负责发动机缸体加工线全链路数据采集体系搭建与迭代，支撑数字孪生工艺仿真、实时质量监控场景的高可靠数据供给，覆盖设备协议兼容、环境适应性优化、数据标准化三大核心域。

• 主导设计发动机缸体五轴加工线多源数据采集方案，整合西门子840D PLC、发那科α-D21iB机床、基恩士激光位移传感器的异构数据源——采用OPC UA统一通信框架适配高层协议，结合Modbus TCP实现底层传感器接入，针对设备通信延迟高的痛点，开发基于C#的轻量级协议转换中间件，将端到端采集延迟从500ms压缩至80ms以内，支撑了数字孪生模型的实时状态同步，上线后模型与物理设备的一致性验证通过率从75%提升至92%。
• 解决车间高温（45℃±5℃）、强振动（振动加速度≥10m/s²）环境下的数据稳定性问题：选用NI CompactDAQ-9189边缘采集模块搭配冗余以太网链路，设计“本地缓存+断点续传”机制——将SD卡缓存容量扩展至128GB，制定每10秒一次的云端心跳同步策略，连续3个月实现数据零丢失，丢包率从改造前的3%降至0.1%以下，保障了工艺参数回溯分析的完整性。
• 推动数据语义标准化建设：结合ISO 10303-21（STEP AP214）工业产品数据标准，梳理缸体加工的12类设备状态（如主轴负载、刀具磨损）、21项工艺参数（如切削力、进给率）标签体系，开发Python脚本自动映射原始数据字段至标准语义库，解决了之前“同一参数不同产线命名不一致”的问题，下游数字孪生场景的输入准确率提升40%，工艺工程师查询数据的时间缩短60%。
• 支撑缸体孔加工工艺优化项目：采集10万+条切削力、主轴转速、冷却液压力的实时数据，用Python Pandas做数据清洗（处理缺失值、异常值），结合Scikit-learn的RandomForest算法分析参数相关性——发现“进给率＞0.15mm/r时表面粗糙度Ra值呈指数级上升”的规律，协助工艺部将进给率阈值调整至0.12mm/r，良品率从92%提升至95%，单批次报废成本减少约25万元。

聚焦工业机器人焊接线传感器数据采集与预处理，支撑焊接质量预测模型开发，覆盖EtherCAT高频同步、噪声过滤、多品牌设备对接三大方向。

• 主导焊接线力觉（ATI Mini40六维力传感器）、视觉（Basler acA1920-155um相机）数据采集系统搭建：采用EtherCAT总线协议实现1kHz高频数据同步，结合倍福CX5130控制器的分布式时钟功能，将力觉与视觉数据的时间戳误差控制在10μs以内，满足了焊接过程动态特性分析的高时效性要求，为后续模型捕捉“飞溅瞬间”提供了精准时间对齐的数据基础。
• 优化焊接数据预处理流程：针对焊接飞溅导致的电流、电压噪声（占比15%），用MATLAB Signal Processing Toolbox设计“巴特沃斯低通滤波（截止频率500Hz）+ 小波包分解去噪”组合方案，将噪声数据占比降至2%以下；同时开发自动标注工具，基于焊接轨迹特征标记“起弧”“收弧”“正常焊接”状态，提升了后续监督学习模型的训练效率。
• 支撑焊接缺陷预测模型落地：采集5万+条焊接电流、电压、速度、送丝量数据，结合PCA降维（保留95%方差）和SVM二分类算法，开发“焊缝气孔缺陷”预测模型——上线后提前1秒预警缺陷，预警准确率达85%，协助车间将返工率从8%降至5%，年减少返工成本约40万元。
• 推动焊接设备数据互联互通：对接库卡KR 16、安川Motoman-GP7等5种品牌工业机器人，采用MQTT协议将设备状态（如运行/停机/故障）、工艺参数（如焊接电流、摆幅）上传至MES系统，实现设备利用率可视化率从60%提升至90%，帮助生产调度部门减少设备闲置时间约15%。

负责车间数控机床基础数据采集与维护，支撑生产效率统计与异常预警，覆盖串口通信、数据缓存、简易报表开发三大任务。

• 承担12台数控车床（Fanuc 0i-TF）的数据采集工作：采用研祥M2M-200模块通过RS485接口读取主轴转速、进给量、刀具补偿值、报警信息，将数据更新频率从1分钟/次提升至10秒/次，实现生产进度实时监控——生产主管可随时查看机床状态，异常响应时间从10分钟缩短至2分钟。
• 解决机床断电后数据丢失问题：设计“本地SD卡缓存+定时云端同步”机制——每5秒将数据写入SD卡，每1分钟同步至服务器，数据完整率从改造前的85%提升至99%以上，避免了因数据缺失导致的生产报表偏差。
• 开发简易OEE统计工具：用VBA编写Excel宏，自动采集机床的“可用时间”“运行时间”“合格产量”，计算设备综合效率（OEE）——将原本需要2小时/天的手工统计缩短至15分钟/天，提升了生产统计效率，同时工具被推广至3条同类产线使用。
• 参与车间数字化转型需求调研：走访一线操作人员与工艺工程师，收集300+条数据需求（如“需要查看刀具寿命剩余时长”“希望获取工序节拍分布”），整理成《车间数据采集需求说明书》——明确了“设备状态、工艺参数、质量数据”三大采集维度，为后续引入MES系统提供了需求依据。

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。

• 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。