汇总数据规则或最佳实践？！大家好，
客户是关于聚合数据点的正确甚至允许的方式。 他们有两个应用程序，出现了这个问题：
1. 产品质量分析的图像分析：他们计算每张图片的出现次数。 一张图片只有很少的发现，所以他们想分析和控制图片的图表包，例如50张图片。 他们发现，他们聚合的图片数量对控制图等结果有显着影响。
2. 过程数据（温度传感器等）。 它们以秒为单位记录，这对于分析来说数据太多了。 那么问题来了，这些数据点可以聚合多少（到分钟、小时等）？
他们当然会尝试以一种不会丢失信息的方式做出决定。 但他们想知道是否有系统的方法来计算（也许）最大值。聚合？ 或者也许是最佳实践？
在我的公司，我们决定在一个项目到项目基础上这样做，所以我不知道系统的方法或最佳实践。
感谢您的任何帮助或建议！
最好的
弗洛里安
回复：聚合数据规则或最佳实践？！这更多的是关于他们在数据中寻找什么信号。 聚合很好，也很有价值，这取决于他们试图看到的内容。
示例 1 具有半导体中的类似物（每个晶片的缺陷或每个裸片的缺陷）或自动光学检查系统（照相胶片的胶片检查等）。 如果您正在寻找出现在相同区域或倾向于形成集群的可重现信号，那么聚合将帮助您查看它们。 如果数据有很多噪声并且信号相当弱，那么聚合可能会淹没信号。
示例 2 具有具有光谱学或其他时间序列数据的类似物。 这里聚合的最大问题是你通常会做一个滚动聚合窗口，它可以平滑较小的信号。 分块时间序列数据（从秒到分钟或小时）也确实发生了，但还有其他问题 - 例如当信号出现在两个块上时会发生什么（即信号从第 1 分钟开始并进入第 2 分钟，最大值在某处之间）。
无论哪种情况，我都建议他们考虑他们希望看到的最小/最弱信号是什么，然后聚合到那个点。
最好的，
米
回复：聚合数据规则或最佳实践？！添加到@MikeD_Anderson的回答，这个问题是关于理性分组的。 与频率一起的基本问题是关于常见原因和特殊原因的发生。 应确定子组大小，以使特殊原因在子组内不太可能发生，但在子组之间却很可能发生。
希望本指南有所帮助。
