UP简历小U

+86 138-0013-8000|up-resume@example.com|上海

个人总结

资深智能精密测量技术专家，具备深厚的形位公差国家标准（GB/T 1184-2018, GB/T 16671-2018）理解与应用能力。精通多传感器融合测量、测量误差补偿逻辑及算法开发，擅长运用先进的测量设备与数据分析技术，实现高精度、高效率的质量控制与过程优化。在复杂零件的几何精度评估与智能制造产线集成方面拥有卓越实践经验，致力于通过创新测量方案提升产品质量与生产效率。

工作经历

高级精密测量工程师

某国际知名精密制造企业

2021-07 - 2024-06

负责核心精密零部件的形位公差（GD&T）国家标准（GB/T 1184-2018, GB/T 16671-2018）解读、测量方案设计与实施，确保产品满足严苛的质量要求。
主导开发并优化多套测量误差补偿逻辑与算法，通过自适应校准将CMM测量不确定度降低15%，显著提升了测量精度。
引入并集成激光扫描、白光干涉仪等多传感器融合测量技术，成功将复杂曲面零件的测量效率提升30%，同时保证测量精度达到微米级。
参与新产线智能检测系统的规划与部署，设计并实现自动化检测工作站，减少20%的人工检测环节，提升了生产线自动化水平。
针对关键制造过程中的几何偏差进行数据统计分析（SPC），识别并解决了5个主要质量问题，将产品合格率提高2.5%。
培训团队成员10余人，普及形位公差标准及最新测量技术，提升团队整体专业能力。

项目经历

高精度齿轮形位公差智能检测系统研发

内部研发项目

2022-03 - 2023-08

项目背景：传统齿轮形位公差检测效率低，易受人为因素影响，无法满足批量化、高精度生产需求。
个人角色：项目负责人，算法与系统架构师。
项目价值：实现齿轮形位公差的自动化、智能化、高精度检测，提升产品竞争力。
项目执行：
- 基于GB/T 10095.1-2008等齿轮精度标准，设计了多轴联动测量路径与策略，确保数据全面性。
- 开发并实现了测量数据点云配准算法，将测量数据与CAD模型对齐精度提升至0.005mm。
- 构建了基于机器学习的误差补偿模型，结合环境温度、设备漂移等因素对测量结果进行实时校正，将齿轮综合偏差的测量精度提升了18%。
- 设计并集成了可视化报告生成模块，提供直观的形位公差分析结果，缩短分析时间50%。
项目成果：系统成功应用于两条高精度齿轮生产线，将齿轮检测周期缩短60%，年节约人力成本约50万元，并有效降低了返工率3%。

复杂航空零件表面缺陷智能识别与测量

校企合作项目

2019-09 - 2021-03

项目背景：航空零件表面缺陷对飞行安全至关重要，传统目视检测效率低且易漏检。
个人角色：核心算法工程师，负责图像处理与测量模块。
项目价值：提升航空零件表面缺陷检测的自动化水平和准确率。
项目执行：
- 采用机器视觉与深度学习（YOLOv5）技术，开发了表面划痕、凹坑等缺陷的实时识别算法，识别准确率达到97%。
- 融合激光共聚焦显微镜与图像处理技术，实现了缺陷尺寸的非接触式精密测量，测量误差控制在±5μm以内。
- 设计并实现了缺陷三维形貌重构算法，为缺陷的严重程度评估提供了量化依据。
项目成果：该系统在实验室环境下对多种航空材料缺陷的检测效率提升了80%，为后续工业应用奠定了基础。