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。

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。