ข้ามไปยังเนื้อหา
EN
บทความกรณีประยุกต์

ตรวจจับความผิดปกติ QC

Anomaly detection เรียนลักษณะของงานปกติแล้วให้คะแนนความต่าง เหมาะเมื่อมีภาพของดีมากแต่ defect หายาก คะแนนสูงหมายถึงแตกต่างจากข้อมูลอ้างอิง ไม่ใช่หลักฐานว่าเสีย และคะแนนต่ำไม่รับรองว่าไม่มี defect ที่ไม่เคยทดสอบ

ตรวจจับความผิดปกติ QC

หลักการ สถานการณ์ และความเหมาะสม

Anomaly detection เรียนลักษณะของงานปกติแล้วให้คะแนนความต่าง เหมาะเมื่อมีภาพของดีมากแต่ defect หายาก คะแนนสูงหมายถึงแตกต่างจากข้อมูลอ้างอิง ไม่ใช่หลักฐานว่าเสีย และคะแนนต่ำไม่รับรองว่าไม่มี defect ที่ไม่เคยทดสอบ

anomaly คือสิ่งที่ต่างจากรูปแบบอ้างอิง เปรียบเหมือนคนคุ้นกับผิวสินค้ารุ่นหนึ่งแล้วสังเกตจุดแปลกได้ แต่ยังต้องถามว่าแปลกเพราะรอยเสียหรือเพราะแสงเปลี่ยน heatmap คือภาพสีที่ชี้บริเวณคะแนนต่างสูง ไม่ใช่แผนที่ความร้อนทางกายภาพและไม่อธิบายสาเหตุเครื่องจักร ผู้ตรวจต้องอ่านคู่กับภาพต้นฉบับและข้อกำหนดชิ้นงาน

threshold คือเส้นคะแนนที่เลือกส่งงานไปตรวจ ยกเส้นสูงช่วยลดงานพักแต่เสี่ยงพลาดรอย ส่วนลดเส้นเพิ่มความไวและภาระคน validation คือชุดเลือกเกณฑ์ที่ต้องแยกจาก test ซึ่งใช้ตรวจผลครั้งสุดท้าย ควรให้เจ้าของคุณภาพเลือกตามความเสี่ยงและทรัพยากร ไม่เลือกเส้นจากผลทดสอบเพื่อให้รายงานดูดี และไม่ถือว่าข้อมูลของดีจำนวนมากพิสูจน์การตรวจตำหนิทุกชนิด

เรียนรู้ผิวปกติก่อนวัดความต่าง Anomaly Score บอกความต่างจากข้อมูลอ้างอิง ไม่ใช่หลักฐานว่ามีตำหนิจริง ต้องใช้เกณฑ์ผู้ตรวจ ภาพปกติที่ยืนยัน; โมเดลอ้างอิงปกติ; คะแนนความต่าง; ผู้ตรวจ/เกณฑ์งาน 1 ภาพปกติที่ยืนยัน 2 โมเดลอ้างอิงปกติ 3 คะแนนความต่าง 4 ผู้ตรวจ/ เกณฑ์งาน

เลื่อนแผนภาพซ้าย–ขวาเพื่อดูรายละเอียดครบทุกส่วน

เรียนรู้ผิวปกติก่อนวัดความต่าง Anomaly Score บอกความต่างจากข้อมูลอ้างอิง ไม่ใช่หลักฐานว่ามีตำหนิจริง ต้องใช้เกณฑ์ผู้ตรวจ แผนภาพอธิบายหลักการ ไม่ใช่หน้าจอผลิตภัณฑ์หรือผลทดสอบจริง

ตัวอย่างเชิงออกแบบ

ตัวอย่างเชิงออกแบบ: เรียนผิวผลิตภัณฑ์รุ่นหนึ่งจากล็อตปกติแล้วแสดง heatmap ให้ผู้ตรวจจัดหมวดสาเหตุ ความต่างจากแสงใหม่ต้องแยกจากความผิดปกติของชิ้นงานก่อนปรับ threshold

สถานการณ์สมมติ: หลังเปลี่ยนหลอดไฟ คะแนนเพิ่มทั่วทั้งชิ้น แต่ผู้ตรวจพบว่าผิวเหมือนเดิม ควรตรวจเงื่อนไขถ่ายและเทียบชิ้นอ้างอิงก่อนปรับเส้น การเพิ่ม threshold ทันทีอาจทำให้รอยจริงที่เคยตรวจได้หลุด ส่วนการนำทุกภาพใหม่ไปฝึกเป็นปกติอาจรวมรอยเสียที่ยังไม่ทบทวน

ทางเลือกคือคืนเงื่อนไขแสงเดิมหรือสร้างชุดอ้างอิงใหม่ที่คนยืนยัน วิธีแรกคงฐานเปรียบเทียบแต่จำกัดการเปลี่ยนสถานี วิธีหลังเพิ่มงานฉลากและทดสอบ ให้ผู้ตรวจแยกแสง ลายปกติ และตำหนิ พร้อมเก็บเหตุผล ใช้ข้อมูลและชิ้นอ้างอิงควบคุม ไม่ทำสินค้าเสียในสายจำหน่ายเพื่อสร้างตัวอย่าง anomaly

ข้อมูลนำเข้าและเงื่อนไขเริ่มต้น

ใช้ภาพปกติที่ผ่านการตรวจหลายล็อต บริบทแสงและ fixture พร้อม defect จริงบางส่วนที่กันไว้ประเมิน อย่าใส่ภาพผิดปกติที่ไม่ทราบในกลุ่มปกติโดยไม่มีการทบทวน

fixture คืออุปกรณ์จัดตำแหน่งที่มีผลต่อภาพ เก็บรุ่นสินค้า ล็อต เงื่อนไขแสง และผู้ยืนยันปกติ ชุด normal ต้องครอบคลุมความต่างที่ยอมรับได้ ไม่เป็นเพียงภาพสวยจากวันเดียว

ผลควรมีคะแนน heatmap เวอร์ชันโมเดล และสถานะส่งตรวจ ไม่ระบุชื่อ defect ที่ไม่เคยมีหลักฐานจำแนก หากผลยังไม่รู้สาเหตุให้ใช้คำว่าแตกต่างและให้คนจัดหมวดภายหลัง

ขั้นตอนทดลองและเชื่อมงาน

ขั้นตอนทดลองและเชื่อมงาน
  1. 1ตรวจความสะอาดของชุดปกติและแบ่งตามล็อต
  2. 2ฝึกเฉพาะข้อมูล train แล้วเลือก threshold ด้วย validation
  3. 3ทดสอบ defect ที่กันไว้และจัดกระบวนการทบทวน anomaly ชนิดใหม่

การประเมินและเกณฑ์ตรวจรับ

รายงาน false reject บนล็อตปกติและ recall ต่อ defect ที่มีหลักฐานจริง หากใช้ heatmap วัดผลระดับตำแหน่งแยกจากระดับภาพ ต้องรายงานสัดส่วนส่งตรวจคนและไม่สรุปความสามารถต่อ defect ทุกชนิดจากชุดเล็ก

ตรวจล็อตที่ไม่ใช้สร้าง normal หรือเลือกเส้นคะแนน และรายงานจำนวนรอยแต่ละชนิด ผลระดับภาพบอกพบความต่างในชิ้นหรือไม่ ส่วนระดับตำแหน่งบอกว่าชี้รอยถูกบริเวณหรือไม่ ทั้งสองตอบงานต่างกัน

ให้ผู้ตรวจสุ่มผลคะแนนต่ำและทบทวนคะแนนสูง บันทึกของที่ยังสรุปไม่ได้แยกจากของดี ตรวจภาระคิวคนจริง ไม่ลดผลพักด้วยการสอนความต่างใหม่เป็นปกติก่อนผู้มีหน้าที่อนุมัติ

ความต่างสูง กับตำหนิจริง แสงหรือสินค้าใหม่อาจเพิ่มคะแนนโดยไม่มีตำหนิ ต้องทดสอบข้อมูลที่ไม่ใช้ฝึกและตรวจ Drift ต่างจากชุดอ้างอิง; แสงเปลี่ยน; ลายผิว/รุ่นใหม่; คะแนนอาจสูง; ตำหนิตามเกณฑ์; ผู้ตรวจยืนยัน; แยกชนิด/ผลกระทบ; วัด Miss/False Reject ต่างจากชุดอ้างอิง แสงเปลี่ยน ลายผิว/รุ่นใหม่ คะแนนอาจสูง ตำหนิตามเกณฑ์ ผู้ตรวจยืนยัน แยกชนิด/ผลกระทบ วัด Miss/False Reject

เลื่อนแผนภาพซ้าย–ขวาเพื่อดูรายละเอียดครบทุกส่วน

ความต่างสูง กับตำหนิจริง แสงหรือสินค้าใหม่อาจเพิ่มคะแนนโดยไม่มีตำหนิ ต้องทดสอบข้อมูลที่ไม่ใช้ฝึกและตรวจ Drift แผนภาพอธิบายหลักการ ไม่ใช่หน้าจอผลิตภัณฑ์หรือผลทดสอบจริง

กรณีล้มเหลวและข้อจำกัด

การเปลี่ยนแสงหรือ texture ปกติอาจทำให้คะแนนสูง การปรับ threshold จาก test ทำให้ผลประเมินมองดีเกินจริง และ heatmap บอกบริเวณที่โมเดลสนใจ ไม่ใช่คำอธิบายสาเหตุทางกายภาพ

texture คือลักษณะลายพื้นผิวที่อาจเปลี่ยนตามวัสดุหรือกระบวนการ การพบท่าทีคะแนนเปลี่ยนไม่พิสูจน์ว่าคุณภาพเปลี่ยน ต้องตรวจชิ้นจริงและบริบท ไม่ใช้ผลเพื่อกล่าวหาผู้ผลิตหรือผู้ปฏิบัติงานโดยอัตโนมัติ

ตำหนิที่คล้าย normal อาจไม่ถูกเสนอ และตำหนิภายในอาจไม่ปรากฏเลย การเสนอเรียนรู้เพิ่มเป็นวิธีศึกษา ไม่ใช่ความสามารถตรวจของเสียที่ไม่รู้จักทั้งหมดหรือคำรับรองสินค้าจากคะแนนต่ำ

รายการตรวจสอบก่อนใช้งาน

  • ภาพ normal ผ่านการทบทวนจริงหรือไม่
  • threshold เลือกโดยไม่ดู test หรือไม่
  • มีวงจรตรวจ anomaly ใหม่ก่อนนำกลับไปฝึกหรือไม่

แหล่งอ้างอิงและอ่านต่อ

แอปพลิเคชันที่เกี่ยวข้อง

สำรวจแอปพลิเคชันเพิ่มเติม

เริ่มจากโจทย์และข้อมูลที่มีจริง

หารือสิ่งที่ต้องตรวจ สิ่งที่ภาพพิสูจน์ไม่ได้ และเงื่อนไขตรวจรับ ก่อนยืนยันขอบเขตงาน

อ่านบทความเทคโนโลยีและแนวทางใช้งาน AI

เรียนรู้หลักการ ข้อจำกัด และวิธีประเมินระบบจากบทความที่เผยแพร่บนเว็บไซต์

ข่าวสาร