负责工厂3个车间8类核心生产设备（CNC机床、压铸机、工业机器人）的实时数据采集体系搭建与优化，覆盖协议适配、边缘计算节点部署及全链路数据质量管控，支撑设备预测性维护与工艺参数优化项目落地。

• 主导设计多协议混合采集方案，针对车间内23台德玛吉CNC机床（支持OPC UA/MTConnect双协议）、15台布勒压铸机（私有Modbus TCP变种协议），通过定制化解析脚本+研华UNO-2272G边缘控制器，解决协议兼容性问题，实现设备接入率从78%提升至98%，单台设备日均有效数据点从1200个增至2500个。
• 优化数据采集链路性能，针对高并发场景（峰值1200台设备/秒数据上报），引入Apache Kafka消息队列作为缓冲层，结合自定义流量控制算法动态调整采样频率，将数据丢包率从2.1%降至0.25%以下，支撑上层AI模型实时训练的稳定性。
• 开发时序数据清洗与标准化工具链，基于Python+Pandas构建异常值检测模块（IQR算法+滑动窗口校验），修正因设备时钟不同步导致的时间戳偏移问题（最大偏差从5分钟压缩至±5秒），并通过InfluxDB存储优化策略（保留策略分层+压缩编码），将存储成本降低40%的同时保障查询效率提升3倍。
• 建立数据质量闭环监控体系，利用Grafana配置200+项指标告警（如连续缺失率>5%、数值跳变超阈值），结合企业微信机器人实现异常15分钟内触达，推动设备供应商修复通信模块缺陷12项，季度数据可用率从92%稳定至99.6%。

协助搭建2条自动化产线的设备数据采集平台，完成PLC、传感器等多源数据的接入、清洗与MES系统对接，支撑生产节拍分析与OEE提升项目。

• 参与注塑机产线数据采集实施，使用Wireshark抓包解析西门子S7-1500 PLC的S7通信协议，提取注射压力、模温等18个关键工艺参数，通过自定义OPC UA服务器转发至SCADA系统，完成12台设备的稳定对接，数据同步延迟控制在200ms内。
• 优化Modbus RTU轮询策略，针对车间温湿度传感器（RS485总线）频繁丢包问题，调整寄存器读取顺序（按功能码分组批量读取）、延长超时时间至500ms并增加重试机制，单轮询周期耗时从800ms降至300ms，数据完整率从95%提升至99.3%。
• 搭建本地临时数据缓存库，使用InfluxDB存储高频振动传感器数据（1kHz采样率），解决MES系统写入压力大导致的丢数问题，支撑工艺部门完成模具磨损频谱分析，识别出3类异常振动模式，对应模具更换周期延长20%。
• 编制《设备数据采集接口规范V1.0》，梳理20+类设备的通信协议、寄存器地址、数据类型等信息，制定标准化调试流程，使后续新设备接入周期从7天缩短至3天，项目实施成本降低30%。

执行自动化产线设备数据采集调试任务，保障PLC、编码器等设备数据稳定上传至监控平台，协助解决现场通讯故障与数据异常问题。

• 配合完成汽车转向节加工线PLC数据采集调试，使用STEP 7读取西门子S7-1200 PLC的X轴进给速度、主轴负载等运行状态数据，通过优化PLC程序循环周期（从100ms调整为50ms），解决因扫描周期过长导致的偶发性数据断档问题，产线数据上传率从90%提升至97%。
• 负责车间工业机器人（发那科M-20iD）数据采集维护，定期校准基恩士激光位移传感器的模拟量输出（4-20mA信号），排查因接地不良导致的信号波动（波动范围从±0.5mA缩小至±0.1mA），设备数据异常报警次数减少60%。
• 整理产线设备数据字典，录入200+个IO点位（数字量/模拟量）的物理意义、量程范围及对应工艺参数，制作可视化速查手册，使团队新成员熟悉设备数据含义的时间从3天缩短至1天，提升跨部门协作效率。

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。