임계값: 양품과 불량의 경계선

이상 점수가 나왔다. 그런데 얼마 이상이면 불량인가? 이 경계선(임계값)이 검사 시스템의 성패를 좌우한다.

---

임계값에 따른 변화

[임계값이 낮으면]
→ 민감한 검사: 작은 이상도 잡아냄
→ 미검출 감소 (좋음)
→ 과검출 증가 (나쁨) → 양품 폐기 비용 증가

[임계값이 높으면]
→ 관대한 검사: 확실한 불량만 잡음
→ 과검출 감소 (좋음)
→ 미검출 증가 (나쁨) → 클레임/리콜 위험!

---

임계값 설정 방법 3가지

[방법 1: 통계 기반]
임계값 = 정상 점수의 평균 + k × 표준편차

k=2: 약 95% 정상 통과 (느슨)
k=3: 약 99.7% 정상 통과 (표준)
k=4: 약 99.99% 정상 통과 (엄격)

장점: 간단, 직관적
단점: 정상 분포가 가우시안이 아닐 수 있음

[방법 2: F1 최적화]
검증 데이터(정상+불량)에서 F1이 최대인 임계값 선택

for threshold in np.arange(min_score, max_score, step):
    predictions = scores > threshold
    f1 = f1_score(labels, predictions)
    → f1이 최대인 threshold 선택

장점: 성능 최적
단점: 불량 데이터가 필요 (소량이라도)

[방법 3: 비용 기반 (제조 추천!)]
비용 최소화 기준으로 임계값 결정

미검출 비용(C_fn): 불량 1개 유출 = 클레임 처리비
과검출 비용(C_fp): 양품 1개 폐기 = 재료비 + 가공비

총 비용 = FN × C_fn + FP × C_fp
→ 총 비용이 최소인 임계값 선택

예시:
  미검출 1건 = 100만 원 (클레임)
  과검출 1건 = 5만 원 (폐기)
  비율 = 20:1
  → 미검출을 줄이는 방향으로 임계값 설정 (낮게)

---

제조 현장 운영 전략

전략	임계값	적용 상황
보수적	낮음 (민감)	안전 부품, 의료 기기
균형	F1 최적	일반 제품
효율적	높음 (관대)	비용이 낮은 소모품

[2단계 검사 전략]

Stage 1: 낮은 임계값 (자동 검사)
  → 확실한 양품만 통과
  → 의심 제품은 Stage 2로

Stage 2: 검사원이 육안 확인
  → 의심 제품만 사람이 판단
  → AI + 사람의 하이브리드

효과: 미검출 최소화 + 과검출 완화