误报率与漏报率怎么定义，才不会骗自己

误报率和漏报率之所以经常被算得比实际好看，问题多半不在分子，而在分母和统计口径。两个指标都要先把定义式写出来：误报率等于被系统判为异常、实际却是正常的次数，除以系统判为异常的总次数；漏报率等于被漏掉的异常次数，除以实际发生的异常总数。 分母选什么、按工位还是按全线、停机时段算不算，这些都会让同一个系统得出完全不同的数字，所以口径必须在验收之前就约定好。

两个指标的定义式，先把分母写出来

分母的选择直接决定结论。如果把误报率的分母换成「所有检测次数」或「所有产品数」，数字会立刻显得很小，因为绝大多数判定根本不触发报警；换成「所有报警次数」，数字又会大得吓人。两种算法都不算错，但它们回答的是不同问题，比较之前必须先说清用的是哪一种。所以任何一份写着「误报率 0.5%」的材料，都应该紧跟着注明分母是什么、统计了多长时间、覆盖了哪些工位。两份看起来都达标的报告之所以无法直接比较，通常不是数据造假，而是口径不同。想具体把误报降下来，是工程问题，手段见误报率怎么压下来；这里要解决的是怎么把降下来的结果量准。

按工位统计，还是按全线统计

• 按全线平均。 指标好看，但会掩盖最差的那个工位。一条线二十个工位，只要一个工位误报不断，平均下来可能完全看不出来。
• 按工位统计再汇总。 能定位到具体工位，代价是数据量更大、报表更复杂，但这是唯一能指导改善的口径。
• 按班次区分。 早班晚班的照明、人员、节拍都不同，混在一起统计会互相稀释，最好分开看。
• 按料号区分。 多品种产线尤其要这样，否则某个料号的系统性误报会被其他料号的大量正常数据淹没。要把这几种口径的数据都取出来，前提是系统把工位、班次、料号都记全，见数据追溯。

几种把自己骗过去的统计方式

• 只算被确认的误报。 操作员直接关掉、没走确认流程的报警不计入分子，误报率自然就低了，但这些恰恰是最影响信任的部分。
• 漏掉停机与空转时段。 系统没在跑的时间也计进分母，等于用没有产出的时段把错误率摊薄了。
• 漏报率只算下游捡到的。 没被发现的异常不会自己进入分子，所以漏报率天生偏乐观，只能借助下游检验和抽样来近似，这一点必须诚实说明。人工抽检也是一种常用的参照，两种方式的口径差异见人工检验与视觉SOP对比。
• 只报平均值，不报最差工位。 平均值掩盖尾部风险，而尾部往往才是客诉的来源。一条线的平均水平再好，也挡不住某一个工位持续漏做。
• 验收前后换口径。 验收时用一套算法，上线后用另一套，指标就失去了可比性，争论也会没完没了。口径一旦写进验收文件，变更就应该走同样的确认流程。

验收标准怎么写才可判定