牵头新能源电机产线工业数据全链路采集系统建设，负责设备协议适配、边缘计算预处理及数据质量管控，支撑数字孪生平台实时数据需求与上层分析应用。

• 主导制定产线级数据采集标准，覆盖12类关键设备（含西门子S7-1500 PLC、汇川AM400变频器、Yaskawa机器人），梳理200+数据点（工艺参数、设备状态、能耗指标），通过OPC UA统一接口规范解决多厂商设备协议异构问题，缩短新设备接入周期从7天压缩至2天。
• 针对产线高速冲床（2000次/分钟）高频数据场景，优化MQTT协议传输策略：基于设备工况（如冲压负载＞80%时）动态调整发包频率（500ms→200ms），结合LZ4压缩算法降低带宽占用40%，同时保障数据时间戳精度±10ms，满足数字孪生模型实时同步要求。
• 研发自适应数据补全算法，融合滑动窗口均值填充与设备运行逻辑规则（如停机时电流必为0），解决因工业环网偶发断连（月均3次）导致的数据缺失问题，数据完整率从97.5%提升至99.98%，经MES系统验证未影响生产节拍分析准确性。
• 搭建数据质量监控看板，定义15项核心指标（丢包率、延迟抖动、异常值占比），通过Prometheus+Grafana实现秒级预警，结合设备心跳检测机制定位通信故障点，将故障排查时间从4小时缩短至20分钟，支撑产线OEE统计准确率提升至98.6%。

统筹冲压车间、焊接车间工业物联网数据采集体系搭建，负责多源异构数据整合、边缘端预处理及数据链路稳定性保障，支撑生产可视化与工艺优化需求。

• 设计基于OPC UA的多厂商设备统一接入方案，解决美国AIDA压力机（旧版UA 1.02）与国产扬力压力机（UA 1.04）协议版本差异问题，通过定制化解析插件实现18台设备数据标准化采集，历史数据回溯耗时从30分钟降至5分钟。
• 部署研华UNO-2272G边缘计算网关，编写Lua脚本实现数据本地清洗（剔除设备启停瞬间的毛刺值）与特征提取（计算冲压工序的滑块速度波动率），将上传至私有云的无效数据量减少65%，中心服务器存储成本年降28万元。
• 建立数据质量三级校验机制：边缘端完成格式校验（如温度值范围-40℃~120℃）、网关层执行逻辑校验（如焊接电流与电压需满足欧姆定律）、平台端进行统计校验（如每小时能耗波动＞20%触发复核），异常数据拦截率从72%提升至95%。
• 配合工艺部门完成焊接过程数据挖掘项目，提供稳定的电极磨损（通过电流波形方差表征）、焊缝质量（电压稳定性关联）相关数据集，支撑建立焊接参数-质量缺陷预测模型，使试错成本降低40%。

负责机加工车间CNC机床、注塑机工业数据采集系统部署与日常运维，保障设备运行数据实时上传至MES系统，支撑生产进度跟踪与基础OEE计算。

• 独立完成32台马扎克INTEGREX i-200车铣复合机床的Modbus TCP协议适配，解决不同批次设备寄存器地址偏移问题（如主轴转速寄存器从40001调整为40010），通过编写Python脚本批量配置网关参数，部署效率提升50%，数据采集成功率从88%稳定至99.2%。
• 优化数据采集脚本逻辑，针对CNC机床夜间低负载时段（22:00-6:00），将数据上报频率从1s/次调整为5s/次，同时保留关键事件（如换刀、报警）的高频采集，年度节省工业网关流量费用12万元，且未影响OEE统计时效性。
• 建立设备通讯故障快速排查手册，梳理常见错误码（如Modbus 22号错误对应寄存器写保护）及解决方法，将车间设备通讯中断平均修复时间（MTTR）从2小时缩短至45分钟，支撑车间连续3个月达成设备联网率98%的KPI。
• 参与MES系统数据接口联调，输出《CNC数据字段映射表》（含程序号、刀具号、主轴负载等45个字段），规范生产数据溯源规则，协助质量部门将批次追溯时间从4小时压缩至30分钟。

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。

支教时发现乡村小学因缺乏实验器材，科学课多停留在课本讲解。返校后联合实验室开发出百元级科学实验背包，内含20个基础实验器材。为确保可持续运营，设计配套视频课程与城乡结对系统，并培训132名大学生担任远程助教。项目覆盖9省47所学校后，学生科学兴趣评分提升35%。这段经历教会我用产品思维解决社会问题，当看到孩子们用自制望远镜发现土星光环时，我理解了教育的真谛是点燃可能性。