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%。

重型工程机械全生命周期物联网平台研发及产业化项目

• 项目背景：公司作为重型挖掘机、矿用卡车龙头制造商，面临设备故障停机年均损失超8000万元、售后响应时效低（平均4小时到达现场）、缺乏全生命周期数据支撑产品迭代的痛点。核心目标是通过端到端物联网平台，实现设备状态实时监测、预测性维护及从生产到报废的全链路数据闭环。我的职责是主导平台整体架构设计、核心算法选型及业务侧需求落地。
• 关键难题：1）重型机械工况极端（如矿山场景温差±40℃、振动幅度达10g），传统传感器数据噪声大，导致早期故障特征提取困难；2） legacy 系统（旧版ERP/CRM/PLM）与物联网数据无法互通，阻碍全生命周期视图构建；3）预测性维护模型对长周期、低频率故障（如液压系统密封件老化）准确率低（仅65%）。
• 核心行动与创新：1）边缘侧采用“自适应降噪+特征工程”方案——部署自主研发的边缘计算网关，基于小波变换+卷积神经网络（CNN）过滤振动/温度噪声，提取“液压油压力波动方差”“发动机转速瞬时跌落频次”等12个早期故障特征，将有效数据传输率从30%提升至85%；2）采用“Kafka+Flink”实时流处理架构，打通 legacy 系统数据壁垒，将设备生产参数（如焊接温度）、销售数据（如客户地域）、运维记录（如过往维修部位）与实时状态数据融合，构建设备数字孪生体；3）针对长周期故障，创新性将LSTM模型与注意力机制结合，赋予模型“聚焦历史维修记录中‘密封件更换间隔’等关键事件”的能力，解决传统模型对低频率模式识别不足的问题。
• 项目成果：1）平台上线12个月内，接入设备超1.2万台，预测性维护准确率提升至92%，故障停机时间缩短40%（年均节省运维成本1200万元）；2）售后响应时效压缩至2小时内，客户满意度（NPS）从45分提升至72分；3）全生命周期数据反哺产品研发——基于液压系统故障分布，优化了新一代挖掘机的密封件材质，将使用寿命延长25%。我个人主导了平台技术路线选型，推动跨研发、售后、IT部门的协同，成为项目技术落地核心负责人。

高端数控机床物联网监测系统落地及精度优化项目

• 项目背景：公司高端数控机床（五轴联动加工中心）占营收35%，但客户反馈加工精度波动大（如叶片类零件公差超差率达18%），且质量问题追溯依赖人工查台账（耗时4小时/次）。核心目标是构建机床物联网系统，实现加工状态实时感知、精度异常预警及全流程质量追溯。我的职责是负责系统硬件部署、数据链路搭建及精度分析模块开发。
• 关键难题：1）机床控制器协议碎片化（覆盖Fanuc、Siemens、华中数控等5种主流协议），传统采集方式需为每台机床定制接口，效率极低；2）加工精度受“刀具磨损”“热变形”“工件装夹偏差”多因素耦合影响，传统阈值报警无法提前72小时预测精度下降；3）现场工人对物联网系统接受度低，导致数据采集覆盖率不足60%。
• 核心行动与创新：1）开发“协议自适应解析引擎”——通过正则表达式+语义识别技术，自动匹配控制器类型并提取“主轴负载”“进给轴速度”“刀具扭矩”等20+核心参数，将单台机床接入时间从3天缩短至4小时，覆盖率快速提升至95%；2）构建“数字孪生+机器学习”精度预测模型——基于Unity3D搭建机床数字孪生体，实时仿真加工过程，同时用XGBoost算法训练“精度偏差预测模型”，结合孪生体与实际加工数据的偏差（如“仿真孔径与实际孔径差值＞0.01mm”），提前72小时预警精度下降；3）推动“全员数据意识培训”——联合人力资源部设计“数据贡献积分制”，工人上传设备异常照片/操作日志可获得绩效加分，大幅提升数据录入准确性。
• 项目成果：1）系统上线后，加工精度公差超差率降至8%，单台机床年节省质量损失约50万元；2）质量追溯时间从4小时缩短至10分钟，客户投诉处理效率提升70%；3）基于精度数据优化了刀具更换策略，将刀具损耗成本降低22%。我主导解决了多协议采集的技术瓶颈，设计了贴合机床场景的精度预测方案，同时推动组织层面的数据文化落地，为后续平台规模化复制积累了经验。

• 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。