[세이지 용어집] 검사 파라미터 - 세이지 SAIGE, AI that works.

한 줄 정의

검사 파라미터는 AI·머신비전 검사 시스템이 양품과 불량을 판정하는 기준이 되는 설정값으로, 결함 크기 임계값·민감도·판정 영역 등을 정의해 검사 결과를 좌우합니다.

검사 파라미터의 특성

검사 파라미터는 검사 정확도와 직접 연결됩니다. 민감도를 너무 높이면 정상 제품도 불량으로 잡는 과검출이 늘고, 너무 낮추면 실제 불량을 놓치는 미검출이 생깁니다. 그래서 제품 특성과 품질 기준에 맞게 파라미터를 균형 있게 조정하는 것이 중요합니다. AI 비전 검사에서는 결함 크기·면적 임계값, 판정 신뢰도(컨피던스), 검사 관심 영역(ROI) 등이 대표적인 파라미터이며, 신제품 투입이나 공정 변경 시 다시 최적화하는 경우가 많습니다.

검사 파라미터 관리가 필요한 이유

과검·미검 균형

민감도·임계값을 적절히 설정해 과검출과 미검출을 함께 줄이고 검사 신뢰도를 높입니다.

제품별 최적화

제품 종류와 품질 기준에 맞게 파라미터를 조정해 라인별·제품별 검사 정확도를 확보합니다.

일관된 품질 기준

파라미터를 체계적으로 관리하면 담당자가 바뀌어도 동일한 기준으로 검사를 유지할 수 있습니다.

실제 업무 적용 사례

한 전자 부품 라인은 AI 검사를 도입했지만 정상품을 불량으로 잡는 과검이 많아 현장이 검사 결과를 신뢰하지 않았습니다. 기존에는 민감도와 임계값을 한 번 설정한 뒤 제품이 바뀌어도 그대로 두어 오판이 잦았습니다. 양품·불량 샘플로 검사 파라미터를 다시 최적화하고 제품별로 임계값과 검사 영역을 조정하자, 과검과 미검이 함께 줄어 검사 신뢰도가 높아지고 라인 정지도 감소했습니다.

자주 묻는 질문

검사 파라미터는 어떻게 정하나요?

제품의 품질 기준과 허용 불량 수준을 기준으로 설정합니다. 보통 양품·불량 샘플로 시험 검사를 하면서 과검출과 미검출이 균형을 이루는 지점을 찾습니다. 한 번 정하고 끝이 아니라, 신제품·공정 변경 시 다시 검증하고 조정하는 것이 좋습니다.

AI 검사에서도 파라미터 조정이 필요한가요?

네. AI 모델이 결함 패턴을 학습하더라도, 판정 신뢰도 임계값이나 검사 영역 같은 파라미터는 현장 기준에 맞게 설정해야 합니다. 같은 모델이라도 파라미터에 따라 과검·미검 비율이 달라지므로, 라인 특성에 맞춘 조정이 검사 성능에 중요합니다.

AI 검사를 쓰면 파라미터 조정은 필요 없나요?

그렇지 않습니다. AI가 결함 패턴을 학습하더라도 판정 신뢰도 임계값이나 검사 영역 같은 파라미터는 현장 기준에 맞게 설정해야 합니다. 같은 모델이라도 파라미터에 따라 과검·미검 비율이 달라지므로 라인 특성에 맞춘 조정이 중요합니다.

검사 파라미터의 특성

검사 파라미터 관리가 필요한 이유

실제 업무 적용 사례

자주 묻는 질문

관련 용어