semi：對大數據進行量規R＆R還是替代方案？背景：波動級光學
場景：想像一下您的地形（又稱具有一堆像素的曲面的相機）。 現在，您不僅擁有一個，而且有很多運營商。 現在，他想逐個像素地比較拍攝的每張照片與其他照片所涉及的變化。 測量的魯棒性如何？ 儀表和操作員。
我認為這是典型的Gage R＆R研究。 他們有100個測量值。 如果您只想比較100幅圖像，那很容易，但是它們需要一個像素一個像素，或者換句話說，在所有圖像變化量度上一個位置一個位置。這是他們的日常工作。
在所有11個Mio行，5-6列中。一個分類專欄大約有1萬個分類，這迫使所有Gage R＆R都應運而生。
量具R＆R不適用於這種尺寸。 但是他們想做的還是其他選擇。
目標是了解多維場景中的可重複性和可再現性
關於如何處理這種情況有什麼想法或建議？
回复：semi：對大數據進行量規R＆R還是替代方案？聽起來與測量微觀粗糙度（用於確定表面拓撲）的過程相似。 假設方法在20年內沒有發生變化，通常要做的就是將局部測量組合起來以進行更廣泛的測量（例如對值進行平均）。 然後，可以比較這些“點”中的每一個，以了解它們如何在不同的測量場景中變化。 儘管您也可以逐個像素地執行此操作，但是將測量值結合到晶片的某些物理特性（例如，位點或管芯）上更有意義。
回复：semi：對大數據進行量規R＆R還是替代方案？您可能會嘗試分層聚類-儘管根據圖像的大小，它將有些慢。 1024 x 1024的圖像為1M像素-遠遠超出了您通常希望在HC上拋出的圖像。 我已經做了 （鏈接），但速度並不快。 我還和MEMS工廠的一些人一起工作過。 他們正在使用掃描聲學顯微鏡來測量晶圓鍵合。 我們使用Hierarchical來查看兩個晶圓之間的空隙。
只是一個想法，
中號
