验收会上最容易吵起来的两个数字,是漏检率和过杀率。供方报检出率百分之九十九点八,使用方拿一批退料一算,漏出去的坏品远不止千分之二。问题常常不在设备,而在口径:分母取错、样本取偏、把"检出的坏品"与"实际坏品"混着用。上海科迎法电气在视觉检测项目里反复处理这类分歧,下面把定义、算法、样本和条款拆开讲。

视觉检测验收缺陷样本分类摆放_上海科迎法电气

一、漏检率和过杀率:先把定义说准

漏检率是实际坏品中被判为良品的数量除以实际坏品总数,衡量坏品漏出去多少,分母是坏品,不是全部产品。过杀率是实际良品中被判为坏品的数量除以实际良品总数,衡量良品被冤枉多少,分母是良品。两个指标分母不同,不能相加,也不能用一个准确率概括。产线上常说的误判率,多数时候指过杀率,但有人把它算成误判数除以总产量,数值立刻小一个数量级。

还有一个容易混淆的词:检出率。有人把检出率定义为检出的坏品数除以设备报出的坏品总数,这个数永远接近百分之百,因为没有检出的坏品根本不在分母里。看到报告写检出率百分之九十九点九,先问一句分母是什么,再决定要不要签字。

更常见的混淆是准确率。把判对的样本数除以总样本数,就是准确率。当坏品只占千分之三时,全部判成良品,准确率也有百分之九十九点七,但漏检率是百分之百。来料不良率越低的产线,这个陷阱越深。电子元器件这类小尺寸、大批量场景,缺陷占比低,更要盯住分母,可参考电子元器件视觉检测设备的检测项与样本组织方式。

还要约定判定阈值的位置。阈值往严移,漏检下降、过杀上升;往松移则相反。讨论指标前先确认阈值设定,否则两套数据根本不可比。同一台设备,换一个阈值就能得出完全相反的结论,这一点在验收文件里必须写明。

抽检与全检也要分开说。抽检按批次判合格,指标是批不合格率;全检按件判,指标才是漏检率与过杀率。把抽检数据拿来算单件漏检率,样本量根本不够,算出来的数字没有统计意义。验收前先明确检验方式,再谈指标。

二、计算口径:三种分母,三个结论

同一批数据换一种分母,结论能差出十倍。下表把三种常见算法摆在一起,验收前先确认双方用的是哪一种。

指标 分子 分母 常见误算
漏检率 坏品判良品数 实际坏品总数 用总产量做分母,数值被稀释
过杀率 良品判坏品数 实际良品总数 把复判后放行的良品算成过杀
准确率 判对样本数 总样本数 被高良品率抬高,掩盖漏检

第三行最容易被当成第一行用。还有一个细节:过杀是否包含复判后放行的部分。设备判坏、人工复判为良并放行,这批产品算不算过杀?从质量成本看算,因为它占用了复判工时;从交付看不算,因为没有报废。条款里必须写清楚,否则双方各算各的。

过杀率还要换算成钱。过杀一件,损失的是复判工时与可能的拆解风险;过杀率百分之二,日产一万件就是两百件进复判,按每件三十秒算,一天多出近两个小时人工。把这个账算给管理层看,阈值该往哪边调就有依据了。

连续生产还要区分按件统计与按批次统计。按件适合单件价值高的产品,按批适合小件大批量。像高速在线全检系统这类设备,单件节拍在几十毫秒级,按件统计更直观,但要求样本量足够,否则置信区间宽得没法用。

置信区间常被忽略。抽三百件、漏掉一件,漏检率是千分之三点三,但置信区间可能从千分之一到百分之一,样本越少区间越宽。要证明千分之二的水平,样本量至少要上千件,且坏品数量足够。报告里只写点估计不写区间,验收时就容易各说各话。

人工复判与设备原始判定记录对照_上海科迎法电气

三、缺陷样本集:三类样本与封存批次

验收样本不是从产线随手抽一箱。至少要包含三类:真实坏品、边界样本、真实良品。真实坏品覆盖全部缺陷类型,每类不少于三十件,缺陷程度从轻微到严重都有;边界样本是人眼也要犹豫的那一档,决定判定阈值定在哪里;真实良品覆盖不同批次、不同供应商、不同表面状态,因为过杀往往来自良品之间的正常差异。

样本数量按统计意义定。要证明漏检率低于千分之二,样本里至少要有几百件坏品;只放十件坏品,检出一件就是百分之十。实际操作可以用坏品富集:把坏品比例人为提到百分之十到二十,专门评估算法,再用真实比例的批次评估整线表现,两种数据分开记录,别混在一张表。

样本要留影像与实物两套。影像用于复现算法判定,实物用于复判与培训;只留影像,后期争论缺陷真伪时没有依据。样本编号与批次、工序、设备参数对应,三个月后还能追到当时的生产条件。样本柜要避光防潮,橡胶件与电子件分开存放。

样本还要留出未见过的批次。调参样本与验收样本必须分开,同一批样本既调又验,结果一定好看。建议按时间切分:前两周批次用于调试,第三周批次封存,验收时才开封。像CCD视觉筛选机这类按颜色、尺寸、外形分选的设备,来料批次差异对过杀影响很大,封存样本能暴露真实波动。

样本标注的一致性同样影响结果。同一件边界样本,甲判坏、乙判良,指标就跟着变。验收前要由工艺、质量与设备三方共同标注,争议样本单独封存,不参与指标计算,但要在报告里注明数量。标注规则写成图文对照,别只用文字描述缺陷类型。

四、三种最常见的算错方式

第一种,把复判结果算进原始判定。设备判坏、人工改判良,统计时直接用改判后的数据算漏检率,等于让人替设备背书。正确做法是两套数据都留:设备原始判定一套,复判后一套,分别算指标。

第二种,漏掉未检出的坏品。统计时只数设备报出的坏品,忘了把人工全检发现的漏网坏品加回分子,漏检率被系统性低估。验收必须安排一次人工全检对照,哪怕只做几百件。

第三种,用同一批样本反复调阈值。调一次、测一次、再调一次,最后报出的指标是在这批样本上的最好成绩,换批就崩。阈值一旦确定,就要用封存样本验证,标准化AOI检测机的验收流程通常会把这一步写进调试记录。

还有一种隐蔽的算错:把不同缺陷类型混在一起算一个总漏检率。裂纹漏检百分之零点一,脏污漏检百分之三,平均下来百分之一点五,看起来达标,实际裂纹这一项可能已经超标。按缺陷类型分列指标,再按严重度加权,才接近真实风险。

算错往往不是算术问题,而是流程问题。设备、质量、供方三方各拿一套表,口径不统一,开会就对不上。验收前开一次口径对齐会,把公式、样本、记录表定下来,比事后争论有效。

五、视觉检测验收条款:四件事写清楚

条款要写四件事:指标定义、样本集构成、测试方法、判定与复验规则。定义直接抄前面的公式并注明分母;样本集写明总数量、坏品数量、缺陷类型覆盖与批次来源;测试方法写明全检对照还是抽检对照、由谁执行、记录表格式;判定规则写明一次不通过如何处理,是整改后全批重测,还是只测未通过项。

罚则与复验也要写。指标未达标时,是扣款、延长质保,还是要求整改后重测,要在合同里定清楚;复验用哪批样本、由谁封存、费用谁承担,同样写明。把丑话说在前面,验收当天反而顺利。

条款之外,最好附一张验收记录表模板:样本编号、缺陷类型、设备判定、人工判定、是否一致、备注。表格越简单,填的人越愿意填;字段太多,最后只剩签名。记录表与条款一起评审,能提前发现口径没对齐的地方,验收当天按表逐项过,争议项当场标记,不留在会后扯皮。

还要约定指标的适用边界:设备在什么速度、什么光照、什么来料状态下达到的指标,换型或提速后是否重新验收。不少纠纷来自验收节拍与量产节拍不一致,速度提上去,曝光时间缩短,漏检率自然上升。

指标还要与产能挂钩。同一台设备,产能拉到上限时漏检率上升是普遍现象,条款里可以约定额定产能下的指标,超出部分另议。把速度、精度、漏检三者写成一张表,比一句满足生产要求可靠。

最后留一条兜底:双方各留一份原始图像与判定记录,保存期不少于半年。出现争议时,回放图像比争论口径有效得多。需要按缺陷类型和节拍选型的项目,可以在视觉检测设备产品列表里对照各机型的视野、精度与处理速度,再确定验收指标。