Defect Detection — Phát hiện lỗi
Tải log giao dịch, số đo hay chỉ số vận hành lên và nhận danh sách bản ghi lệch khỏi phần còn lại, kèm số dòng để tra ngược.
Quy tắc đang dùng: |z hiệu chỉnh| > 3.5 quanh trung vị 134.5000. Điểm bị gắn cờ nằm rải rác hay tụm lại theo thời gian là hai câu chuyện khác nhau — tụm lại thường là sự cố đo đạc.
Trên 5% thường nghĩa là ngưỡng quá nhạy hoặc dữ liệu vốn không có một tâm duy nhất, chứ không phải có thật nhiều lỗi.
Z-score dùng trung bình và độ lệch chuẩn — cả hai đều bị chính ngoại lai kéo đi, nên nó bỏ sót khi có nhiều ngoại lai cùng lúc. MAD bền hơn vì dựa trên trung vị.
Kiểm tra thủ công vài dòng này trước khi loại bất cứ thứ gì. Bất thường có thể là biến cố thật, và loại nó đi là làm hỏng dữ liệu chứ không phải làm sạch.
| Quy tắc | |z hiệu chỉnh| > 3.5 quanh trung vị 134.5000 |
| Các giá trị lệch nhất | dòng 15: 2,450.0000 · dòng 7: 1,890.0000 |
| Trung vị | 134.5000 |
| Gợi ý ngưỡng | z: 3 · MAD: 3.5 · IQR: 1.5 (chuẩn) hoặc 3 (chặt) |
| Nếu tỷ lệ > 5% | ngưỡng đang quá nhạy, hoặc dữ liệu vốn đa đỉnh |
Quy tắc đang dùng: |z hiệu chỉnh| > 3.5 quanh trung vị 134.5000. Điểm bị gắn cờ nằm rải rác hay tụm lại theo thời gian là hai câu chuyện khác nhau — tụm lại thường là sự cố đo đạc.
Dữ liệu hai đỉnh sẽ khiến mọi phương pháp dựa trên một tâm duy nhất gắn cờ nhầm cả một cụm hợp lệ.
| Quy tắc | |z hiệu chỉnh| > 3.5 quanh trung vị 134.5000 |
| Các giá trị lệch nhất | dòng 15: 2,450.0000 · dòng 7: 1,890.0000 |
| Trung vị | 134.5000 |
| Gợi ý ngưỡng | z: 3 · MAD: 3.5 · IQR: 1.5 (chuẩn) hoặc 3 (chặt) |
| Nếu tỷ lệ > 5% | ngưỡng đang quá nhạy, hoặc dữ liệu vốn đa đỉnh |
z hiệu chỉnh = 0.6745·(x − trung vị)/MAD
Đây là công thức thật mà mã nguồn chạy, không phải mô tả gần đúng.
API tại /api/v1/tools/outlier-scan gọi đúng hàm
này, nên kết quả trên trang và qua API không thể lệch nhau.
1.234.567 lẫn 1.234,56.Phát hiện lỗi sản phẩm bằng thị giác máy thay thế kiểm tra thủ công ở những lỗi có biểu hiện quang học rõ ràng. Bài toán khó ở chỗ lỗi hiếm: bạn có hàng vạn ảnh sản phẩm tốt và vài chục ảnh lỗi.
| Recall trên lỗi nghiêm trọng | chỉ số then chốt |
| Tỷ lệ báo nhầm | chi phí là dừng chuyền và kiểm lại |
| Thời gian suy luận | phải khớp nhịp chuyền |
Phần quan trọng nhất của trang này. Một phương pháp được mô tả mà không nói chỗ nó hỏng là phiên bản quảng cáo của phương pháp đó.
Chưa có mô hình nào gắn riêng cho chủ đề này. Đây là những mô hình của cả ngành — liên quan ở cấp ngành, không phải cấp chủ đề.
Phát hiện lỗi sản phẩm bằng thị giác máy thay thế kiểm tra thủ công ở những lỗi có biểu hiện quang học rõ ràng. Bài toán khó ở chỗ lỗi hiếm: bạn có hàng vạn ảnh sản phẩm tốt và vài chục ảnh lỗi.
1. Chuẩn hoá điều kiện chụp: ánh sáng, góc, khoảng cách — quan trọng hơn mô hình. 2. Với lỗi hiếm, dùng phát hiện bất thường (học phân phối sản phẩm tốt) thay vì phân loại có giám sát. 3. Tăng cường dữ liệu lỗi bằng biến đổi ảnh hoặc sinh ảnh. 4. Đặt ngưỡng theo chi phí: bỏ sót lỗi đắt hơn hay báo nhầm đắt hơn?
Thay đổi ánh sáng hoặc thay lô nguyên liệu làm mô hình sập dù sản phẩm không đổi. Đánh giá bằng accuracy trên tập cân bằng nhân tạo — con số đẹp không phản ánh chuyền thật.
Recall trên lỗi nghiêm trọng — chỉ số then chốt; Tỷ lệ báo nhầm — chi phí là dừng chuyền và kiểm lại; Thời gian suy luận — phải khớp nhịp chuyền.
Chưa xây dựng. Mục này hiện là điều hướng và tài liệu tham chiếu; chúng tôi không gắn nhãn 'live' cho thứ chưa chạy.