Aggregierte Datenregeln oder Best Practices?!Hallo alle,
Ein Kunde war über die korrekte oder sogar erlaubte Art und Weise, Datenpunkte zu aggregieren. Sie haben zwei Anwendungen, bei denen diese Frage aufkam:
1. Bildanalyse für Produktqualitätsanalysen: Sie zählen die Anzahl der Aufnahmen pro Bild. Da ein Bild nur sehr wenige Befunde hat, wollen sie Bilderpakete zB 50 Bilder analysieren und kontrollieren. Sie fanden heraus, dass die Anzahl der Bilder, die sie aggregieren, einen erheblichen Einfluss auf die Ergebnisse von zB Regelkarten hat.
2. Prozessdaten (Temperatursensoren etc.). Sie werden in Sekunden aufgezeichnet, was zu viele Daten für eine Analyse sind. Also noch einmal die Frage, wie viel können diese Datenpunkte aggregiert werden (zu Minuten, Stunden usw.)?
Sie versuchen natürlich, so zu entscheiden, dass sie keine Informationen verlieren. Aber sie wollten wissen, ob es eine systematische Möglichkeit gibt, (vielleicht) die max. Anhäufung? Oder vielleicht Best Practices?
In meiner Firma haben wir dies von Projekt zu Projekt entschieden, daher kenne ich keinen systematischen Weg oder Best Practice.
Für Hilfe oder Anregungen dankbar!
Am besten
Florian
Betreff: Aggregierte Datenregeln oder Best Practices?!Hier geht es eher darum, nach welchen Signalen sie in den Daten suchen. Aggregation ist in Ordnung und wertvoll, je nachdem, was sie zu sehen versuchen.
Beispiel 1 hat Analoga in Halbleitern (Defekte pro Wafer oder Defekte pro Chip) oder automatisierte optische Inspektionssysteme (Filminspektion für fotografische Filme usw.). Wenn Sie nach reproduzierbaren Signalen suchen, die in denselben Regionen auftreten oder dazu neigen, Cluster zu bilden, hilft Ihnen die Aggregation dabei, sie zu sehen. Wenn die Daten viel Rauschen aufweisen und das Signal ziemlich schwach ist, kann die Aggregation das Signal übertönen.
Beispiel 2 hat Analoga mit Spektroskopie- oder anderen Zeitreihendaten. Das größte Problem bei der Aggregation ist hier, dass Sie normalerweise ein rollierendes Aggregationsfenster verwenden, das kleinere Signale glätten kann. Das Chunking von Zeitreihendaten (von Sekunde zu Minute oder Stunde) kommt auch vor, hat aber zusätzliche Probleme - zum Beispiel, was passiert, wenn ein Signal über zwei Chunks angezeigt wird (dh das Signal beginnt in Minute 1 und wird in Minute 2 mit einem Maximum irgendwo übertragen zwischen).
In jedem Fall würde ich vorschlagen, dass sie überlegen, was das kleinste/schwächste Signal ist, das sie sehen möchten, und dann zu diesem Punkt aggregieren.
Am besten,
M
Betreff: Aggregierte Datenregeln oder Best Practices?!Hinzufügen zu @MikeD_Anderson 's Antwort, bei dieser Frage geht es um rationale Untergruppierung. Die grundlegende Frage ist neben der Häufigkeit das Auftreten von gemeinsamen Ursachen und besonderen Ursachen. Die Untergruppengröße sollte so festgelegt werden, dass das Auftreten besonderer Ursachen innerhalb einer Untergruppe sehr unwahrscheinlich, aber sehr wahrscheinlich zwischen den Untergruppen auftritt.
Hoffe, diese Anleitung hilft.
