跳至主要內容
產業導入

SMT AI 品檢驗收評估:誤報、漏檢與人工複判的量測口徑

先定義板件或元件、瑕疵依據與評估條件,再分開量測良品誤報、不良品漏檢、總複判量及作業負擔。用代表性資料與受控變更確認可接受範圍,讓品質與產線人員能決定放行及接手方式。

作者

Tenten AI 交付團隊

產業交付

發布日期

更新日期

閱讀時間

3 分鐘

SMT AI 品檢驗收評估:誤報、漏檢與人工複判的量測口徑

評估 SMT 產線的 AI 品檢變更,先確認品質與作業人員要驗收什麼:哪些產品與瑕疵、哪些拍攝與產線條件,以及判定如何影響放行、攔截或人工複判。

目標可以是減少不必要的複判,同時維持本案需要的瑕疵控制。驗收資料要涵蓋漏檢、誤報與完整作業負擔,不能只看使用率或檢測畫面。

先建立單位與參考判定

選定板件、元件或瑕疵作為統計單位,不混用分母。定義瑕疵類別、嚴重性、適用產品與參考判定方式,保留標註者、爭議及覆核結果。

評估資料要涵蓋適用的良品與不良品,包含產品、批次、材料、設備及光照變化。只回收「機器判不良、人改判良品」的影像,無法看見被放行但其實有瑕疵的材料,也不足以評估整個檢測路徑。

保留獨立於調整資料的代表性評估集合,並記錄相機、模型、規則及產線版本。新批次或其他產線是否適用,另依實際差異檢查。

讓每個指標有明確分母

觀察項目分母與記錄要回答的驗收問題
良品誤報率被判不良的參考良品/全部參考良品好件被攔下的比例是否可接受?
不良品漏檢率被放行的參考不良品/全部參考不良品哪些瑕疵被漏掉,後果為何?
總攔截或複判量被攔截或複判的單位/全部檢測單位,另記數量複判工作量與容量是否相符?
完整人工負擔複判、確認、重工與例外,依角色與期間記錄工作是否減少或移到別處?
下游缺陷與客訴出貨範圍、觀察期間、回報來源及追溯是否出現需要回查的品質問題?

良品誤報率與占全部檢測件的誤攔比例不同,不能直接拿前者乘全部板件估算複判量。客訴可能延遲、未回報或在其他環節發現,不等於全部漏檢的真值;應另外追溯對應件與檢測條件。

分開分數、動作與驗收條件

指定分數表示什麼,以及如何對應放行、複判或攔截。若定義「瑕疵分數愈高愈可能不良,達門檻就攔截」,在固定評估資料上提高門檻會減少攔截,也可能增加漏檢;結果仍需分瑕疵與嚴重性檢查。

分數門檻指南說明模型分數與行動選擇應分開評估,並避免在訓練資料上調整門檻。兩種錯誤率的目標,不自動形成可執行的雙分數門檻;若採放行/覆核/攔截政策,需明確寫出各區間與責任。

信心值或框圖可以幫助檢查輸出,卻不是判定正確或分數已校準的證據。由有權品質人員決定變更與放行,相關材料先經覆核再用於調整,並驗證受影響條件。

驗收完整路徑與營運交接

量測檢測、傳輸、複判及例外的完整路徑,確認產線速度、容量、停機、結果不確定與復原方式。留下變更、評估及回復版本,指定來源標註、品質驗收、維護與現場支援負責人。

工時釋出是容量變化,還需對照實際配置與費用,才可估算現金效益。使用率則與品質及工作量分開報告。NIST AI RMF提供自願性的風險與生命週期參考,本案驗收仍依產品、風險及證據決定。

要比較方法與產線介面,閱讀製造業 AI 品檢指南。現有製造產業方案可用來討論樣本、驗證與整合範圍。

從一條工作流程開始。
釐清值得做的下一步。

留下聯絡方式與問題類型,我們會再透過 Email 了解現況,討論流程、整合與開發範圍。