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。

重型工程机械多协议异构设备数字孪生平台构建项目

• 项目背景：公司作为重型工程机械龙头，生产线设备来自德、日、国内等10余家供应商，涵盖Modbus RTU/TCP、Profinet、自定义CAN总线等8类协议，设备状态数据孤立，故障预警依赖人工巡检（故障停机率占比18%）。我的核心目标是牵头构建统一数字孪生平台，实现设备“物理-数字”实时映射及预测性维护，支撑降本增效。
• 关键难题：一是自定义CAN协议无公开文档，解析需逆向工程；二是重型机械复杂结构（如液压系统、行星齿轮箱）的孪生模型精度不足，初始仿真误差超15%；三是单台设备每秒产生500+条振动、温度数据，边缘端预处理能力弱导致云端延迟高（500ms+）。
• 核心行动：① 主导设计“可插拔协议解析引擎”，通过CANoe抓包分析逆向提取自定义协议帧头、数据域规则，开发12个协议插件，覆盖所有设备类型，设备接入率从65%提升至98%；② 结合物理机理模型与LSTM神经网络，基于设备CAD图纸校准液压系统压力传导系数（误差从±0.1MPa降至±0.02MPa）、传动机构摩擦因子，将孪生模型仿真误差降至2.5%以内；③ 部署研华UNO-2272G边缘网关，集成Flink实时计算框架，对原始数据进行小波去噪、FFT特征提取（振动信号频谱分析），将上传数据量压缩70%，云端延迟降至80ms内。
• 项目成果：平台上线后，设备故障预警准确率达92%，年故障停机时间从800小时降至480小时，直接节省运维成本320万元；该平台被纳入公司“智能制造2025”核心系统，我个人主导的“多协议动态解析方法”申请发明专利（专利号：202310XXXXXX.X，已受理），并在集团3家子公司推广。

工业机器人关节减速器产线物联网柔性排产系统研发

• 项目背景：公司生产RV减速器的核心产线存在“换型时间长（45分钟/次）、排产靠经验”的痛点，产能利用率仅72%，订单交付周期超21天。我的任务是结合物联网数据与AI算法，构建动态柔性排产系统，打通“设备状态-物料库存-生产计划”链路。
• 关键难题：一是物联网实时数据（设备OEE、物料齐套率、在制品位置）与排产模型联动缺失，初始方案无法快速响应设备故障、物料延迟等异常；二是传统遗传算法处理多约束（设备能力、工艺路线、订单优先级）时收敛慢，无法满足小批量多品种（每月120+订单）需求。
• 核心行动：① 设计“数据-计划联动中间件”，通过MQTT协议实时同步物联网数据至排产系统，开发“异常事件触发器”（如设备OEE低于80%时，自动触发排产重算），响应时间从15分钟缩短至1分钟；② 改进遗传算法，引入Q-learning调整适应度函数权重（将设备实时负载占比从30%提升至50%），结合设备指纹码优化染色体编码，排产收敛时间从30分钟降至5分钟；③ 主导梳理10类RV减速器生产流程的23项工艺约束、35个物料BOM节点，推动系统与SAP ERP、西门子MES对接，实现数据实时同步。
• 项目成果：系统上线后，产线换型时间缩短至29分钟，产能利用率提升至90%，订单交付周期降至17天；年新增产值约1500万元，该项目获公司“年度最佳技术创新奖”，我主导的联动中间件被推广至集团5条同类产线，推动整体排产效率提升30%。

• 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。