负责公司高端数控机床产线全链路数据采集体系搭建与迭代，打通设备层（Fanuc/Siemens控制系统）-边缘层-平台层数据通路，支撑数字孪生建模与生产过程优化场景落地

• 主导设计多协议兼容采集方案，针对35%老旧CJK-6136机床无标准通信接口问题，基于OPC UA+Modbus TCP混合协议栈开发自研适配器，解决协议转换兼容性问题，实现98%以上设备实时数据（转速、扭矩、加工温度等12类参数）采集覆盖率，较之前提升40%，支撑数字孪生模型参数同步延迟从1.2s降至300ms
• 优化边缘计算数据处理逻辑，基于Kafka Streams构建实时数据清洗Pipeline，结合Flink SQL实现刀具磨损预测值、主轴负载波动等关键指标秒级计算，解决1kHz高频振动传感器数据冗余问题，无效数据过滤率从65%提升至89%，产线停机预警准确率从72%提高到88%，减少非计划停机时间18%
• 推动采集系统与MES深度集成，采用RESTful API+MQTT双通道同步策略，解决跨系统数据延迟问题（从平均5s缩短至800ms），设计异常数据回滚与重试机制，保障生产报工、质量追溯数据完整性，助力车间生产效率提升15%，质量问题追溯时间从2小时缩短至15分钟
• 主导编制《数控机床数据采集运维规范》，涵盖设备接入标准、数据格式定义、异常处理SOP3大模块，推动团队采集部署效率提升30%，作为内部培训教材将新员工上手周期从2周缩短至5天

负责精密零部件加工线设备数据采集系统运维与迭代，支撑生产过程数字化监控与工艺优化

• 核心参与搭建基于树莓派4B的边缘数据采集节点，针对车床、铣床等5类设备调试RS485/CAN总线通信模块，优化信号隔离电路设计，解决设备数据丢包率高的问题（从12%降至3%），实现单条产线18台设备实时数据采集，支撑车间可视化看板开发与OEE计算
• 优化数据存储方案，将InfluxDB替换为TimescaleDB，结合分区表与LZ4压缩策略，解决历史数据（3个月）查询慢的问题（复杂SQL响应时间从12s缩短至2s），同时保障数据写入吞吐量提升25%
• 主导排查西门子S7-1200 PLC批量通信中断问题，通过逆向解析PLC寄存器地址表，调整Modbus采集脚本的轮询间隔与报文格式，48小时内恢复12台设备数据采集，未影响产线交付
• 协助开发数据质量监控模块，基于Prometheus+Grafana构建采集指标看板（数据延迟、缺失率、异常值占比），将数据质量问题发现时间从4小时缩短至15分钟，推动团队建立每日数据质量复盘机制

协助搭建小型自动化产线数据采集原型，学习工业通信协议与边缘计算基础技术

• 协助设计小型自动化装配线数据采集方案，采用Arduino Uno开发板连接温湿度传感器、光电开关，通过MQTT协议上传数据至阿里云IoT平台，实现装配环境与设备状态初步监控，为后续项目积累原型验证经验
• 调试Modbus RTU协议的ABB变频器数据采集，解决因接线端子氧化导致的通信不稳定问题，完成10台变频器接入，采集转速、电流数据用于电机节能优化分析，降低单台设备能耗8%
• 参与编写Python采集脚本，实现异常数据报警功能（温度超过45℃触发邮件+短信通知），替代人工巡检，提升产线环境监控及时性
• 整理15种常见工业设备（如三菱PLC、欧姆龙传感器）的通信参数（波特率、寄存器地址、数据格式），形成《小型设备数据采集手册》，提升团队协作效率约20%

重型机械装备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、矿用卡车制造商，面临设备运维成本高（占比营收8%）、故障停机损失大（单台设备年停机成本超20万元）、客户需求从“买设备”转向“买运行保障”的痛点；核心目标是从“产品交付”转向“服务赋能”，构建覆盖设备生产、运输、运维、报废的全生命周期物联网平台，实现故障预测性维护与远程运维，降低客户 downtime 30%以上。
• 我的角色与行动：作为项目总架构师，主导从需求调研到落地的全流程——首先联合售后、研发、生产部门梳理12类核心装备（如SY系列挖掘机、矿用卡车）的36个关键部件（发动机、液压系统、传动箱等），定义“振动+温度+压力+油耗”多维度监测指标体系；其次设计“边缘智能网关+云平台+应用层”三层架构，边缘侧采用自研工业级网关（支持Modbus TCP、CAN、Profibus等10+种协议），实现设备数据的实时清洗、特征提取（如振动信号的FFT频谱分析）；云平台基于Kubernetes容器化部署，整合时序数据库InfluxDB与关系型数据库PostgreSQL，支撑高并发数据存储与查询。
• 项目难点与解决方案：难点1是重型机械工况复杂导致数据噪声大，传统故障预测算法（如SVM）准确率仅75%；我牵头联合高校机械工程学院，采集10万+小时液压系统泄漏、发动机积碳等故障工况数据，创新性采用“变分模态分解（VMD）+卷积神经网络（CNN）”模型——先用VMD分解振动信号去除噪声，再用CNN提取深层特征，将故障预测准确率提升至92%。难点2是 legacy 系统集成困难，旧有MES、ERP系统采用SOAP协议，与物联网平台对接存在数据格式不兼容问题；我设计“协议适配器+数据映射引擎”，将SOAP数据转换为JSON格式，并通过ETL工具实现字段级映射，最终打通8套核心系统，实现生产数据与设备运行数据的双向同步。
• 项目成果与影响：平台上线6个月内覆盖公司80%在售设备（约1.2万台），设备故障停机时间同比降低35%，客户运维成本减少28%；支撑公司推出“设备健康管理订阅服务”，新增年度运维收入1.2亿元，推动公司从“装备制造商”向“装备+服务提供商”转型。个人贡献方面，主导了架构设计与关键技术攻关，申请3项发明专利（其中1项已授权），参与制定2项《重型机械物联网数据交互规范》行业标准草案，项目成果被集团评为“年度数字化转型标杆案例”。

汽车零部件生产线实时物联网改造项目

• 项目背景：公司汽车底盘零部件生产线（如转向节、控制臂）存在生产效率低（OEE仅72%）、人工巡检误差大（漏检率达15%）、工艺参数调整滞后等问题；目标是实现生产过程透明化，提升OEE至85%以上，降低人工成本20%。
• 我的角色与行动：作为项目核心工程师，负责从设备联网到应用落地的全实施——首先调研5条生产线的20台设备（包括数控机床、热处理炉、装配线），针对不同厂商设备的协议异构问题（如Fanuc CNC的FOCAS协议、西门子PLC的Profinet协议），开发8个轻量化协议转换器，实现设备数据的统一采集与归一化处理。其次搭建实时数据处理 pipeline，采用MQTT协议传输数据，InfluxDB存储时序数据，Grafana做可视化看板，将数据处理延迟从5秒降至500毫秒以内。最后结合工艺要求，设计OEE分析模型，整合设备稼动率、性能率、合格率三大指标，实现瓶颈工序（如热处理环节）的实时预警。
• 项目难点与解决方案：难点是生产设备实时数据量大（单条生产线每秒产生1000+条数据），传统数据库无法支撑高并发写入；我优化数据库写入策略，采用“InfluxDB批量写入+缓存队列”机制，将写入吞吐量提升至10万条/秒，同时保证数据完整性。难点是工艺人员对物联网数据的分析能力不足，导致看板利用率低；我联合工艺部梳理10个核心工艺场景，定制“工序产能波动”“设备异常预警”等6个专项看板，并开展3轮培训，让工艺人员能快速通过数据识别问题。
• 项目成果与影响：项目上线后，生产线OEE提升至86%，超过目标值；人工巡检工作量减少40%，漏检率降至2%以下；项目成为公司内部“低代码物联网改造”标杆，推广至3个生产基地的12条生产线，累计节省人工成本600万元。个人贡献是解决了协议异构与实时数据处理的核心问题，推动项目从“技术落地”到“业务价值转化”，被评为当年公司“优秀项目工程师”。

• 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。