採購前如何評估 AI AOI 系統

評估 AI AOI 系統時，應在您自己的板子上重現其宣稱的效能，而非單純比較規格表。帶上六種類型的電路板（最複雜的高混線工單、同色元件板、具標記的電感板、無 CAD 數據的工單、已知存在真實缺陷的板子，以及目前誤判率最嚴重的板子），然後衡量五個關鍵指標：編程時間、誤判率、已知缺陷的漏檢率、作業員上手速度以及批次重複性。以您現有產線作為基準評分，而非採用設備商提供的數據。

每家 AOI 設備商都會發布準確率數據，我們也不例外。但這些數據的價值，完全取決於您能否在自己的產品上重現。本文提供我們認為買方應執行的驗證流程：該準備什麼、測量什麼、測試時間長短，以及合格標準的定義。這套方法適用於任何設備商的機台，我們更希望您直接在我們的機台上驗證，而不是單憑我們的一面之詞。

為何不能輕信 AOI 的準確率數據？

AOI 的準確率數據通常難以直接比較，因為分母基礎不同。檢測率可能以每個元件、每片板子或每種缺陷類別計算，而這三種計算基準在同一台機器上就可能產生數量級的差異。誤判率也存在同樣的問題。公開數據通常還隱去了是哪些板子、哪組缺陷樣本，以及採用了何種門檻邏輯。這些數字未必是不實的，但它們無法直接套用到您的產線上。

綜觀各家公開數據即可看出差距。2025 年與 2026 年的獨立來源報告指出，依據來源不同，誤判可減少 30 至 40 百分比，誤拒可減少 70 至 85 百分比，關鍵焊點的檢測率則達到 98 至 99 百分比（Overview.ai 2025；Boolean & Beyond 2026；Jidoka 2026）。DaoAI 評定的檢測準確率在 98 百分比或以上，且誤判會隨作業員的回饋反覆降低。這些數據來自不同的實驗，且無人提供足夠細節以供重現，因此請務必在您自己的板子上驗證效能。

釐清以下三個問題即可消除多數困惑，您可以針對任何數據（包括我們的數據）提出這些疑問：

• 分母是什麼？ 是每受檢元件、每片板子，還是每個通報事件？務必堅持確認分母。
• 用在哪些板子上？ 是專為展示設計的示範板，還是採用第二來源料件的高混線生產工單？
• 在何種門檻設定下？ 檢出率與誤判率往往互相牽制。單獨引用的數據若缺乏對應數據，便毫無意義。

這並不意味著測試毫無用處，而是意味著測試必須在您的產線上進行。

進行 AOI 實機展示時應準備哪些板子？

請準備六種類型的電路板，各自對應特定檢驗能力：最複雜的高混線工單、元件本體與基板同色的板子、帶有標記的晶片電感或晶振、沒有 CAD 數據的工單、帶有記錄已知真實缺陷的板子，以及目前產線上產生最高誤判率的板子。設備商會提供自備的展示板，但那只能說明機器擅長什麼，而不是您真正需要確認的核心問題。

關於已知缺陷板需要特別說明。您需要的是經過記錄的真實不良品，而非人工模擬的缺陷：請從您自己的報廢品中挑選，且缺陷清單必須由覆核工作站依據 IPC-A-610 標準確認。在展示期間請勿公開這份清單。若是針對設備商已提前得知的缺陷進行評估，測試便毫無意義。

此外，也請帶上一片一般的普通板。一項直觀且高良率的工單有助於建立您的誤判底線。若系統在簡單的工單上都會產生雜訊，它在複雜工單上的任何表現都無法解決您的問題。

實際應該測量哪些項目？

請測量五個項目：編程時間（從取得板子到啟動首次檢測的碼表計時）、誤判率（通報次數除以受檢元件數，使用一致的分母）、漏檢率（檢出的已知缺陷數除以實際存在的已知缺陷數）、作業員上手難易度（非工程師人員能否獨立完成換線），以及重複性（同一片板子連續運行三次並比對結果）。測試時請隨時記錄數據。展示間的印象在一天之內就會淡化。

這五個項目的具體計算方式如下：

1. 編程時間。 從板子放入機台開始計時，到首次檢測啟動停止。計算所有環節：數據匯入、建庫作業、劃定檢測區域、設定門檻。設備商宣稱的設定速度通常會排除耗時最長的部分。關於實際步驟的詳細說明，請參閱無 CAD 編程的運作原理。
2. 誤判率。 誤判數除以受檢元件總數，以 PPM 或百分比表示。選擇一個統一的分母，並套用到您評估的每一套系統中，包含現有設備。這項嚴格標準比本評估流程中的其他任何步驟更能確保比較的有效性。
3. 漏檢率。 從記錄缺陷的板子中，以檢出的已知缺陷數除以實際存在的已知缺陷數。這是保障生產品質的核心指標。一套能減少一半誤判但漏掉某類真實缺陷的系統，對您毫無助益。
4. 作業員上手難易度。 由產線作業員而非製程工程師或設備商的應用工程師，從頭到尾獨立執行一次換線。全程計時，並記錄每次需要協助的時刻。若該作業流程只有專家才能操作，您的產線人力配置規劃就必須隨之調整。
5. 重複性。 在不變更設定的情況下將同一片板子運行三次，比對通報結果。相同運行間的差異屬於量測系統雜訊，它限制了門檻微調所能達成的上限。這是 AOI 領域的 Gage R&R 檢驗，建議在您現有的設備上也執行一次，基準結果可能會讓您吃驚。

測試期間請將所有結果記錄在同一份表格中：設備商 A、設備商 B 與現有產線，對應相同的五個維度。

產線試跑評估應進行多久？

兩小時的展示可測量編程時間、明顯誤判、已知缺陷的檢出表現以及作業員上手速度。但它無法衡量誤判率是否隨時間遞減、系統如何應對元件批次更換，也無法測出在量產規模下的真實漏檢率。這些需要二至四週的產線實測。請將展示視為初步篩選，並將產線試跑作為最終決策依據。

各階段能真正驗證的內容：

兩小時展示的真實範疇： 設定時間在此階段是真實且可量測的。同色元件與標記辨識行為亦同，因為這些屬於單圖判定問題。作業員上手速度可立即顯現。已知缺陷板的檢出表現具有參考價值，但僅限於單片樣本的代表性。

產線實測二至四週才能揭示的真相： 誤判率是否隨著作業員反饋修正而呈下降趨勢，這是區分自我學習系統與靜態系統的關鍵機制（技術原理請點此）；更換元件批次或第二來源料件時系統是否失常；漏檢率在量產規模下是否仍能維持，而非僅限於單一樣本；日常維護負擔是否與設備商宣稱的一致。

關於過早下結論的兩點警示：短期展示無法驗證自我學習能力，因為學習機制需要量產回饋與時間發酵；而在設備商預先調校好的機台上展示，完全無法代表您的團隊在三個月後能否持續維護。請務必詢問機台在您進場之前的設定狀態。

合格的評估結果應該符合哪些標準？

請依據您自身產線設定合格標準，而非參考絕對數值。先將您目前的編程時間、誤判率、漏檢率及複檢人力建立基準，隨後預先決定達到多少幅度的改善，才足以支撐這項採購與產線變動。在實機展示前先定好門檻，才能確保決策客觀，因為由設備商親自操作時，每套系統看起來都表現優異。

在安排任何參訪前建議先填寫的評分表：

填寫此表的兩項準則：第一，漏檢率欄位是一票否決項，不可折衷：若一套系統在各方面都有提升卻放行了真實缺陷，無論其他欄位分數多高皆判定為不合格。第二，務必在展示前確定中間欄位的標準。展示後才訂定的門檻只不過是合理化的藉口。

若您目前仍在收斂機台類型與硬體配置，而非驗證具體效能，選型指南涵蓋了該階段的重點，包含向各設備商必問的七大關鍵問題。

常見問題

若設備商不允許我自備板子該怎麼辦？

這本身就是一種答案。保密限制固然真實存在，但可透過保密協議（NDA）解決；若設備商在任何條件下都不願意運行您的產品，說明他們的漂亮數據只能存在於他們自家的板子上。所有嚴肅的評估都必須在買方自身的產品上進行。

需要多少片板子才能確保測試結果具有實質意義？

針對展示階段，涵蓋上述六種類型比數量更重要。針對產線試跑，則需要足夠的量產板以確保誤判率具備統計穩定性而非偶發巧合，實務上意味著讓產線正常運行二至四週，而非拘泥於特定板數。

在產線試跑期間，設備商工程師能否進行系統微調？

可以，並請讓他們調整。但務必記錄他們的每一項調整。這份記錄就是您未來的維護預估：應用工程師在試跑期間處理的所有事情，日後都將由您廠內的人員承接。若調整記錄冗長，請確認第六個月時將由誰來負責這些維護。

在試跑中表現優異的 AI 系統，日後在正式量產時會劣化嗎？

需要查核的失效模式是漂移（drift）：模型訓練完成後，當元件批次、板版本或打光條件改變時會發生什麼事。能從作業員回饋中學習的系統就是設計來吸收這些變異的，DaoAI 的數據顯示誤判率會隨著使用而降低，而非上升（DaoAI 報告數據）。請向所有設備商詢問模型如何更新、由誰觸發更新，以及在電路板改版時該如何因應。

歡迎使用此流程檢驗我們

請將這套評估流程套用至您候選名單中的任何機台。若我們的機台也在名單中，請帶上這六種板子，對缺陷清單保密，並以與其他設備商相同的評分表來嚴格檢驗我們。