负责车间级工业设备（CNC、注塑机、AGV）全链路数据采集体系搭建与优化，支撑生产透明化、预测性维护及工艺参数迭代场景落地

• 主导设计覆盖西门子840D、发那科0i-MF、牧野V80等多品牌CNC机床的数据采集方案，针对设备协议异构痛点自研轻量级协议转换网关（基于Python开发，支持OPC UA转MQTT/HTTP），同步解决数据丢包与延迟问题——将单台设备采集延迟从500ms压缩至150ms以内，12台目标设备数据采集覆盖率从70%提升至95%，彻底消除“设备数据孤岛”，为后续生产OEE计算与主轴负载预测提供完整数据源
• 优化MES系统与采集层的数据对接流程，引入Apache Kafka作为高并发消息队列，调整数据序列化方式为Avro以降低传输冗余，使日均处理设备数据量从10GB跃升至50GB，生产实时看板（涵盖刀具磨损、工序节拍、设备状态）的更新频率从1分钟缩短至15秒，支撑产线班组长实时调整排产计划，季度内产线换型时间减少12%
• 搭建设备异常数据预警模型，基于Python Scikit-learn库训练随机森林分类器，融合CNC机床的振动（PCB 352C65传感器）、主轴电流、进给速度3类数据，识别主轴轴承磨损、刀具崩刃等6种常见异常，预警准确率从初期82%迭代至91%，季度内减少非计划停机时间约15小时，对应产能损失降低8%
• 推动车间数据标准化建设，牵头制定《汽车零部件车间设备数据采集字段规范V1.2》，统一12类设备（CNC、注塑机、AGV）的500+个数据点命名（如将“主轴转速”从“SPD”“RotationSpeed”统一为“Spindle_RPM”）、格式及采集频率，使后续数据分析团队的字段适配成本降低30%，数据清洗时间缩短40%

协助搭建车间注塑机、数控车床数据采集框架，保障基础生产数据（工艺参数、设备状态）的完整性与及时性，支撑质量追溯与能耗分析场景

• 参与注塑机数据采集系统落地，基于西门子WinCC OA配置OPC UA服务器，采集10台海天MA2000注塑机的注射压力、模腔温度、保压时间等15项关键工艺参数，通过优化网关轮询策略（将周期从1秒缩至500毫秒）+ 边缘计算过滤重复数据，使数据准确率从85%提升至98%，支撑质量部门实现批次产品工艺参数回溯，季度内不良品根因定位时间从24小时缩短至6小时
• 优化数据传输稳定性，针对车间无线覆盖弱的痛点，采用MQTT QoS1等级+ 自建4G网关中继，将注塑机数据上传成功率从90%提升至99.5%，单月数据重传量减少70%，避免了因数据缺失导致的生产节拍统计偏差
• 协助排查CNC机床数据异常问题，通过Wireshark抓包分析OPC UA通信报文+ Modbus Poll工具调试，定位到3台沈阳机床i5-500的网关配置错误（IP地址冲突导致心跳包丢失），修复后数据完整性从95%提升至99%，保障了设备运行状态看板的准确性
• 整理设备数据字典，收录8类设备（注塑机、数控车床、空压机）的300+个数据点定义（含物理意义、单位、采集频率），采用Confluence搭建共享知识库，支撑BI团队快速开发“单台设备能耗分析”报表，使能源利用率统计周期从周度缩短至日度

协助完成车间设备数据采集基础工作，支撑数据平台初期搭建与传感器部署

• 协助部署铣床振动监测传感器，选用PCB 352C65加速度传感器与PT100温度传感器，完成5台沈阳机床CAK5085ej铣床的传感器安装、校准（采用Fluke 805振动仪校验）及信号布线，编写LabVIEW小程序实现振动数据实时显示，使数据采集率从75%提升至90%，为后续设备振动异常检测提供原始数据
• 录入设备基础信息，使用Excel VBA批量处理20台设备的型号、出厂日期、供应商、保修期限等信息，构建“设备资产数据字典”，减少人工录入错误率从10%降至1%，支撑IT团队搭建设备管理系统的基础数据层
• 协助测试数据采集系统，采用Postman验证OPC UA接口的连通性与参数正确性，发现4个接口存在“数据类型不匹配”问题（如温度值从浮点型误传为字符串），反馈开发团队修复后，系统数据解析失败率从5%降至0.1%
• 绘制车间数据采集拓扑图，使用Visio标注设备、边缘网关、交换机、服务器的连接关系及数据流向，帮助团队快速理解“设备→网关→平台”的数据链路，缩短新员工培训时间约2天

重型工程机械多协议异构设备数字孪生平台构建项目

• 项目背景：公司作为重型工程机械龙头，生产线设备来自德、日、国内等10余家供应商，涵盖Modbus RTU/TCP、Profinet、自定义CAN总线等8类协议，设备状态数据孤立，故障预警依赖人工巡检（故障停机率占比18%）。我的核心目标是牵头构建统一数字孪生平台，实现设备“物理-数字”实时映射及预测性维护，支撑降本增效。
• 关键难题：一是自定义CAN协议无公开文档，解析需逆向工程；二是重型机械复杂结构（如液压系统、行星齿轮箱）的孪生模型精度不足，初始仿真误差超15%；三是单台设备每秒产生500+条振动、温度数据，边缘端预处理能力弱导致云端延迟高（500ms+）。
• 核心行动：① 主导设计“可插拔协议解析引擎”，通过CANoe抓包分析逆向提取自定义协议帧头、数据域规则，开发12个协议插件，覆盖所有设备类型，设备接入率从65%提升至98%；② 结合物理机理模型与LSTM神经网络，基于设备CAD图纸校准液压系统压力传导系数（误差从±0.1MPa降至±0.02MPa）、传动机构摩擦因子，将孪生模型仿真误差降至2.5%以内；③ 部署研华UNO-2272G边缘网关，集成Flink实时计算框架，对原始数据进行小波去噪、FFT特征提取（振动信号频谱分析），将上传数据量压缩70%，云端延迟降至80ms内。
• 项目成果：平台上线后，设备故障预警准确率达92%，年故障停机时间从800小时降至480小时，直接节省运维成本320万元；该平台被纳入公司“智能制造2025”核心系统，我个人主导的“多协议动态解析方法”申请发明专利（专利号：202310XXXXXX.X，已受理），并在集团3家子公司推广。

工业机器人关节减速器产线物联网柔性排产系统研发

• 项目背景：公司生产RV减速器的核心产线存在“换型时间长（45分钟/次）、排产靠经验”的痛点，产能利用率仅72%，订单交付周期超21天。我的任务是结合物联网数据与AI算法，构建动态柔性排产系统，打通“设备状态-物料库存-生产计划”链路。
• 关键难题：一是物联网实时数据（设备OEE、物料齐套率、在制品位置）与排产模型联动缺失，初始方案无法快速响应设备故障、物料延迟等异常；二是传统遗传算法处理多约束（设备能力、工艺路线、订单优先级）时收敛慢，无法满足小批量多品种（每月120+订单）需求。
• 核心行动：① 设计“数据-计划联动中间件”，通过MQTT协议实时同步物联网数据至排产系统，开发“异常事件触发器”（如设备OEE低于80%时，自动触发排产重算），响应时间从15分钟缩短至1分钟；② 改进遗传算法，引入Q-learning调整适应度函数权重（将设备实时负载占比从30%提升至50%），结合设备指纹码优化染色体编码，排产收敛时间从30分钟降至5分钟；③ 主导梳理10类RV减速器生产流程的23项工艺约束、35个物料BOM节点，推动系统与SAP ERP、西门子MES对接，实现数据实时同步。
• 项目成果：系统上线后，产线换型时间缩短至29分钟，产能利用率提升至90%，订单交付周期降至17天；年新增产值约1500万元，该项目获公司“年度最佳技术创新奖”，我主导的联动中间件被推广至集团5条同类产线，推动整体排产效率提升30%。

• 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。