统筹集团3大生产基地、12条产线的工业设备数据采集体系设计与落地，主导解决多协议异构设备接入、高并发数据实时传输及边缘侧数据处理难题，支撑数字孪生平台与预测性维护系统的数据供给。

• 主导设计基于OPC UA与MQTT混合协议的全域数据采集架构，针对集团内西门子S7-1500 PLC、三菱MELSEC iQ-R系列、ABB机器人等20+类设备，开发协议适配中间件，解决老旧设备（如2015款库卡KR 16）仅支持Profinet无原生MQTT接口的问题，通过逆向解析报文结构+自研转换引擎，实现98%非标设备的标准化接入，数据完整率从89%提升至99.6%。
• 优化边缘计算节点部署方案，在12条产线部署研华UNO-2272G边缘控制器，集成Python脚本实现数据清洗（剔除高频抖动值、修正时序偏移）与特征提取（计算设备OEE、能耗瞬时值），将原始数据量从日均12TB压缩至3.5TB，同时将数据上传至云平台的延迟从200ms降至45ms以内，支撑实时监控看板的流畅运行。
• 牵头制定《工业设备数据采集SLA规范》，明确关键设备（如热处理炉、精密注塑机）采集频率≥10Hz、非关键设备≥1Hz的差异化策略，配套开发采集任务监控看板（基于Grafana+Prometheus），实现断连告警响应时间从30分钟缩短至3分钟，全年因数据中断导致的生产异常停机事件减少65%。
• 推动数据采集与AI算法的预融合，在焊接产线试点部署轻量级异常检测模型（基于XGBoost），通过边缘侧实时计算焊接电流、电压波动特征，提前15分钟预警电极磨损故障，将设备维修成本从单次2.8万元降至1.2万元，该方案已推广至集团5条同类产线。

负责新能源电池pack产线全要素数据采集系统建设，聚焦设备状态、工艺参数、环境变量三类数据的高可靠获取，支撑产线数字孪生模型训练与工艺优化需求。

• 完成18台松下NPM-W2贴片机、6台德森高速点胶机的数据采集方案落地，针对贴片机仅开放RS485串口、点胶机采用私有二进制协议的痛点，开发串口转以太网网关（基于C#开发Modbus RTU转TCP模块），并逆向解析点胶机私有协议（通过Wireshark抓包+协议逆向工程），实现贴装精度（±0.02mm）、胶路直径（±0.05mm）等200+参数的秒级采集，数据同步误差控制在50ms内。
• 搭建基于InfluxDB的时序数据库集群，结合产线数据特征（高频采样、时间序列强相关）优化存储策略：对设备报警类数据（占比5%）保留全量原始数据，对工艺参数（占比80%）按1s粒度聚合存储，对环境数据（温湿度、粉尘浓度）降采样至5s粒度，存储成本降低40%的同时，查询响应速度提升3倍。
• 解决多源数据时间戳不同步问题，通过部署NTP服务器统一产线设备时钟，并在数据采集端嵌入时间校准算法（基于PTP协议），将不同设备采集数据的时间偏差从±500ms缩小至±50ms，为后续工艺参数与质量缺陷的关联分析提供可靠时间基准，支撑发现注液工序温度波动与电芯鼓包的相关性（R²=0.82）。
• 主导编写《产线数据采集异常处理手册》，归纳12类常见问题（如PLC程序锁死导致数据中断、电磁干扰引起串口丢包）的排查流程与解决方案，将产线运维团队的自主排障率从30%提升至75%，平均故障修复时间（MTTR）从2小时缩短至40分钟。

负责发动机缸体加工线CNC设备的基础数据采集，覆盖主轴转速、切削力、刀具寿命等关键参数，支撑生产进度跟踪与设备效率统计。

• 独立完成8台马扎克INTEGREX i-200S CNC机床的数据采集部署，通过FANUC FOCAS协议读取控制器实时数据，解决早期设备（2016年购入）FOCAS驱动版本过低导致的连接不稳定问题，通过升级客户端SDK+编写心跳检测脚本，将数据采集成功率从82%提升至97%，满足MES系统对设备状态实时监控的需求。
• 开发刀具寿命预测辅助工具，基于采集的切削力、主轴负载数据，结合设备历史换刀记录，构建简单线性回归模型（使用Python scikit-learn），预测刀具剩余可用时长，误差率控制在±15%以内，帮助产线减少因刀具崩刃导致的批量不良品，月均节省返工成本1.2万元。
• 优化数据采集频率配置，针对粗加工（主轴转速800-1200rpm）与精加工（1500-2000rpm）阶段设置差异化采集策略：粗加工阶段每500ms采集一次，精加工阶段每200ms采集一次，在保证关键参数完整性的同时，将单台设备日数据量从1.2GB降至750MB，减轻MES系统数据库压力。
• 编制《CNC设备数据采集操作指南》，梳理从物理接线（DB9串口连接）、协议配置（FOCAS参数设置）到异常排查（通讯超时、数据跳变）的全流程SOP，作为部门新人培训教材，将新员工独立上岗周期从2周缩短至5个工作日。

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。