负责工厂15条汽车零部件产线（涵盖冲压、焊接、装配、注塑）的多源设备（PLC、传感器、 CNC、机器人）数据采集系统全生命周期管理，打通OT层设备与IT层系统的数采链路，支撑生产实时监控、OEE分析及预测性维护应用，保障数据完整性（≥99%）、时效性（≤150ms）与工艺关联性。

• 主导设计产线PLC+传感器融合数据采集方案，针对多品牌PLC（西门子S7-1500、欧姆龙NJ501、三菱Q系列）与异构传感器（倍加福编码器、霍尼韦尔压力变送器、基恩士视觉传感器）的兼容问题，采用研华UNO-2484G边缘网关搭载OPC UA统一协议栈，开发定制化寄存器映射脚本适配不同厂商的设备地址空间，解决了之前各产线单独部署网关导致的运维碎片化问题，最终实现15条产线280+台设备的实时数据接入，通信延迟从500ms降至80ms以内，全年数据丢包率控制在0.05%以下，支撑了生产可视化大屏的实时展示。
• 优化边缘端数据清洗逻辑，结合冲压车间工艺规则（如冲床压力阈值1200吨、滑块行程公差±0.1mm），用Python编写带工艺 context 的清洗脚本——针对冲床压力数据的高频波动噪声，引入滑动窗口中值滤波（窗口大小7）；针对传感器断连后的补数需求，基于线性插值算法还原缺失值，数据有效率从88%提升至99.2%，直接推动后续OEE计算的准确率从85%升至98%，帮助车间识别出3台因数据噪声被误判为“正常”的故障冲床，减少停机损失约12万元/月。
• 搭建数采链路监控平台，基于InfluxDB存储采集链路状态指标（如网关在线率、协议解析成功率、数据发送速率），用Grafana配置可视化看板与报警规则（如网关离线超30秒触发短信预警、某类数据连续5分钟异常触发工单），全年定位并解决数采故障18起，故障平均修复时间（MTTR）从2小时缩短至15分钟，保障了生产数据的连续性，支撑了预测性维护模型对关键设备（如注塑机螺杆）的故障预警准确率提升至92%。
• 对接MES与ERP系统，采用REST API+JSON格式实现数采数据实时同步，解决之前人工导出CSV文件导致的“数据滞后”痛点——将生产计数、设备状态等12类核心数据从T+1更新优化为秒级同步，支撑了生产排程系统动态调整产能（如根据实时设备负荷调整订单优先级），排程效率提升25%，订单准时交付率从91%升至96%。

协助搭建汽车精密零部件（如转向节、轮毂轴）装配车间的数采系统，负责单条产线的设备数据接入、清洗与初步分析，支持生产日报生成与基础工艺优化。

• 参与装配线传感器数据采集方案落地，针对车间电磁干扰（来自大型注塑机与焊机）导致编码器（测量轴转速）、力传感器（检测装配扭矩）数据跳变问题，通过替换平行线为双绞屏蔽线（屏蔽层接地）、在传感器端加装1kHz RC低通滤波器，配合修改PLC程序中的“移动均值滤波”算法（取连续5次采样的平均值），数据准确性从90%提升至98%，支撑了装配扭矩的100%在线检测，避免了因扭矩不足导致的返工，返工率下降18%。
• 开发数据预处理流程，用SQL编写ETL脚本将原始PLC数据（二进制格式）转换为MES系统需要的结构化数据（如设备ID、时间戳、工艺参数），并通过Excel VBA自动生成每日生产报表（包含产量、良品率、设备 downtime），将人工处理时间从2小时/天缩短至10分钟，报表错误率从10%降至0，解放了工艺员的手动劳动，使其能聚焦于数据分析。
• 协助排查数采故障，比如某台CNC机床的温度数据持续异常（显示120℃但实际环境温度30℃），通过查看PLC日志发现“温度传感器寄存器地址配置错误”，以及网关侧“Modbus TCP连接超时”，快速修正配置并重启网关，减少了停机时间1.5小时/次，全年避免此类故障导致的损失约8万元。
• 梳理车间50+台设备的数采台账，包含设备型号、通讯接口（RS485/Ethernet）、采集频率（1Hz/10Hz）、数据类型（模拟量/数字量），建立《标准化数采模板》，后续新设备（如KUKA机器人）接入时间从3天缩短至1天，提升了数采部署效率。

协助工程师完成汽车零部件车间的数采基础工作，包括设备调研、协议测试与简单数据处理，为后续数采方案设计提供支撑。

• 参与车间30+台设备的通讯能力调研，覆盖PLC（西门子S7-200 SMART、欧姆龙CP1E）、变频器（ABB ACS580）、接近开关（施耐德XS440），统计各设备的接口类型、支持协议及默认参数，输出《设备通讯能力评估报告》，明确了“哪些设备需加装网关”“哪些协议可直接接入”，为后续采购网关节省了15%的成本。
• 测试数采网关的兼容性，用研华UNO-2170G网关分别连接西门子PLC（Modbus TCP）、欧姆龙传感器（CANopen），验证协议解析的稳定性——连续运行72小时未出现断连或数据错误，输出《网关兼容性测试报告》，避免了大规模部署后的兼容性风险。
• 处理原始数采数据，用Python的Pandas库清洗数据：去除重复的时间戳记录、填充传感器断连后的缺失值（用前一分钟的平均值），将数据准确率从80%提升至90%，支持了实习项目“装配线产能波动分析”的初步结论输出。
• 协助编写《数采系统操作手册》，整理了“网关断连重启步骤”“传感器参数配置指南”“常见问题排查流程”等内容，团队运维效率提升30%，减少了新人上手时间。

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。