4月26日，我院筹划半年之久的香港科大学术交流访问终于开始了，我有幸作为代表之一参加此次学术访问。在香港科技大学工业工程与物流管理系(IELM)，我们认识宗教授和他的质量实验室团队。
    初到他们实验室，随处可见很多的机床、设备、工业半成品，我还以为走错地方了，这与我们所要研究的宏观质量管理有什么关系呢？但是通过进一步的交流才发现，实际上我们并没有找错地方，而是有着大量共同的研究兴趣与研究方向。作为6西格玛领域的顶尖团队，他们需要研究的是整个的生产制造过程的流程控制，减少产品的误差率。可以说，他们主要是通过极为精密的统计数据分析，得到能够提高产品质量，将产品的误差率降低到人类能够达到的极致。在宗教授的团队中，有一位博士生研究的是3D打印误差率的下降（Shape Deviation），他介绍到3D打印作为一个新事物有一个需要解决的重要问题就是怎么降低产品变形概率，而这一目标一方面是要提高产品的硬件能力，更为重要的是通过打印（生产）过程的优化和控制，减少误差率，这位博士生的本科背景是数学，但他说并没有感到有学科的界线，因为通过数据的分析来实现产品质量的提升本身就是质量的实现过程。还有一位自于丹麦哥本哈根的访问学者，她所研究的课题是为一家大型屠宰场进行质量提升的系统设计，在猪群进入屠宰场的过程中，可能会发生大量的挤压、碰撞，重则可能导致一些猪的死亡，轻则导致一些猪的受伤，这都会导致一些损失和最后的肉品的质量，因此，她研究的就是如何通过对猪群各类数据的分析，来提供一定的事前预警，当出现可能的混乱时，提前做出适当的干预，最终要提高屠宰的质量。他们研究的主题可以说有着天壤之别，但是共同的目标就是通过过程的控制、数据分析来降低生产过程中的误差率，将误差水平提高到6西格玛以上。
    因此，他们的主要研究是对于质量数据的分析，而不是具体的制造工艺的改进。实验室中所摆放的机器设备，大多数并不是被IELM的学生所使用，他们更多是通过数据模型的优化来实现降低误差率的目标，在整个实验室以及与其他教授讨论的过程中，出现频率最高的一个词，就是Big data(大数据)。我们的研究恰恰是通过大数据的分析更好地进行质量的治理。如果说我们与IELM的研究有区别的话，我觉得最大的区别就是他们主要聚焦于精细化的质量管理，而我们则主要致力于质量的治理，质量是一个综合的现象，而不仅仅是产品制造本身的过程。在一个微观的环境下，任何一个企业都需要通过管理过程的控制来实现质量水平的提高，但是在宏观环境下，仅有精细化的质量管理是远远不够的，现实中大量的实现了6西格玛质量控制的公司实际在市场上并不成功。因而，IELM实验室团队开始赞同并意识到宏观层面的质量大数据分析是十分有价值的。而通过利用IELM在数据建模、误差控制等方面的优势提高我们在质量监测、观测大数据上的分析能力，无疑是非常重要的，从这一点上看，我们和科大的IELM质量实验室团队有着充分的宽广的合作空间。武大质量院，最大的优势在于，对于质量的评价与分析已经初步起相对完备的数据库，这是任何一个研究都十分关注和期盼的。
    我深切地感受到，正是因为“大数据”这一共同的主题，让一批研究领域与研究背景差异极大的人能够得以汇聚在一起，进行对话与交流。