负责汽车发动机缸体加工线全链路工业设备数据采集体系搭建与闭环优化，支撑MES系统实时生产监控、工艺参数追溯及OEE提升项目。

• 主导设计覆盖CNC机床（辛辛那提U500）、热处理炉（易普森IP200）、三坐标测量机（蔡司ACCURA）的多协议数据采集方案，针对老旧设备无原生接口痛点，用Python编写Modbus TCP/OPC UA双协议适配器脚本，攻克90年代设备通信兼容问题，最终实现98%设备（12台关键设备+8台辅助设备）接入率，较项目启动前提升40%，支撑MES系统实时展示主轴负载、炉温曲线等23个核心指标。
• 优化数据链路稳定性，针对车间电磁干扰导致的profibus通信丢包（初始丢包率12%），用Wireshark抓包定位到电缆屏蔽层破损问题，更换为双屏蔽profibus DP电缆；同时基于InfluxDB搭建边缘缓存层，设置5秒数据重传机制，将丢包率降至0.8%以内，保障了切削温度、进给速率等高频工艺参数的连续性，为后续工艺优化提供完整数据链。
• 开发定制化数据清洗Pipeline，用Spark Structured Streaming处理每秒1500条原始数据，结合设备机理模型（切削力=主轴电流×扭矩系数）过滤异常值（如温度超1200℃的传感器故障数据），并通过滑动窗口算法补全缺失值，将数据可用率从85%提升至96%，直接支撑工艺部门识别出3组切削参数冗余问题，优化后单台缸体加工时间缩短8分钟。
• 配合德国西门子团队完成MES项目验收，主导制定《发动机缸体线设备数据采集点清单》（含112个采集点）及《异常数据处理SOP》，针对验收中提出的“AQL数据一致性校验”要求，开发Python脚本自动比对采集数据与PLC寄存器值，误差率控制在0.1%以内，推动项目提前2周通过验收，该项目成为公司“灯塔工厂”建设的核心数字化案例。

负责精密模具加工线设备数据采集系统运维、异常排查及初步优化，保障生产数据及时性与准确性，支撑生产调度与工艺改进。

• 负责模具加工线（牧野V80慢走丝、沙迪克AQ550L电火花机、阿奇夏米尔线切割）数据采集系统运维，用Node-RED搭建跨车间（冲压车间→模具车间）数据转发流程，解决原有TCP/IP协议下的15分钟数据延迟问题，将同步时间压缩至3分钟内，支撑生产调度实时调整订单优先级，月度排产准确率提升18%。
• 排查慢走丝机床温度数据中断故障，用串口调试助手分析RS485通信报文，定位到PLC程序中温度寄存器地址配置错误（原地址40001误写为40010），修改后恢复数据采集，避免了因刀具过热磨损导致的2批次模具报废（合计损失约12万元），减少停机时间8小时。
• 协助优化数据采集点布局，在新引入的DMG MORI五轴加工中心增加NI 9234振动采集卡，采集主轴X/Y/Z向振动数据，结合FFT分析识别刀具松动的120Hz特征频率，帮助工艺部门建立“振动阈值预警机制”，提前3天更换松动刀具，将该设备废品率从3%降至1.2%。
• 梳理模具线18台设备的120个采集点，定义每个点的物理意义（如“主轴电流”对应切削负载）、单位（A）及采集频率（1Hz），形成《精密模具设备数据规范V1.0》，成为后续新设备接入的标准文档，将新设备调试时间从7天缩短至4.9天（降低30%）。

协助资深工程师完成普通机加工设备数据采集系统部署与基础维护，掌握工业物联网底层通信与数据处理的入门技能。

• 协助部署10台CA6140普通车床的数据采集终端，用Arduino开发板连接西门子S7-200 PLC与温度传感器（PT100），编写简单梯形图程序读取主轴负载数据（采样频率0.5Hz），实现车床运行状态的基础可视化，支撑车间主任统计设备日利用率（从65%提升至72%）。
• 解决车床转速数据波动大的问题，用万用表检测传感器接线，发现屏蔽线接地不良导致干扰，重新接地后将数据标准差从15rpm降至3rpm以内，积累了基础的设备电气故障排查经验。
• 用Excel制作数据透视表，统计每台车床的月停机次数、平均运行时间，为车间主任提供《设备利用率分析报告》，帮助优化白夜班排班，减少因人员闲置导致的设备停机，季度设备综合效率（OEE）提升4个百分点。
• 参与车间数字化培训，协助制作《设备数据采集基础》PPT，给一线工人讲解“传感器为什么不能碰水”“PLC指示灯含义”等内容，提高工人对数据采集的配合度，将因人为误操作导致的采集异常率从10%降至3%。

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。

• 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。