如何評估 AI AOI 系統再購買

評估 AI AOI 系統應透過在您自己的板上覆現其宣稱的效能，而不是比較規格表。帶六類板（您最難的高混批生產任務、同色元器件、有標記的電感器、沒有 CAD 資料的生產任務、已知真實缺陷的板，以及當前誤報最嚴重的板），然後測量五項指標：編程時間、誤報率、已知缺陷的漏檢率、操作員上手速度和執行一致性。以您現有產線為基準進行評分，而不是以供應商的資料為基準。

每個 AOI 供應商都會公佈精度資料，包括我們。這些資料的價值取決於您在自己的產品上覆現它們的能力。本文是我們認為買家應該執行的方案：帶什麼、測量什麼、執行多久以及合格結果是什麼樣的。它適用於任何供應商的機器，我們寧願您在我們的機器上執行此方案，也不願您輕信我們的話。

為什麼不能相信 AOI 精度資料？

AOI 精度資料很少具有可比性，因為分母不同。檢測率可以按元器件、按板或按缺陷類別引用，這三個基準在同一臺機器上可能相差幾個數量級。誤報率也存在同樣的問題。公佈的資料還省略了產生這些資料的板、缺陷集和閾值策略。這些資料不一定是不誠實的。它們只是無法移植到您的產線。

對公開宣告的快速調查顯示了其差異。2025 年和 2026 年的獨立和供應商來源報告稱，誤報減少 30% 到 40%，誤拒減少 70% 到 85%，關鍵焊點檢測率達到 98% 到 99%，具體取決於來源（Overview.ai 2025；Boolean & Beyond 2026；Jidoka 2026）。我們自己的宣傳冊聲稱誤報減少高達 80%，檢測精度達到 98% 或更高（DaoAI 報告）。這些範圍與其說是相互矛盾，不如說是描述了不同的實驗，而這些實驗都沒有足夠詳細的文件來重複。

三個問題可以消除大部分困惑，您可以向任何資料提出這些問題，包括我們的：

• 基於什麼？基於檢測的元器件數量、板數量或標記事件數量。堅持要求提供分母。
• 在哪些板上？是為演示而設計的板，還是包含第二供貨商零件的高混批生產任務。
• 在哪個閾值設定下？檢測率和誤報率是相互制約的。一個沒有對應資料的數字毫無意義。

所有這些並不意味著測試是無望的。它意味著測試必須在您的工廠進行。

AOI 演示時應該帶哪些板？

帶六類板，每類板都針對特定的能力：您最難的高混批生產任務、帶有同色元器件的板、帶有標記片式電感器或晶體振盪器的板、沒有 CAD 資料的生產任務、預先植入或記錄已知真實缺陷的板，以及目前誤報率最高的板。供應商會提供他們自己的演示板。這些板能告訴您機器擅長什麼，但這並不是您要回答的問題。

關於已知缺陷板，需要注意。您需要有記錄的真實缺陷，而不是模擬缺陷：從您自己的報廢品中取出的電路板，缺陷列表經您的驗證站根據 IPC-A-610 標準確認。在演示期間，請勿透露缺陷列表。如果系統是針對供應商事先知道的缺陷進行評估，那麼這種評估是不準確的。

同時帶上普通的電路板。一個簡單、高良率的作業可以確定您的誤報下限。如果系統在簡單作業上產生噪聲，那麼它在複雜作業上的表現也無法彌補。

您應該實際測量什麼？

測量五項內容：編程時間（從收到電路板到首次檢測的秒錶計時）、誤報率（誤報數量除以檢測的元器件數量，使用一致的分母）、漏檢率（發現的已知缺陷數量除以存在的已知缺陷數量）、操作員上手速度（非工程師是否能獨立完成換型）、以及重複性（同一塊電路板執行三次，比較結果）。在測量過程中記錄下這些數字。演示室的印象會在一天內消退。

這五項，具體計算方法如下：

• 編程時間。從板子到達機器時開始計時，到首次檢測開始時停止。包括所有環節：資料導入、庫操作、區域繪製、閾值設定。供應商聲稱的設定速度通常不包括耗時最長的部分。關於具體步驟，請參閱無 CAD 編程的工作原理。
• 誤報率。誤報數量除以檢測的元器件數量，以 PPM 或百分比表示。選擇一個分母，並將其用於評估的每個系統，包括您現有的系統。這一單一的規範使得比其他任何步驟都多的比較變得有效。
• 漏檢率。已知的缺陷中被檢測到的數量除以實際存在的已知缺陷數量，基於您有記錄的缺陷板。這個數字是保護您的關鍵。一個將誤報率減半但漏掉一類真實缺陷的系統並沒有幫助您。
• 操作員上手時間。讓產線操作員（而不是工藝工程師，也不是供應商的應用工程師）從頭到尾完成一次換型。計時。記錄他們需要幫助的每一個時刻。如果工作流程只能由專家操作，那麼您的員工配置計劃就需要改變了。
• 重複性。在不更改設定的情況下，對同一塊板子執行三次。比較標記結果。相同執行之間的差異是測量系統的噪聲，它限制了任何閾值調整所能達到的效果。這是 AOI 版本的 Gage R&R 檢查，也值得在您現有的機器上進行，因為基線可能會讓您感到驚訝。

在測試期間將結果記錄在一張紙上。供應商 A 對比供應商 B 對比您當前的產線，相同的五行。

試執行應該持續多久？

兩小時的演示可以測量編程時間、明顯的誤報、已知缺陷的漏檢行為以及操作員上手時間。它無法測量誤報是否會隨時間下降、系統如何處理元器件批次變更，或者生產量下的真實漏檢率。這些需要兩到四周的產線測試。將演示視為篩選，將試執行視為決策。

每個階段實際能告訴您什麼：

兩小時演示，真實範圍。設定時間在這裡是真實且可測量的。相同顏色和標記行為也是如此，因為這些是單影像問題。操作員上手時間會立即顯現。您的已知缺陷板上的漏檢行為在一定程度上是有效的，因為它是一個板子的樣本。

兩到四周的產線測試，只有這能揭示。誤報率是否會隨著操作員反饋修正而下降，這是區分學習系統和靜態系統的機制（機制在此）。新的元器件批次或第二供應商的零件是否會引發問題。漏檢率是否在批次生產中保持穩定，而不是在單個樣本上。維護負擔是否與供應商描述的一致。

關於人們過早得出結論的兩個警告。演示無法驗證學習能力，因為學習需要生產反饋和時間。在供應商準備好的機器上執行的演示，對於您的團隊在三個月後能否維護機器沒有任何參考價值。詢問您進入之前機器是什麼樣子。

合格的結果是什麼樣的？

將合格標準設定為相對於您自己的產線，而不是一個絕對數字。基準化您當前的編程時間、誤報率、漏檢率和複檢人員數量，然後提前決定多少改進才能證明購買和中斷是合理的。在演示前寫下閾值是保持決策公正的關鍵，因為當供應商操作時，每個系統看起來都令人印象深刻。

一份值得在任何人來訪之前填寫的評分表：

填寫此表有兩條規則。首先，漏檢行是一個門檻，而不是權衡：一個系統如果提高了其他所有指標卻放過了真實缺陷，那麼它就是失敗的，無論其他列表現如何。其次，在演示之前確定中間列。事後設定的閾值是合理化。

如果您仍在縮小機器類型和配置的範圍，而不是驗證宣告，那麼選型指南涵蓋了該階段，包括值得詢問每個供應商的七個問題。

常見問題

如果供應商不允許我帶自己的板子怎麼辦？

將其視為一個答案。保密限制是真實存在的，可以透過 NDA 處理，但一個供應商在任何安排下都不願執行您的產品，這說明他們的資料只在他們自己的板子上有效。所有嚴肅的評估都應在買方的產品上進行。

我需要多少塊板子才能使結果有意義？

對於演示，六個類別的覆蓋範圍比數量更重要。對於試執行，您需要足夠的生產板，以使誤報率穩定而不是偶然，這實際上意味著正常執行生產線兩到四周，而不是數到特定數量。

供應商的工程師可以在試執行期間調整系統嗎？

可以，讓他們調整。只需記錄他們所做的每一次調整。該日誌是您的維護預測：應用工程師在試執行期間所做的一切工作，之後都將由您公司的人員負責。如果日誌很長，請詢問在第六個月由誰來做這些工作。

在試執行中表現良好的 AI 系統在後續生產中會退化嗎？

需要詢問的故障模式是漂移：當元件批次、板版本或照明在模型訓練後發生變化時會發生什麼。從操作員反饋中學習的系統旨在吸收這些變化，DaoAI 報告誤報率隨使用而下降而不是上升（DaoAI 報告）。詢問任何供應商模型如何更新、誰觸發更新以及板版本變化時會發生什麼。

對我們執行測試協議

對您備選清單上的所有機器執行此協議。如果我們的機器在其中，請帶上六塊板，保留您的缺陷列表，並要求我們使用與其他供應商相同的評分表。

繼續閱讀

如何計算 AOI 投資回報 ROI 和回收期 payback

供應商的 ROI 計算器會替您決定假設條件。這裡是完整的模型：八條成本線，誤報 false call 和漏檢 escape 節省的計算公式，以及兩個已完成的場景，其中一個場景不產生回報。

2026年8月25日

如何為高混合 PCB 組裝選擇 AOI

規格是入場券。在高混合生產線上真正的區別在於：編程輸入、換型 changeover 時間和誤報 false call 負擔。七個問題揭示了這些差異。

2026年8月5日

如何減少 AOI 誤報 false call：根本原因和解決方案

哪些 AOI 誤報 false call 可以透過調整消除，哪些誤報 false call 存在於閾值 threshold 層之下，以及如何在購買更多調整服務之前區分它們。

2026年7月28日

訂閱以獲得即時最佳化的收件箱

AI 檢測洞察、產品新聞和行業分析。每月一次，無干擾。

英文原文發表於 DaoAI Robotics 官網 →