运用大数据提升质量管理水平
第52期珠江科学大讲堂聚焦“质量大数据”
本报讯（记者 刘肖勇 见习记者 蔡敏霞）9月21日，第52期珠江科学大讲堂在广东国际科技中心举行。国际质量科学院院士、香港工程师学会会士宗福季教授以“质量大数据”为主题作演讲，详解面对大数据时代的挑战和机遇，以及在大数据环境下如何进行质量创新。
本次论坛主要论述了工业4.0下的质量、创新及大数据分析。随着质量和大数据的融合，大数据在质量管理尤其是宏观质量管理中将发挥着越来越重要的作用。但工业生产中采集、分析数据面临着不少挑战，例如生产工序复杂，生产过程参数过多，数据量庞大，模型维度高，不同数据源的信息需要整合。宗福季形象地举例说，即使同一台机器和同一条生产线，产品的质量也不一定相同。
有了数据，但无法决策，要解决这个问题，实现数据的实际应用需要拥有提升质量的创新方法。宗福季提出了两个创新方法：一是突破式创新，二是渐进式创新。首先是突破式创新，需要以人为本的设计，通过观察、采访，发现用户深层次的需求，对问题重新做深入的定义，需要发散思维，提出众多解决方案，还有将一个好的创意点子用具体的原型来呈现，将原型通过情景模拟来测试可用性。第二个是渐进式创新，须有数据作基础来创新，称之为统计思维。它是根据定义、测量、分析、改善、控制这个流程来做，以严谨的数据驱动和以客户为中心的方法，采用系统方法提高绩效和减少对客户至关重要的缺陷。
对于大数据分析，宗福季表示，工业大数据分析实际上有层级之分，层级一：只使用经验，不考虑数据；层级二：收集数据，但是只看数字；层级三：收集并整理数据，使用图标来展示数据；层级四：收集调查数据并使用描述性统计量；层级五：收集采样数据并使用描述性统计量；层级六：收集采样数据并使用统计推断、预测。
宗福季描述了自己想象中大数据服务平台，未来的大数据服务平台应该是一个可提供产品或产线质量一致性的大数据服务平台，该平台通过实现Adaptive Testing，来提高产品质量，降低检测成本。他说，香港科技大学通过质量与数据分析实验在做一些技术支持，比如说数据融合、迁移学习、过程监控。数据融合指的是不同精度检测数据的融合，方针数据与实验数据的融合。迁移学习是指不同形状的三维打印产品误差的迁移建模，比如香港各个地铁站客流量的迁移预测。现在大家都在讲大数据，而迁移学习讲的是小数据。过程监控是指大规模复杂数据的统计监控与诊断，基于变量选择技术的高维数据统计监控、多元类别数据的统计过程控制。
