反饋學習
您教得越多， 它就越智慧。
微鏈道愛 DaoAI 的 ACI OS 作業系統 —— 操作員的每一條反饋都很重要。報告誤報和缺陷，幫助 AI 學習什麼是可接受的，什麼需要關注。
反饋學習是微鏈道愛(DaoAI)ACI OS 在產線上變準的機制:操作員在複核介面的每一次判斷——這是誤報、這是真缺陷——都成為訓練樣本,模型隨產線反饋持續更新。它與「一次建模、長期不變」的邊界就在這裡:判據會隨來料與工藝漂移而調整。相關的建模起點見 自動編程。
| 一鍵操作 | 從錯誤報告到訓練樣本 在生產過程中，在複檢螢幕上報告。沒有任何資訊會離開機器。 |
在生產過程中，在複檢螢幕上報告。沒有任何資訊會離開機器。
| 80% | 更少的誤報 與基於規則的基線相比，並且每次報告都會持續改進。 |
與基於規則的基線相比，並且每次報告都會持續改進。
| 持續學習 | 透過每一輪反饋改進模型。 在複核誤報後更新，或在生產過程中收集反饋並稍後更新。 |
在複核誤報後更新，或在生產過程中收集反饋並稍後更新。
您提供反饋。AI 從中學習。
步驟 01 · 操作員
標記為 OK 或 NG
將元件標記為 OK 或 NG。您的反饋可應用於同一組中的其他元件。
步驟 02 · 操作員
選擇 AI 學習的內容
在微鏈道愛 ACI 裡開啟訓練，即把此反饋納入模型更新。關閉訓練以記錄反饋而不用於訓練。
步驟 03 · AI
更新 AI
執行 AI 更新以從選定的反饋中學習並自動調整檢測參數。
步驟 04 · 機器
重新檢測
再次檢測板並複核更新後的結果。
相同料號，不同供應商。
即使是相同料號，不同供應商也可能意味著不同的本體形狀或標記。將可接受的變體標記為 OK，以便 AI 學習在元件組中識別它。
變體不是缺陷
不同批次之間標記字型不同或本體顏色變化不一定意味著缺陷。您的反饋會教導 AI 哪些變體是可接受的，而引腳翹起、連錫和元件缺失仍然是檢測目標。
更新不會觸及您手動設定的內容。
您的設定保持不變
更新會避開您自行設定的任何內容。
手動設定優先
當您的設定與更新衝突時，您的設定將保留。
生產線優先
更新等待生產線，而不是反過來。
撤銷更新
不是您想要的結果？恢復原狀。
我們如何從替代方案中脫穎而出。
同一種誤報，三種處理方式。
| 調整閾值 | 手動 |
| 通用 ACI | 供應商重新模型訓練並交付 |
| DaoAI | 反饋學習和 AI 更新 |
我們每次都會遇到的四個問題。
需要報告多少次才能停止報告該元件？
這取決於具體專案以及元件外觀的差異程度。機器會在產品收集到足夠多的資料值得更新時通知您。
報告誤報會更改程式嗎？
不會。報告會新增一個示例。當擁有權限的人執行更新時，程式才會更改，並且該更改可以撤銷。
重新訓練時產線會停止嗎？
不會。更新會等待產線，而不是產線等待更新。
更新會覆蓋我們工程師設定的閾值嗎？
不會。您手動設定的任何內容都會被機器保留。
檢視它如何修復誤報。
與微鏈道愛的工程師一起，在您的板上進行 30 分鐘的實時演示。報告一個誤報，執行 AI 更新，然後再次檢測該板以檢視結果。
想要更多控制權？自行調整檢測設定，從單個閾值到每個元件使用的工具。