负责公司新能源汽车电机智能工厂的工业网络全生命周期管理，涵盖OT网络架构设计、IIoT设备（PLC、AGV、温湿度传感器）接入适配、网络安全防护及生产网络性能优化，支撑数字化车间“人机料法环”数据的实时传输与协同。

• 主导工厂OT网络从传统以太网向TSN（时间敏感网络）升级项目，选用Cisco IE4000系列交换机搭建支持IEEE 802.1AS-REV的环形拓扑，解决原有网络中AGV调度系统与产线PLC通讯延迟高的痛点——升级前AGV路径调整指令延迟达300ms，导致12条电机装配线日均停机1.2小时；通过配置TSN流量整形与优先级映射，将指令延迟降至45ms以内，AGV调度响应速度提升85%，全年产线因网络延迟导致的停机时间减少92小时。
• 牵头IIoT多协议设备接入适配工作，面对车间内西门子S7-1500 PLC、三菱FX5U PLC及霍尼韦尔温湿度传感器的异构通讯问题，基于OPC UA统一架构开发设备数据模型转换脚本，解决协议兼容与数据标准化难题——接入设备数量从800台扩展至1500台，数据采集率从92%提升至99.6%，支撑了电机性能预测性维护系统的实时数据输入，预测准确率较之前提高18%。
• 识别并闭环整改OT/IT网络边界安全风险，通过Palo Alto Panorama平台梳理网络资产清单，发现3处未隔离的生产网与办公网接口；部署工业级防火墙与入侵检测系统（IDS），设置基于设备类型的访问控制列表（ACL），全年拦截针对PLC的恶意扫描攻击12次，未发生因网络攻击导致的生产停机，安全事件发生率较上年下降85%。
• 搭建工业网络性能监控体系，选用SolarWinds Industrial Network Performance Monitor（INPM）工具，配置延迟、丢包率、端口利用率等12项关键指标看板，结合机器学习算法预警网络拥塞风险——提前发现并解决2起核心交换机下行端口流量过载问题，避免了电机绕组检测线停机，产线综合效率（OEE）提升7%。

负责公司重型机械加工车间的工业网络运维与优化，支持MES系统与CNC机床、焊接机器人的数据交互，保障老旧网络的稳定性，推动车间数字化改造落地。

• 核心参与车间网络从百兆到千兆的升级项目，选用赫斯曼RS20系列交换机设计双环形冗余拓扑，解决原有单环网络因光缆断裂导致的单点故障问题——升级后网络可用性从99.2%提升至99.98%，CNC机床加工程序传输中断次数从每月5次降至0次，单台机床月均停机时间减少6小时。
• 排查并解决KUKA KR 16焊接机器人网络丢包问题，通过Wireshark抓包分析定位为车间变频器电磁干扰导致；调整交换机对应端口速率为100Mbps并加装铝箔屏蔽网线，丢包率从15%降至0.1%，机器人焊接缺陷率下降12%，月度产能提升8%。
• 构建网络运维知识库，整理《CNC机床以太网通讯故障处理手册》《无线AP覆盖优化指南》等20余篇标准化文档，开展3批次新员工培训——团队故障响应时间从45分钟缩短至15分钟，常规故障自修率从60%提升至85%。

负责自动化生产线的网络部署与调试，支持包装、检测设备的联网，保障产线试运行阶段的网络稳定性，配合MES系统完成数据对接。

• 主导汽车刹车盘包装线网络部署，选用MOXA EDS-408A交换机搭建星型拓扑，配置VLAN隔离生产网与设备管理网，解决多品牌设备（如西门子HMI、研华工控机）间的通讯冲突问题——产线试运行期间网络故障率为0，提前3天完成客户验收，获项目组“最佳协作奖”。
• 配合MES系统集成调试基恩士CV-X系列视觉检测设备，修改设备IP地址池并优化TCP/IP通讯参数（如调整超时时间为500ms），将检测数据上传延迟从2秒降至500毫秒，满足MES系统实时质量追溯需求，客户满意度提升20%。
• 解决车间无线AP覆盖不足问题，在1200㎡包装车间加装5台Ubiquiti UAP-AC-Pro AP，调整信道至1、6、11避免2.4G干扰，无线扫码枪连接稳定性从85%提升至98%，操作员工投诉率下降70%。

船用低速柴油机关重件加工线设备健康管理与预测性维护IoT系统落地项目

• 沪东重机作为船用低速柴油机头部厂商，其曲轴、连杆等关重件加工线依赖12台进口高精度机床（马扎克、DMG等），此前因缺乏实时状态监测能力，设备故障停机率达8%，人工巡检依赖度高且无法提前预警故障，直接影响产能交付。我的核心目标是搭建覆盖关键设备的健康管理与预测性维护IoT平台，实现“故障前预警、异常时干预、数据驱动优化”，降低停机损失并提升产线效能。项目中我担任负责人，统筹需求调研、方案设计、技术选型、落地实施及跨部门迭代。
• 项目面临三大核心挑战：1）进口机床协议异构（涉及Fanuc FOCAS、Siemens S7、马扎克MAZATROL等11种私有/行业标准协议），传统通用网关无法统一采集，形成“数据孤岛”；2）设备故障模式复杂（刀具磨损、主轴轴承热老化、液压系统内泄等），传统阈值报警误报率超30%，且无法提前72小时预判故障；3）设备数据与加工质量脱节，无法通过设备状态变化预判曲轴圆度、连杆孔位精度等质量风险。此外，业务部门对“技术投入能否转化为实际收益”存在质疑，需通过试点验证价值。
• 针对协议异构问题，我带领团队开发“分层式协议适配引擎”——底层用FPGA实现硬件级协议解码，上层通过Python动态脚本加载不同设备的协议库，支持动态扩展新协议，最终实现11种协议设备的统一接入，数据采集延迟从500ms降低至50ms以内。针对预测模型，我联合工艺部门沉淀18个月的设备运行数据（含主轴振动、电流谐波、进给速度、刀具更换记录、质量检测结果等23类维度），通过特征工程筛选出32个关键特征（如振动信号峭度、电流三次谐波占比、刀具转速与进给量比值），构建基于LSTM的刀具磨损预测模型，并用贝叶斯优化调参，将预测准确率从初始的75%提升至92%。针对业务融合，我设计“设备健康-质量风险”关联规则引擎，打通IoT平台与MES系统的质量模块——例如当主轴轴承振动值超过阈值时，系统自动触发曲轴圆度在线检测流程，提前干预避免废品产生。同时，我推动成立跨部门专项小组（IT、工艺、生产、设备），每周对齐需求，用“试点-迭代-推广”策略降低业务部门顾虑：先在2台曲轴加工机床上验证效果，优化后再推广至全12台设备与3条自动化线。
• 项目成果显著：1）设备停机率从8%降至3.2%，年减少因停机导致的交付延迟损失约1200万元；2）OEE（整体设备 effectiveness）从75%提升至88%，产线产能同比提升17%；3）废品率从1.5%降至0.6%，年节省原材料与返工成本约450万元；4）预测性维护覆盖率从0提升至100%，关键设备故障预警提前72小时以上的比例达85%，运维人员从“被动抢修”转向“主动预防”，人均运维效率提升40%。我个人主导了从需求到落地的全流程，攻克了多协议兼容与预测模型适配的核心技术壁垒，项目获公司“年度最佳数字化转型项目”，并申请2项发明专利（《一种船用柴油机加工设备多协议数据采集方法》《基于LSTM的刀具磨损预测系统及方法》）。此外，该项目的“设备-质量”联动模式被推广至公司其他两条核心产线，成为集团工业物联网落地的标杆案例。

• 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。