Aplicar IA en líneas de producción, aparentemente fácil pero difícil

Según los expertos, el mayor desafío en el desarrollo de IA para la industria de semiconductores hoy en día es cómo hacer que el modelo funcione de forma precisa y estable directamente en la línea de producción.

Expertos aplican IA en el desarrollo de chips semiconductores - Foto: UMICH

Este fue un tema destacado en el taller "Soluciones de Inteligencia Artificial (IA) en la Industria de Semiconductores" organizado por el Centro de Innovación del Departamento de Ciencia y Tecnología de la ciudad de Ho Chi Minh en la tarde del 5 de agosto.

Los expertos se han centrado en encontrar capacidades de implementación práctica en entornos de producción, lo que se considera la mayor barrera en la actualidad.

El experto Duong Quang Huy, ingeniero de Ascendas Systems, afirmó que en las líneas de producción modernas, especialmente en las de semiconductores, se requieren modelos de IA para detectar errores en la producción.

Por ejemplo, los ingenieros pueden usar herramientas como Deep Network Designer para construir, visualizar y ajustar redes neuronales, o Classification Learner para experimentar con diferentes algoritmos y elegir el modelo que mejor se ajuste a conjuntos de datos del mundo real.

Según el Sr. Huy, la dificultad radica en si el modelo puede mantener la misma precisión que en el laboratorio al transferirlo del entorno de entrenamiento a una línea de producción real.

Porque los algoritmos pueden alcanzar una precisión del 99% en un entorno simulado, pero no detectan defectos reales del producto en la línea de montaje por razones tan simples como el deslumbramiento, el polvo o la ligera rotación de un componente.

"El desafío en el desarrollo de la IA no reside en el algoritmo, sino en el paso del laboratorio a la realidad", afirmó el Sr. Huy.

El experto Duong Quang Huy presenta en el taller - Foto: TRONG NHAN

Según los expertos, una de las soluciones fundamentales y decisivas es estandarizar los datos de entrada y crear conjuntos de datos de entrenamiento precisos.

Dado que la mayoría de los errores en la implementación del modelo provienen de datos de entrada inconsistentes, como imágenes sobreexpuestas, distorsionadas o desenfocadas, condiciones de iluminación diferentes al entorno de entrenamiento o componentes ligeramente desplazados.

Para solucionar este problema, el experto Duong Quang Huy recomienda estandarizar los datos de imagen antes del entrenamiento, incluyendo pasos como equilibrar la luz, ajustar los ángulos, mejorar el contraste y eliminar el ruido.

Al mismo tiempo, el etiquetado preciso mediante herramientas o una combinación de etiquetado manual y automático ayuda al modelo a aprender las verdaderas características del error, en lugar de verse perturbado por características irrelevantes.

En el mismo evento, la experta Tran Kim Duy Lan, directora nacional de Navagis, señaló otra paradoja en el desarrollo de la IA. Por un lado, la IA puede ayudar a reducir el tiempo de diseño de chips en un 30 % y aumentar la productividad de las fábricas hasta en un 25 %. Por otro lado, se prevé que los centros de datos que utilizan IA consuman hasta el 21 % de la electricidad mundial para 2030.

En ese contexto, el Sr. Lan destacó la importancia de pasar de modelos de IA centralizados a modelos distribuidos en el dispositivo, específicamente la IA en el borde y la IA integrada en el dispositivo. Esto se considera una tendencia estratégica para garantizar la sostenibilidad.

Con Edge AI, los datos se procesan directamente en el dispositivo, como una cámara inteligente, un microcontrolador o una placa integrada, en lugar de transmitirse completamente a la nube. Esto puede reducir el ancho de banda de transmisión, así como la latencia, aumentar la privacidad y, lo que es más importante, reducir el consumo de energía por tarea entre 100 y 1000 veces, gracias a la eliminación de los pasos de procesamiento intermedios.

El tamaño del mercado mundial de IA alcanza los 1.811 billones de dólares estadounidenses.

En la conferencia, los expertos también actualizaron los últimos informes sobre el desarrollo de la IA, cuyo tamaño de mercado global se espera que alcance los 1.811 billones de dólares en 2030. Mientras tanto, la industria de semiconductores aspira a alcanzar la marca de los 1.000 billones de dólares al mismo tiempo.

En la actualidad, se considera que la combinación de IA y semiconductores crea un "doble impulso" para la nueva revolución industrial, especialmente cuando las tendencias de la IA activa, la IA multimodal y la IA generativa y sostenible están transformando las necesidades de diseño, optimización y prueba de chips.

PESO

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