负责工厂3个车间8类核心生产设备（CNC机床、压铸机、工业机器人）的实时数据采集体系搭建与优化，覆盖协议适配、边缘计算节点部署及全链路数据质量管控，支撑设备预测性维护与工艺参数优化项目落地。

• 主导设计多协议混合采集方案，针对车间内23台德玛吉CNC机床（支持OPC UA/MTConnect双协议）、15台布勒压铸机（私有Modbus TCP变种协议），通过定制化解析脚本+研华UNO-2272G边缘控制器，解决协议兼容性问题，实现设备接入率从78%提升至98%，单台设备日均有效数据点从1200个增至2500个。
• 优化数据采集链路性能，针对高并发场景（峰值1200台设备/秒数据上报），引入Apache Kafka消息队列作为缓冲层，结合自定义流量控制算法动态调整采样频率，将数据丢包率从2.1%降至0.25%以下，支撑上层AI模型实时训练的稳定性。
• 开发时序数据清洗与标准化工具链，基于Python+Pandas构建异常值检测模块（IQR算法+滑动窗口校验），修正因设备时钟不同步导致的时间戳偏移问题（最大偏差从5分钟压缩至±5秒），并通过InfluxDB存储优化策略（保留策略分层+压缩编码），将存储成本降低40%的同时保障查询效率提升3倍。
• 建立数据质量闭环监控体系，利用Grafana配置200+项指标告警（如连续缺失率>5%、数值跳变超阈值），结合企业微信机器人实现异常15分钟内触达，推动设备供应商修复通信模块缺陷12项，季度数据可用率从92%稳定至99.6%。

协助搭建2条自动化产线的设备数据采集平台，完成PLC、传感器等多源数据的接入、清洗与MES系统对接，支撑生产节拍分析与OEE提升项目。

• 参与注塑机产线数据采集实施，使用Wireshark抓包解析西门子S7-1500 PLC的S7通信协议，提取注射压力、模温等18个关键工艺参数，通过自定义OPC UA服务器转发至SCADA系统，完成12台设备的稳定对接，数据同步延迟控制在200ms内。
• 优化Modbus RTU轮询策略，针对车间温湿度传感器（RS485总线）频繁丢包问题，调整寄存器读取顺序（按功能码分组批量读取）、延长超时时间至500ms并增加重试机制，单轮询周期耗时从800ms降至300ms，数据完整率从95%提升至99.3%。
• 搭建本地临时数据缓存库，使用InfluxDB存储高频振动传感器数据（1kHz采样率），解决MES系统写入压力大导致的丢数问题，支撑工艺部门完成模具磨损频谱分析，识别出3类异常振动模式，对应模具更换周期延长20%。
• 编制《设备数据采集接口规范V1.0》，梳理20+类设备的通信协议、寄存器地址、数据类型等信息，制定标准化调试流程，使后续新设备接入周期从7天缩短至3天，项目实施成本降低30%。

执行自动化产线设备数据采集调试任务，保障PLC、编码器等设备数据稳定上传至监控平台，协助解决现场通讯故障与数据异常问题。

• 配合完成汽车转向节加工线PLC数据采集调试，使用STEP 7读取西门子S7-1200 PLC的X轴进给速度、主轴负载等运行状态数据，通过优化PLC程序循环周期（从100ms调整为50ms），解决因扫描周期过长导致的偶发性数据断档问题，产线数据上传率从90%提升至97%。
• 负责车间工业机器人（发那科M-20iD）数据采集维护，定期校准基恩士激光位移传感器的模拟量输出（4-20mA信号），排查因接地不良导致的信号波动（波动范围从±0.5mA缩小至±0.1mA），设备数据异常报警次数减少60%。
• 整理产线设备数据字典，录入200+个IO点位（数字量/模拟量）的物理意义、量程范围及对应工艺参数，制作可视化速查手册，使团队新成员熟悉设备数据含义的时间从3天缩短至1天，提升跨部门协作效率。

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。