以下文章来源于香港科技大学广州 I 系统枢纽 ，作者Systems Hub

5月20日-23日，2023年国际工业与系统工程师学会年会暨展览会（2023 Annual Conference & Expo of Institute of Industrial and Systems Engineers (IISE)）在美国新奥尔良举行。IISE年会数据分析与信息系统（Data Analysis and Information System，简称“DAIS”）分会场公布了论文获奖的消息。香港科技大学（广州）系统枢纽智能制造学域助理教授杜娟与合作者的论文“Interpretation and Visualization of Distance Covariance with Additive Decomposition of Correlations Formula”斩获IISE DAIS DivisionBest Track Paper Competition最佳论文第一名。同时，她指导的学生团队陶澄宇、曹轩铭、叶芃在IISE DAIS DivisionData Analytics Competition中也夺得第一名的好成绩。

IISE DAIS Division Best Track Paper Competition 第一名

IISE DAIS Division Data Analytics Competition 第一名

本次会议接受来自全球的投稿，收到了170份摘要和57篇全文，最终4篇论文入围IISE DAIS Division Best Track Paper Competition决赛，杜娟教授与合作者的论文荣获第一。杜娟教授所指导的学生团队在众多参赛队伍中脱颖而出，荣获IISE DAIS Division Data Analytics Competition第一名，是历史上中国内地首次获得该奖项的团队。他们的优秀表现展示了团队在数据分析领域的卓越能力与创新思维。
据介绍，国际工业与系统工程师学会是工业与系统工程领域权威的专业性学术组织，成立于1948年。学会每年举办一次年会，旨在汇聚全球工业工程和系统工程领域的学者、专家和学生，共同探讨并展示最新的科研成果和应用成果。

本次年会吸引了来自全球多家知名学府和企业参加。杜娟教授和学生团队的双料第一不仅彰显了他们在该领域的卓越科研水平，同时也为香港科技大学（广州）带来了荣誉。这一荣誉将进一步激励他们深耕领域、继续创新，为工业与系统工程领域的发展贡献更多研究成果和智慧。

Interpretation and Visualization of Distance Covariance with Additive Decomposition of Correlations Formula 

Andi Wang, Hao Yan, Juan Du

ABSTRACT

Distance covariance is a widely used statistical methodology for testing the dependency between two groups of variables. Despite the appealing properties of consistency and superior testing power, the testing results of distance covariance are often hard to be interpreted. This paper presents an elementary interpretation of the mechanism of distance covariance through an additive decomposition of correlations formula. Based on this formula, a visualization method is developed to provide practitioners with a more intuitive explanation of the distance covariance score. 

点击查看论文：https://arxiv.org/abs/2305.14767

2023 Data Analytics and Information Systems (DAIS) Division Data Analytics Competition 

Chengyu Tao, Xuanming Cao, Peng Ye

Faculty Advisor: Juan Du

ABSTRACT

Surface anomaly classification problem based on unstructured point cloud data has become one of the primary concerns of quality control communities. Compared with image data and structured point cloud data, unstructured point cloud data provides more surface details, benefiting surface quality monitoring and further fault diagnosis. To deal with the challenges of intraclass variance and interclass similarity of  anomaly patterns, and irregular data structure, we propose a unified deep subspace learning model, which achieves high accuracy in the provided dataset of the competition.

获奖者简介

杜娟博士

●香港科技大学（广州）智能制造学域助理教授

●广州市香港科大霍英东研究院副研究员

●香港科技大学机械与航空工程系联属助理教授

杜娟博士，现任香港科技大学（广州）系统枢纽智能制造学域助理教授，广州市香港科大霍英东研究院副研究员，及香港科技大学机械及航空航天工程学系联属助理教授。她于2014年获得哈尔滨工业大学学士学位，2019年获得北京大学博士学位，2017-2019年美国佐治亚理工学院联合培养博士。她主要从事数据驱动的智能制造系统质量改善研究工作，在工业数据分析、质量控制和先进制造领域发表多篇高水平期刊论文，并获得多项国家发明专利和软件著作版权。研究荣获多个国际学术权威协会的奖项，其中包括运筹学和管理科学研究协会（INFORMS）年会质量、统计和可靠性分会和数据挖掘分会以及工业系统工程师协会 (IISE)年会质量控制与可靠性分会最佳论文或最佳学生论文提名奖7次。博士论文荣获中国管理科学与工程协会优秀博士论文，北京大学优秀博士论文。她主持国家自然科学基金等项目，作为项目骨干参与国家重点研发计划、佛山香港科技大学专项等，且多次应邀在国际、国内权威学术会议作报告，现为IISE的高级会员。在加入香港科技大学（广州）前，她任上海交通大学工业工程与管理系助理教授，期间荣获2020年度上海市科委扬帆人才计划。

陶澄宇

●香港科技大学（广州）智能制造学域在读博士生

陶澄宇，本科毕业于哈尔滨工业大学，硕士毕业于上海交通大学，于2021年加入香港科技大学（广州）智能制造学域博士项目。目前研究方向为基于机器学习与数据分析的智能制造系统质量控制。

曹轩铭

●香港科技大学（广州）智能制造学域在读博士生

曹轩铭，本科毕业于南京航空航天大学飞行器制造工程专业，硕士毕业于南京航空航天大学航空宇航制造工程专业，于2022年9月加入香港科技大学（广州）智能制造学域博士项目。现阶段的研究方向为：基于高密度三维点云数据建模和分析的工业数据异常检测和分类。

叶芃

●香港科技大学（广州）智能制造学域在读博士生

叶芃，本科和硕士都毕业于北京航空航天大学，于2022年9月加入香港科技大学（广州）智能制造学域博士项目。她的研究兴趣包括工业数据分析、质量控制与管理以及数字孪生等。

来源：香港科技大学广州 I 系统枢纽