top of page

AI ตรวจ Defect แม่นยำแค่ไหน? ทำไมยังมีโอกาส QC หลุด

2 hours ago
1 min read

หลายโรงงานเริ่มสนใจใช้ AI ช่วยตรวจคุณภาพสินค้า เพราะต้องตรวจชิ้นงานจำนวนมากทุกวัน โดยเฉพาะงานที่มีรายละเอียดเล็ก ๆ อย่างรอยขีดข่วน รอยแตก หรือชิ้นส่วนที่ผิดตำแหน่ง


แต่ก่อนตัดสินใจใช้ระบบ มีคำถามสำคัญที่ควรรู้คือ AI ตรวจ Defect ได้แม่นยำแค่ไหน และเชื่อถือผลตรวจได้มากเพียงใด?


คำตอบไม่ได้อยู่ที่ตัวเลข Accuracy เพียงอย่างเดียว


AI ตรวจเจอ 99% แปลว่าไม่พลาดจริงไหม?


สมมติโรงงานตรวจชิ้นงาน 10,000 ชิ้น โดยมีของเสียจริง 50 ชิ้น


ระบบ AI ตรวจพบของเสียได้ 40 ชิ้น แต่พลาดไป 10 ชิ้น และยังแจ้งผิดว่าสินค้าปกติอีก 40 ชิ้นเป็นของเสีย หากคำนวณความถูกต้องโดยรวม ระบบนี้มี Accuracy ถึง 99.5% แต่กลับตรวจพลาดของเสียจริงถึง 20%


นี่คือตัวอย่างสมมติที่แสดงให้เห็นว่า ตัวเลขความแม่นยำสูง ไม่ได้หมายความว่าระบบจะตรวจพบ Defect ได้ดีเสมอไป โดยเฉพาะโรงงานที่มีของเสียน้อยมากเมื่อเทียบกับจำนวนสินค้าปกติ



False Positive และ False Negative สำคัญกับ QC อย่างไร?


False Positive — ของดี แต่ AI บอกว่าเสีย

ทำให้สินค้าปกติถูกส่งไปตรวจซ้ำ อาจเพิ่มเวลาทำงานและต้นทุนโดยไม่จำเป็น


False Negative — ของเสีย แต่ AI บอกว่าผ่าน

เป็นความเสี่ยงสำคัญ เพราะชิ้นงานผิดปกติอาจหลุดไปยังขั้นตอนถัดไปหรือถึงมือลูกค้า

การประเมิน AI จึงควรดูทั้ง Recall หรือสัดส่วนของเสียที่ระบบตรวจพบ และ Precision หรือ สัดส่วนของเสียจริงในกลุ่มที่ AI แจ้งว่าผิดปกติ ซึ่งตัวเลขที่เหมาะสมขึ้นอยู่กับความรุนแรงของข้อผิดพลาดและต้นทุนการตรวจซ้ำของแต่ละโรงงาน


ทำไม AI ถึงตรวจชิ้นงานผิดพลาดได้?


แม้ระบบจะทำงานได้ดีในช่วงทดลอง แต่สภาพหน้างานจริงอาจเปลี่ยนไป ทั้งแสงสะท้อน มุมของชิ้นงาน ความเร็วสายพาน หรือ Defect รูปแบบใหม่ที่ไม่เคยอยู่ในข้อมูลฝึกสอน โดยเฉพาะชิ้นงานที่มีพื้นผิวสะท้อนแสง เช่น โลหะขัดเงาหรือเพชร รอยบางประเภทอาจมองเห็นได้ชัดจากมุมหนึ่ง แต่แทบมองไม่เห็นจากอีกมุมหนึ่ง ดังนั้นการตรวจ Defect ที่ดีต้องเริ่มจากภาพที่มีคุณภาพ และทดสอบให้ครอบคลุมสภาพการผลิตจริง



ก่อนนำ AI เข้าสายการผลิต ควรทดสอบอะไร?


โรงงานควรมีตัวอย่างชิ้นงานทั้งปกติและผิดปกติ พร้อมเกณฑ์การตรวจที่ชัดเจน แล้วทดลองระบบกับข้อมูลที่แยกจากชุดที่ใช้พัฒนา AI นอกจากความแม่นยำ ควรดูจำนวนของเสียที่ตรวจหลุด จำนวนสินค้าที่ถูกแจ้งผิด และความเร็วในการตรวจด้วย


หากระบบไม่มั่นใจ ควรมีกระบวนการให้พนักงานตรวจสอบเพิ่มเติม โดยเฉพาะงานที่ความผิดพลาดอาจกระทบความปลอดภัยหรือคุณภาพสินค้าอย่างรุนแรง เพราะ AI สำหรับงาน QC ที่ดี ไม่ใช่แค่ระบบที่บอกว่าตรวจได้แม่นยำ แต่ต้องพิสูจน์ได้ว่าตรวจพลาดอย่างไร และโรงงานรับความเสี่ยงนั้นได้หรือไม่



คำถามที่พบบ่อยเกี่ยวกับ AI ตรวจ Defect


Q: AI ตรวจ Defect ได้แม่นยำ 100% ไหม?

ไม่ควรสมมติว่าระบบตรวจได้สมบูรณ์แบบ ต้องประเมินผลกับชิ้นงานและสภาพแวดล้อมจริงก่อนใช้งาน


Q: False Negative ในงาน QC คืออะไร?

คือกรณีที่ระบบตรวจไม่พบชิ้นงานเสีย และปล่อยให้ผ่านไปเหมือนสินค้าปกติ


Q: ทำอย่างไรให้ AI ตรวจ Defect ได้ดีขึ้น?

เริ่มจากปรับคุณภาพภาพถ่ายและแสง กำหนดเกณฑ์ตำหนิให้ชัด เพิ่มตัวอย่างที่ครอบคลุม และทดสอบระบบอย่างต่อเนื่อง

Comments


bottom of page