वास्तव में कितने डिफेक्ट सैंपल चाहिए?

पाँच क्यों पर्याप्त हैं

कम सैंपल वाली ट्रेनिंग बहुआयामी फ़ीचर निकालती है और जानकारीपूर्ण फ़ीचर को अधिक महत्व देती है। मॉडल को डिफेक्ट का हर रूप दिखाने के बजाय, यह सीखती है कि डिफेक्ट को अलग क्या बनाता है।

ट्रांसफ़र लर्निंग इसे और मज़बूत करता है। एक ही सामग्री और प्रोसेस वाले प्रोडक्ट्स की विशेषताएँ पहले से सीखी हुई होती हैं, इसलिए नए आइटम को केवल अंतर सीखना होता है। वर्तमान में 30 से अधिक मॉडल संगत हैं।

जब एक इमेज पर्याप्त है

बड़े पैनल, वाहन बॉडी और बड़ी मोटरों को व्यावहारिक रूप से हमारे पास नहीं भेजा जा सकता, इसलिए साइट पर कैप्चर किए गए एक ही सैंपल से मॉडल बनाया जाता है। पार्ट को हिलाने की तुलना में वास्तविक लाइन के अनुसार इमेजिंग डिज़ाइन करना अधिक सटीक है।

जब केवल अच्छे सैंपल पर्याप्त हैं

वन-क्लास ट्रेनिंग अच्छे पार्ट्स के वितरण को सीखती है और उसके बाहर की किसी भी चीज़ को चिह्नित करती है। यह तब लागू होती है जब प्रोडक्ट इतना नया हो कि उसका कोई डिफेक्ट इतिहास न हो, या डिफेक्ट इतने दुर्लभ हों कि उन्हें एकत्र करने में महीनों लगें।

यदि आपको डिफेक्ट को प्रकार के अनुसार वर्गीकृत करना है — क्योंकि हर प्रकार पर अलग कार्रवाई होती है — तो हर प्रकार के सैंपल चाहिए। फिर भी, लगभग पाँच-पाँच।

जब यह उत्तर लागू नहीं होता

• यदि डिफेक्ट इंसान को भी दिखाई नहीं देता, तो सैंपल की संख्या से पहले ऑप्टिक्स आते हैं। जो लाइटिंग और लेंस नहीं दिखा पाए, उसका निर्णय कोई एल्गोरिदम नहीं कर सकता।
• यदि अच्छे पार्ट्स के बीच का अंतर स्वयं डिफेक्ट से अधिक है, तो पहले मानक परिभाषित करना होगा। यह PoC के दौरान होता है।
• यदि इंस्पेक्शन का मानक कभी लिखा ही नहीं गया और केवल इंस्पेक्टर के निर्णय में मौजूद है, तो पहले उस निर्णय को डेटा के रूप में दर्ज करना होगा।

PoC में वास्तव में क्या होता है

• पार्ट और डिफेक्ट के प्रकारों की पुष्टि की जाती है, और NDA किया जाता है।
• सैंपल या इमेज सुरक्षित माध्यम से प्राप्त किए जाते हैं।
• ऑप्टिकल कॉन्फ़िगरेशन डिज़ाइन करके इमेज कैप्चर की जाती है।
• मॉडल को ट्रेन किया जाता है और ओवर-डिटेक्शन तथा अंडर-डिटेक्शन को कन्फ़्यूज़न मैट्रिक्स के रूप में रिपोर्ट किया जाता है।
• आपकी लाइन की रफ़्तार और हार्डवेयर के अनुसार इंस्पेक्शन गति तय की जाती है।