视觉判定后的人工复核怎么抽样

视觉系统判合格之后如果没有人工复核，漏报就永远不会被发现——系统会一直「看起来正常」，直到问题从客户端回来，而那时已经流出了一批。因此复核不是可选项。但简单按固定比例抽查的效率很低：合格品在数量上占绝对多数，随机抽十个八个，抽到的几乎全是正常件，既发现不了漏报，也说明不了什么。有效做法是按风险分层，把有限的复核工时集中到最可能出问题的那些样本上。

为什么固定比例抽样效率低

假设某工位的不良率是百分之一，按百分之五的比例随机抽检，抽一百件里大约只有零点零五件是不良品——也就是说，要抽两千件左右才可能碰上一个真正的问题。这样的抽样几乎不可能发现漏报，只能证明「绝大多数产品是好的」。而按风险分层之后情况完全不同：如果把复核集中在系统判定为临界的那一批、集中在换型后的第一批、集中在新员工上岗的头两天，这些样本里的问题密度可能高出几十倍，同样的工时能发现的问题数量也高出几十倍。抽样的本质是把工时分配到信息量最大的地方，而不是追求样本的代表性。

按什么维度分层

• 判定临界：系统判定值贴近阈值的那一部分。这是漏报与误报最集中的区域，优先级最高。
• 换型与首件：型号切换后的第一批、工艺调整后的第一批，条件刚变，判据未必还成立。
• 时段异常：开班后一小时、收班前一小时、以及发生过报警的时段。
• 人员因素：新员工上岗初期、临时顶岗、人员轮换后的时段。
• 来料批次：新供应商、新批次的头几批，物料外观可能有差异。
• 长时间连续运行后：温度、照明漂移在此时最容易显现。

这六个维度不必同时全部启用，可以根据现场情况选三到四个重点，并随季节、订单结构、人员流动动态调整。分层的比例也不必精确——关键是让复核人员知道「优先看哪些」，而不是让他们对着一堆正常件随机抽。实践中一个可用的初始设定是：临界件与换型首件接近全检，其余维度各抽一小部分，日常平顺时段只做低比例覆盖。随着运行时间积累，哪些维度真的容易出问题会自己显现出来，比例再据此调整。

复核记录的最小字段

这套记录的价值在于，它能让「漏报率」这个原本无法直接测量的东西变成一个可以估计的量。虽然复核只覆盖了样本的一部分，但按分层维度统计出的不一致比例，可以粗略外推到整体，并用于判断系统是否偏离预期。这比完全不复核要好得多——它至少给出了一个方向性的判断，以及在什么时候必须采取行动。关于判据过松该不该调、怎么调，可以参考漏报与误报怎么权衡。

复核工时从哪来

现实问题是没有额外人力。可行的做法不是新增岗位，而是把既有的检查动作重新分配：原来在下游做全检的工位，可以在视觉系统稳定运行之后改为抽检，省下的工时部分转移到上游的复核上。这个转移必须是渐进的——先用一段时间的双轨运行证明系统可靠，再逐步降低下游检查密度。需要提醒的是，不要一次性把下游检查全部取消：在下游检查被取消的那一刻，系统的漏报就失去了最后一道兜底，而任何检测手段都有漏报。保留一个低比例的下游抽检作为独立验证，成本很低，价值很高。