，推动团队采集部署效率提升30%，作为内部培训教材将新员工上手周期从2周缩短至5天

负责精密零部件加工线设备数据采集系统运维与迭代，支撑生产过程数字化监控与工艺优化

• 核心参与搭建基于树莓派4B的边缘数据采集节点，针对车床、铣床等5类设备调试RS485/CAN总线通信模块，优化信号隔离电路设计，解决设备数据丢包率高的问题（从12%降至3%），实现单条产线18台设备实时数据采集，支撑车间可视化看板开发与OEE计算
• 优化数据存储方案，将InfluxDB替换为TimescaleDB，结合分区表与LZ4压缩策略，解决历史数据（3个月）查询慢的问题（复杂SQL响应时间从12s缩短至2s），同时保障数据写入吞吐量提升25%
• 主导排查西门子S7-1200 PLC批量通信中断问题，通过逆向解析PLC寄存器地址表，调整Modbus采集脚本的轮询间隔与报文格式，48小时内恢复12台设备数据采集，未影响产线交付
• 协助开发数据质量监控模块，基于Prometheus+Grafana构建采集指标看板（数据延迟、缺失率、异常值占比），将数据质量问题发现时间从4小时缩短至15分钟，推动团队建立每日数据质量复盘机制

协助搭建小型自动化产线数据采集原型，学习工业通信协议与边缘计算基础技术

• 协助设计小型自动化装配线数据采集方案，采用Arduino Uno开发板连接温湿度传感器、光电开关，通过MQTT协议上传数据至阿里云IoT平台，实现装配环境与设备状态初步监控，为后续项目积累原型验证经验
• 调试Modbus RTU协议的ABB变频器数据采集，解决因接线端子氧化导致的通信不稳定问题，完成10台变频器接入，采集转速、电流数据用于电机节能优化分析，降低单台设备能耗8%
• 参与编写Python采集脚本，实现异常数据报警功能（温度超过45℃触发邮件+短信通知），替代人工巡检，提升产线环境监控及时性
• 整理15种常见工业设备（如三菱PLC、欧姆龙传感器）的通信参数（波特率、寄存器地址、数据格式），形成《小型设备数据采集手册》，提升团队协作效率约20%

船舶动力装备全生命周期物联网平台研发及产业化项目

• 沪东重机作为船舶动力设备龙头企业，面临客户对“设备全生命周期透明化管理”的核心诉求——传统运维依赖人工巡检，故障 downtime 年均占比18%，客户单台设备年运维成本超设备总价15%。项目目标为搭建“端-边-云”一体化物联网平台，实现设备实时状态监测、预测性维护及全链路追溯，我作为解决方案架构师主导从需求调研、技术选型到量产落地的全流程。
• 项目核心挑战有三：一是船舶甲板/机舱高湿、高振动环境导致传感器数据丢包率达25%；二是需融合西门子PLC、Wonderware SCADA、自研MES三类异构系统数据，格式差异导致同步延迟超30分钟；三是初始LSTM预测模型因船舶工况（靠港/航行/加速）波动大，故障预警准确率仅72%。
• 针对数据采集痛点，我设计了“边缘网关+冗余传感器”方案——选用研华UNO-2272G边缘计算网关，本地部署Flink做实时数据清洗（过滤抖动值、线性插值补全缺失值），将丢包率降至5%以内；数据融合层面，基于Apache Kafka构建实时流管道，制定“设备-测点-属性”统一本体模型，解决多源数据语义不一致问题，同步延迟缩短至1分钟内；算法优化上，引入迁移学习策略，用岸基测试数据预训练基础模型，再以船载真实工况数据微调，结合“主机负荷率-燃油消耗率-冷却水温度”关联特征，将预测准确率提升至91%。
• 项目上线12个月，覆盖公司80%主力机型（如12V46F柴油机），实现设备故障提前72小时预警率超85%，客户单台设备年 downtime 减少120小时、运维成本下降28%；申请发明专利2项（“船舶动力设备边缘侧数据预处理方法”“基于迁移学习的船用柴油机故障预测模型”），参与编制行业标准草案《船舶物联网设备数据交互规范》。我个人主导技术方案选型与跨部门协同，推动公司从“卖设备”向“卖服务”转型，项目成为智能服务板块核心收入来源（年营收占比18%）。

船用柴油机智能运维物联网系统迭代升级项目

• 公司原有船用柴油机智能运维系统仅支持温度、压力等5类参数监控，无法满足客户对“故障根因分析”和“远程指导维修”的需求，导致客户投诉率年增10%。项目目标为升级系统，新增预测性维护、远程诊断功能，我作为系统工程师负责架构优化与核心模块开发。
• 项目难点集中在三方面：原有单体架构扩展性差，新增振动加速度计、燃油品质传感器需修改核心代码，迭代周期超2个月；初始预测算法依赖单一振动幅值特征，准确率仅70%；远程诊断依赖电话沟通，现场工程师需携带纸质手册，故障定位时间平均4小时。
• 为解决扩展性问题，我将单体系统拆分为数据采集、存储、算法、应用四大微服务，用Spring Cloud Alibaba做服务治理，容器化部署（Docker+K8s），支持传感器快速接入（迭代周期缩短至2周）；算法层面，针对船用柴油机“变工况”特点，设计滑动窗口特征工程（提取10分钟内均值、方差、峰度），引入注意力机制LSTM模型聚焦“转速突变-燃油喷射量”关联特征，准确率提升至92%；远程诊断模块集成HoloLens 2 AR眼镜，现场工程师可实时调用专家知识库，标注故障点并同步生成诊断报告。
• 系统升级后，支持12类传感器接入，预测准确率提升22%，远程诊断响应时间缩短至1小时内、故障定位时间降至1.5小时；帮助客户年减少非计划停机15次以上，单台设备运维成本降低20%。项目获“2021年度船舶行业智能运维优秀解决方案”奖项，带动公司服务营收年增长30%。我个人推动系统架构现代化转型，优化算法性能，强化远程服务能力，成长为部门技术骨干。

• 因痛心于年轻人对历史的疏离，我在B站创立「古人脱口秀」栏目，用职场梗解构历史事件（如《雍正皇帝的KPI保卫战》）。通过设计「颠覆认知-史料佐证-现代共鸣」三幕剧本模板，单期视频最高收获1.7万条弹幕互动。
• 两年间栏目播放量突破180万，作品被多地中学选为教学素材。这段经历磨砺出将学术内容转化为大众语言的能力，也让我理解到真实用户反馈才是创作者的指南针。