主导汽车零部件冲压/焊接/总装产线工业设备数据采集体系全生命周期管理，覆盖多协议适配、边缘计算优化、数据质量管控及MES/PLM系统集成，支撑生产数字化转型的核心数据源供给

• 主导产线PLC（S7-1200/1500、三菱FX5U、欧姆龙NJ501）数据采集方案设计，针对多品牌设备协议异构痛点，采用“OPC UA统一网关+Python自定义解析脚本”组合方案，攻克了11类设备的通信参数映射（如寄存器地址、数据类型转换）难题，将数据采集延迟从800ms压缩至180ms内，采集成功率稳定在99.2%以上，直接支撑MES系统实现生产节拍、设备状态实时监控，助力产线OEE提升12%
• 负责边缘计算节点性能优化，基于研华UNO-2272G边缘控制器部署实时数据处理算法（包括设备异常状态预判、无效数据过滤规则），将单台设备的无效数据量从占比35%降至12%，数据吞吐量从每天8GB提升至11.5GB（提升42%），年存储成本节省约28万元（按100台设备计算）
• 搭建工业数据质量闭环管控体系，依托Prometheus+Grafana配置15项核心指标（数据完整性≥99%、准确性≥98.5%、时效性≤500ms），通过Python编写告警触发脚本实现异常数据分钟级响应，数据质量问题导致的MES报工错误率从2.1%降至0.3%，支撑质量部门将不良品根因分析时间从4小时缩短至2.5小时
• 推动数据采集系统与PLM系统深度集成，采用MQTT协议打通研发BOM与生产设备数据链路，实现“设计参数-生产过程数据”的关联映射（如模具编号与冲压件尺寸数据的对应），帮助工艺工程师快速定位因设计公差偏差导致的产品不良，跨部门协同效率提升35%

负责中小型机械加工线（车床、铣床、磨床）设备数据采集落地，聚焦Modbus/CAN总线协议适配、边缘数据缓存及生产调度系统数据支撑

• 主导老旧机械加工线Modbus RTU/TCP协议设备接入项目，针对15台无通信接口的老旧机床，采用“研华ADAM-4017模拟量采集模块+自研RS485转以太网转换器”方案，解决了设备数据无法上传问题，接入设备总数从50台扩展至120台，数据采集成功率从85%提升至97%
• 搭建边缘侧数据可靠性保障机制，基于Redis本地缓存解决车间WiFi网络波动问题，设置“数据暂存-网络恢复后重传”策略，数据丢失率从10%降至0.8%以下，保障生产连续性数据的完整供给，支撑MES系统实现加工进度实时跟踪
• 开发定制化数据可视化看板，用Power BI对接采集数据库，整合设备OEE、主轴负载、刀具寿命等8项关键指标，帮助生产主管快速定位瓶颈工序（如某台铣床因刀具磨损导致停机时间增加），OEE月均提升15%
• 配合数控系统（发那科FANUC 0i-MF）供应商完成CAN总线数据采集调试，解决总线仲裁冲突问题（通过调整节点优先级参数），实现3类关键设备（加工中心、磨床、检测设备）的实时数据同步，支撑质量追溯系统上线，产品批次追溯时间从30分钟缩短至5分钟

协助完成自动化产线数据采集基础工作，包括设备协议调研、简单脚本编写及数据初步清洗，支撑汽车座椅装配线试点项目落地

• 参与汽车座椅装配线数据采集试点，调研西门子LOGO！PLC、台达变频器、松下伺服驱动器等12类设备的通信协议，整理《设备通信参数手册》（涵盖波特率、数据位、校验位等关键参数），为后续规模化接入奠定基础
• 用Python编写简单数据解析脚本，处理Modbus寄存器原始字节流数据（如将0x00-0xFF转换为设备开关量、数值量），数据解析效率从每小时1GB提升至1.5GB（提升50%），支撑试点项目生产数据报表功能上线
• 协助搭建数据采集测试环境，用Docker容器化部署采集网关（基于Eclipse Mosquitto MQTT Broker），模拟车间网络延迟、丢包场景，提前发现3个协议兼容性问题（如变频器Modbus寄存器地址偏移错误），减少上线后故障时间2天
• 参与数据清洗流程优化，用Pandas库处理采集数据中的缺失值（线性插值法）、异常值（3σ原则），数据准确率从90%提升至95%，支撑试点项目向管理层汇报时数据可靠性达标

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。

• 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。