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。

重型工程机械全生命周期物联网平台研发及产业化项目

• 项目背景：公司作为重型挖掘机、矿用卡车龙头制造商，面临设备故障停机年均损失超8000万元、售后响应时效低（平均4小时到达现场）、缺乏全生命周期数据支撑产品迭代的痛点。核心目标是通过端到端物联网平台，实现设备状态实时监测、预测性维护及从生产到报废的全链路数据闭环。我的职责是主导平台整体架构设计、核心算法选型及业务侧需求落地。
• 关键难题：1）重型机械工况极端（如矿山场景温差±40℃、振动幅度达10g），传统传感器数据噪声大，导致早期故障特征提取困难；2） legacy 系统（旧版ERP/CRM/PLM）与物联网数据无法互通，阻碍全生命周期视图构建；3）预测性维护模型对长周期、低频率故障（如液压系统密封件老化）准确率低（仅65%）。
• 核心行动与创新：1）边缘侧采用“自适应降噪+特征工程”方案——部署自主研发的边缘计算网关，基于小波变换+卷积神经网络（CNN）过滤振动/温度噪声，提取“液压油压力波动方差”“发动机转速瞬时跌落频次”等12个早期故障特征，将有效数据传输率从30%提升至85%；2）采用“Kafka+Flink”实时流处理架构，打通 legacy 系统数据壁垒，将设备生产参数（如焊接温度）、销售数据（如客户地域）、运维记录（如过往维修部位）与实时状态数据融合，构建设备数字孪生体；3）针对长周期故障，创新性将LSTM模型与注意力机制结合，赋予模型“聚焦历史维修记录中‘密封件更换间隔’等关键事件”的能力，解决传统模型对低频率模式识别不足的问题。
• 项目成果：1）平台上线12个月内，接入设备超1.2万台，预测性维护准确率提升至92%，故障停机时间缩短40%（年均节省运维成本1200万元）；2）售后响应时效压缩至2小时内，客户满意度（NPS）从45分提升至72分；3）全生命周期数据反哺产品研发——基于液压系统故障分布，优化了新一代挖掘机的密封件材质，将使用寿命延长25%。我个人主导了平台技术路线选型，推动跨研发、售后、IT部门的协同，成为项目技术落地核心负责人。

高端数控机床物联网监测系统落地及精度优化项目

• 项目背景：公司高端数控机床（五轴联动加工中心）占营收35%，但客户反馈加工精度波动大（如叶片类零件公差超差率达18%），且质量问题追溯依赖人工查台账（耗时4小时/次）。核心目标是构建机床物联网系统，实现加工状态实时感知、精度异常预警及全流程质量追溯。我的职责是负责系统硬件部署、数据链路搭建及精度分析模块开发。
• 关键难题：1）机床控制器协议碎片化（覆盖Fanuc、Siemens、华中数控等5种主流协议），传统采集方式需为每台机床定制接口，效率极低；2）加工精度受“刀具磨损”“热变形”“工件装夹偏差”多因素耦合影响，传统阈值报警无法提前72小时预测精度下降；3）现场工人对物联网系统接受度低，导致数据采集覆盖率不足60%。
• 核心行动与创新：1）开发“协议自适应解析引擎”——通过正则表达式+语义识别技术，自动匹配控制器类型并提取“主轴负载”“进给轴速度”“刀具扭矩”等20+核心参数，将单台机床接入时间从3天缩短至4小时，覆盖率快速提升至95%；2）构建“数字孪生+机器学习”精度预测模型——基于Unity3D搭建机床数字孪生体，实时仿真加工过程，同时用XGBoost算法训练“精度偏差预测模型”，结合孪生体与实际加工数据的偏差（如“仿真孔径与实际孔径差值＞0.01mm”），提前72小时预警精度下降；3）推动“全员数据意识培训”——联合人力资源部设计“数据贡献积分制”，工人上传设备异常照片/操作日志可获得绩效加分，大幅提升数据录入准确性。
• 项目成果：1）系统上线后，加工精度公差超差率降至8%，单台机床年节省质量损失约50万元；2）质量追溯时间从4小时缩短至10分钟，客户投诉处理效率提升70%；3）基于精度数据优化了刀具更换策略，将刀具损耗成本降低22%。我主导解决了多协议采集的技术瓶颈，设计了贴合机床场景的精度预测方案，同时推动组织层面的数据文化落地，为后续平台规模化复制积累了经验。

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。