이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
검사 과정에서 허위 결함이 반복적으로 발생하면 실제 불량보다 많은 처리 비용이 생기고 현장 신뢰도도 낮아집니다. 허위 결함 문제를 개선하기 위한 접근 방식은 발생 원인을 유형별로 분류하는 것부터 시작합니다. 가장 흔한 원인은 검사 기준 자체의 불명확성입니다. 합격·불합격 경계가 모호하거나 검사자마다 다르게 해석되는 경우, 기준 사진 샘플(limit sample)을 만들어 시각적 기준을 통일하는 방식이 효과적입니다. 두 번째는 검사 환경 요인입니다. 조명·각도·검사 속도가 일관되지 않으면 같은 제품도 다른 결과가 나옵니다. 자동화 검사 시스템에서는 감도 설정이 너무 높게 설정된 경우 허위 양성이 증가합니다. 이를 해결하려면 허위 결함률과 실제 불량 검출률 사이의 균형점을 데이터로 찾는 과정이 필요합니다. 허위 결함 개선의 핵심은 기준의 가시화와 환경의 표준화라고 생각합니다.
허위 결함(오탐)에서 제가 본 원인은 세 가지입니다. 검사 조건 부적절(조명·각도·민감도 과도), 기준 이미지(Golden Sample) 노후화, 측정 변동(MSA GR&R 불량)이었습니다. 특히 기준 샘플이 낡으면, 정상 제품도 기준과 달라 보여 오탐이 났습니다. 또 측정 시스템 자체가 흔들리면(GR&R 불량), 같은 제품도 다르게 판정됐습니다. 막연히 '오탐이 많다'가 아니라, 어느 원인에서 왔는지를 가렸습니다.
원인을 안 나누면, 엉뚱한 데를 손댔습니다. 그래서 조건·기준 샘플·측정 변동 세 원인으로 분류한 게 접근의 출발이었습니다. 오탐은 정상을 불량으로 보는 비용이었습니다.
허위 결함을 제가 줄인 방식은 Precision-Recall 곡선으로 임계값을 정한 것입니다. 자동 검사의 탐지율-오탐률 트레이드오프를, Precision-Recall 곡선으로 정량화해 최적 임계값을 결정했습니다. 너무 민감하면 오탐이 늘고, 둔하면 진짜 불량을 놓쳐 — 그 사이 균형점을 데이터로 찾았습니다. 또 오탐률 추이를 모니터링해, 임계값 재조정 주기를 관리했습니다.
오탐이 많으면, 작업자가 검사 결과를 무시하는 문화가 생겨 더 위험했습니다. 그래서 기준의 가시화(limit sample)와 환경 표준화로 오탐을 줄이고, 곡선으로 임계값을 정한 게 결과였습니다. 오탐률이 실제로 떨어졌는지로 확인했습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 삼성전자 품질보증 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.