KI in Produktionslinien einsetzen – scheinbar einfach, aber schwierig

Laut Experten besteht die größte Herausforderung bei der Entwicklung von KI für die Halbleiterindustrie heute darin, wie das Modell direkt in der Produktionslinie präzise und stabil funktionieren kann.

Experten setzen KI in der Halbleiterchip-Entwicklung ein – Foto: UMICH

Dies war ein zentrales Thema des Workshops „Lösungen für künstliche Intelligenz (KI) in der Halbleiterindustrie“, der am Nachmittag des 5. August vom Innovationszentrum des Ministeriums für Wissenschaft und Technologie von Ho-Chi-Minh-Stadt organisiert wurde.

Experten haben sich darauf konzentriert, praktische Implementierungsmöglichkeiten in Produktionsumgebungen zu finden, was heute als größte Hürde gilt.

Der Experte Duong Quang Huy – Ingenieur bei Ascendas Systems – sagte, dass in modernen Produktionslinien, insbesondere in Halbleiterproduktionslinien, KI-Modelle benötigt würden, um Produktionsfehler zu erkennen.

So können Ingenieure beispielsweise Tools wie Deep Network Designer verwenden, um neuronale Netze zu erstellen, zu visualisieren und feinabzustimmen, oder Classification Learner, um mit verschiedenen Algorithmen zu experimentieren und das Modell auszuwählen, das am besten zu realen Datensätzen passt.

Laut Herrn Huy besteht die Schwierigkeit darin, ob das Modell bei der Übertragung von der Trainingsumgebung auf eine reale Produktionslinie noch die gleiche Genauigkeit wie im Labor beibehalten kann.

Denn Algorithmen können in einer simulierten Umgebung eine Genauigkeit von 99 % erreichen, übersehen aber reale Produktfehler am Fließband aus einfachen Gründen wie Blendung, Staub oder einer leichten Verdrehung eines Bauteils.

„Die Herausforderung bei der Entwicklung von KI liegt nicht im Algorithmus, sondern im Übergang vom Labor zur Realität“, bekräftigte Herr Huy.

Experte Duong Quang Huy präsentiert beim Workshop – Foto: TRONG NHAN

Laut Experten besteht eine der grundlegenden und entscheidenden Lösungen darin, die Eingangsdaten zu standardisieren und präzise Trainingsdatensätze zu erstellen.

Da die meisten Fehler bei der Modellimplementierung auf inkonsistente Eingangsdaten zurückzuführen sind, wie z. B. überbelichtete, verzerrte oder unscharfe Bilder, von der Trainingsumgebung abweichende Lichtverhältnisse oder leicht verschobene Komponenten.

Um dieses Problem zu lösen, empfiehlt der Experte Duong Quang Huy, die Bilddaten vor dem Training zu standardisieren. Dazu gehören Schritte wie das Ausbalancieren der Beleuchtung, das Anpassen der Winkel, das Erhöhen des Kontrasts und das Entfernen von Rauschen.

Gleichzeitig hilft eine genaue Kennzeichnung mithilfe von Werkzeugen oder einer Kombination aus manueller und automatischer Kennzeichnung dem Modell, die wahren Merkmale des Fehlers zu erlernen, anstatt durch irrelevante Merkmale gestört zu werden.

Auf der Veranstaltung wies die Expertin Tran Kim Duy Lan, Landesdirektorin von Navagis, auf ein weiteres Paradoxon in der KI-Entwicklung hin. Einerseits kann KI die Chip-Designzeit um 30 % verkürzen und die Fabrikproduktivität um bis zu 25 % steigern. Andererseits wird erwartet, dass Rechenzentren, die KI nutzen, bis 2030 bis zu 21 % des weltweiten Stromverbrauchs ausmachen werden.

In diesem Zusammenhang betonte Herr Lan die Wichtigkeit des Übergangs von zentralisierten KI-Modellen zu verteilten Modellen auf Geräteebene, insbesondere Edge-KI und On-Device-KI. Dies gilt als strategischer Trend zur Sicherstellung der Nachhaltigkeit.

Mit Edge AI werden Daten direkt auf dem Gerät – beispielsweise einer intelligenten Kamera, einem Mikrocontroller oder einem Embedded-Board – verarbeitet, anstatt vollständig in die Cloud übertragen zu werden. Dadurch kann die Übertragungsbandbreite reduziert, die Latenz verringert, der Datenschutz erhöht und vor allem der Stromverbrauch pro Aufgabe dank des Wegfalls von Zwischenverarbeitungsschritten um das 100- bis 1000-Fache gesenkt werden.

Der globale KI-Markt hat ein Volumen von 1.811 Milliarden US-Dollar erreicht.

Auf der Konferenz präsentierten Experten außerdem die neuesten Berichte zur Entwicklung der KI. Der globale Markt soll bis 2030 ein Volumen von 1.811 Milliarden US-Dollar erreichen. Die Halbleiterindustrie strebt gleichzeitig an, die 1.000-Milliarden-US-Dollar-Marke zu knacken.

Die Kombination von KI und Halbleitern wird derzeit als „doppelter Schub“ für die neue industrielle Revolution angesehen, insbesondere da die Trends der aktiven KI, der multimodalen KI und der generativen und nachhaltigen KI die Anforderungen an Chipdesign, Optimierung und Test neu gestalten.

GEWICHT

Quelle: https://tuoitre.vn/ung-dung-ai-trong-day-chuyen-san-xuat-tuong-de-ma-kho-20250805160542772.htm