semi：对大数据进行量规R＆R还是替代方案？背景：波动级光学
场景：想象一下您的地形（又称具有一堆像素的曲面的相机）。 现在，您不仅拥有一个，而且有很多运营商。 现在，他想逐个像素地比较拍摄的每张照片与其他照片所涉及的变化。 测量的鲁棒性如何？ 仪表和操作员。
我认为这是典型的Gage R＆R研究。 他们有100个测量值。 如果您只想比较100幅图像，那很容易，但是它们需要一个像素一个像素，或者换句话说，在所有图像变化量度上一个位置一个位置。这是他们的日常工作。
在所有11个Mio行，5-6列中。一个分类专栏大约有1万个分类，这迫使所有Gage R＆R都应运而生。
量具R＆R不适用于这种尺寸。 但是他们想做的还是其他选择。
目标是了解多维场景中的可重复性和可再现性
关于如何处理这种情况有什么想法或建议？
回复：semi：对大数据进行量规R＆R还是替代方案？听起来与测量微观粗糙度（用于确定表面拓扑）的过程相似。 假设方法在20年内没有发生变化，通常要做的就是将局部测量组合起来以进行更广泛的测量（例如对值进行平均）。 然后，可以比较这些“点”中的每一个，以了解它们如何在不同的测量场景中变化。 尽管您也可以逐个像素地执行此操作，但是将测量值结合到晶片的某些物理特性（例如，位点或管芯）上更有意义。
回复：semi：对大数据进行量规R＆R还是替代方案？您可能会尝试分层聚类-尽管根据图像的大小，它将有些慢。 1024 x 1024的图像为1M像素-远远超出了您通常希望在HC上抛出的图像。 我已经做了 （链接），但速度并不快。 我还和MEMS工厂的一些人一起工作过。 他们正在使用扫描声学显微镜来测量晶圆键合。 我们使用Hierarchical来查看两个晶圆之间的空隙。
只是一个想法，
中号
