牛敬业
188****6259niu****@***.com北京30男汽车质量数据分析工程师在职北京15k - 25k 
•主导课程设计《汽车涂装缺陷率的时间序列预测》，利用ARIMA模型对连续12个月的漆膜缺陷数据进行建模，预测准确率达92%，为排产提供了数据支撑。
•参加全国大学生机械创新设计大赛，针对汽车总装线漏装问题，设计基于机器视觉的防错系统，负责图像定位与缺陷分类算法开发，团队获华北赛区一等奖。
北京汽车集团越野车有限公司 - 质量管理部国有大型车企硬派越野领军者
2016 - 07-2020 - 12
汽车质量数据分析工程师质量数据挖掘过程控制分析缺陷预警
北京
•负责焊装与涂装车间质量数据的自动采集与清洗，每月处理约15万条白车身尺寸、漆膜厚度等检测记录，搭建本地化数据池，替代手工报表，效率提升40%。
•运用Python和Tableau对关键工序数据开展多维度分析，识别出某车型车门铰链扭矩波动与装配工位温湿度变化的关联，输出SPC控制图，推动工艺参数标准化，将铰链扭矩超差率从1.8%降低至0.3%。
•与质量工程师及生产班组组成联合攻关小组，依据数据分析结果微调机器人焊接轨迹，使该车型车身主焊点一次合格率从92.5%提升至97.2%，全年减少返修成本约120万元。
•每月编制质量数据洞察报告，通过可视化看板向管理层呈现质量趋势、TOP问题及改进验证效果，其报告被质量总监作为季度评审的标准模板推广。
理想汽车 - 质量与可靠性部新能源汽车新势力增程式技术领跑者
2021 - 01-至今
高级汽车质量数据分析工程师质量大数据架构先期质量策划智能预测建模
北京
•主导构建质量大数据平台，接入冲压、总装、路试及售后工单等12个数据源，实现每日增量数据实时同步，平台上线后数据提取时效从小时级缩短至秒级，年节省人力逾300人天。
•针对新一代混动车型，带领团队开展先期质量策划，通过对比市场同类车型的历史抱怨数据与部件失效案例，识别出电池连接器防护等级、高压线束绝缘衰减等7项高风险点，在设计冻结前提出防护方案，避免量产后批次召回。
•引入深度学习算法优化车身漆面缺陷检测，搭建卷积神经网络模型对200万张漆面图片进行训练，模型在试产线上检出微小划痕与缩孔的准确率达到94%，较传统人工目检提升35%，每年减少废品损耗约80万元。
•设计并组织三场部门级‘质量数据分析思维’工作坊，内容涵盖Python高级应用、异常检测方法论及数据叙事技巧，团队自主完成复杂分析课题的能力明显增强，2名成员随后获得公司级质量创新奖。
某SUV双离合变速箱异响质量攻关项目 - 数据分析负责人
2018 - 05-2018 - 12
•项目背景：一款畅销SUV在售后出现多起变速箱升档异响投诉，为锁定根本原因并验证改进效果，启动专项攻关。
•数据收集：整合变速箱装配线44个工位的拧紧扭矩、垫片厚度、齿轮间隙等全序参数，以及售后维修记录中异响发生时的油温、档位、里程，共计18万条记录。
•数据分析：利用SQL进行关联查询，筛选出异响车辆与正常车辆的装配差异，通过Python绘制箱线图发现异响组离合器间隙标准差显著偏大。经双样本t检验与Mann-Whitney U检验，确认某批次从动盘平面度超差是主因，贡献度达76%。
•项目成果：推动供应商加严来料平面度验收标准，并在装配线上增加激光平面度检测工位，将间隙控制在0.15-0.25mm窄窗口内。改进后连续生产12个月，同款变速箱异响投诉率从4.2%降至0.5%以下，客户满意度大幅回升。
电动车型电池热管理策略优化项目 - 数据分析核心成员
2021 - 03-2022 - 06
•项目背景：随着超充桩普及，电池在高倍率充电时的温升问题成为影响寿命与安全的关键，公司启动热管理策略优化项目。
•数据采集：从云端T-Box获取1.2万辆在售车辆的电池包温度、电流、SOC、环境温度及空调状态等时间序列数据，累计数据量达3.7TB。
•分析过程：使用Python的PySpark进行数据清洗与特征工程，提取出最大温升速率、高温持续时长等62个特征。运用XGBoost和随机森林构建电池寿命衰退预测模型，并利用SHAP值解释各因素的重要性，发现超充后立即高温行驶是加速电池日历老化的最显著因素。
•项目成效：基于分析结果，在电池管理系统中嵌入智能降功率冷却策略，并在用户APP端推送充电后建议冷却时长提示。策略OTA升级后，用户实际使用工况下电池容量衰减速率降低约18%，质保期内电池续航投诉率下降32%。
深信数据是质量改善的钥匙，我对汽车质量数据分析始终怀有热忱，乐于从纷繁的售后与生产数据中抽丝剥茧，探寻问题本源。工作中秉持严谨、求真、闭环的逻辑，对异常波动高度敏感，善于将技术语言转化为可量化的分析模型，不放过任何一个潜在风险点。以Python与SQL为日常分析利器，并持续探索机器学习在质量预测与根因推断中的应用，力求让分析更前瞻、更高效。习惯跨部门沟通协作，能快速对齐研发、制造与售后团队，共同推动数据驱动的质量改进落地；也保持对行业新技术的敏感，希望在一个重视技术深度的平台上持续精进。
质量数据分析实战技能:
熟练运用Python（Pandas、Scikit-learn）与SQL进行质量数据清洗与特征工程，曾自主分析某车型焊装车间点焊强度数据，通过关联规则挖掘发现焊接电流与板材厚度的交互作用，辅助工艺部门将CPK从0.8提升至1.33，直接降低报废损失。
持续通过Kaggle汽车质量相关竞赛与行业白皮书保持学习，近期完成“电动汽车电池衰减模式聚类”项目，利用K-means对千辆级运行数据进行分群，识别出3类典型衰减路径，为售后质保策略提供了数据建议。
