Appliquer l'IA dans la chaîne de production, apparemment facile mais difficile

Selon les experts, le plus grand défi dans le développement de l’IA pour l’industrie des semi-conducteurs aujourd’hui est de savoir comment faire fonctionner le modèle avec précision et stabilité directement sur la chaîne de production.

Des experts appliquent l'IA au développement de puces semi-conductrices - Photo : UMICH

Il s'agissait d'un sujet important lors de l'atelier « Solutions d'intelligence artificielle (IA) dans l'industrie des semi-conducteurs » organisé par le Centre d'innovation du Département des sciences et technologies de Ho Chi Minh-Ville dans l'après-midi du 5 août.

Les experts se sont concentrés sur la recherche de capacités de mise en œuvre pratiques dans les environnements de production, ce qui est considéré comme le plus grand obstacle aujourd’hui.

L'expert Duong Quang Huy, ingénieur chez Ascendas Systems, a déclaré que dans les lignes de production modernes, en particulier les lignes de production de semi-conducteurs, des modèles d'IA sont nécessaires pour détecter les erreurs de production.

Par exemple, les ingénieurs peuvent utiliser des outils tels que Deep Network Designer pour créer, visualiser et affiner les réseaux neuronaux, ou Classification Learner pour tester différents algorithmes et choisir le modèle qui correspond le mieux aux ensembles de données du monde réel.

Selon M. Huy, la difficulté réside dans la capacité du modèle à conserver la même précision qu'en laboratoire lors du transfert du modèle de l'environnement de formation vers une chaîne de production réelle.

Parce que les algorithmes peuvent atteindre une précision de 99 % dans un environnement simulé, mais passent à côté de défauts réels de produits sur la chaîne de montage pour des raisons simples telles que l'éblouissement, la poussière ou un composant légèrement tourné.

« Le défi du développement de l’IA ne réside pas dans les algorithmes, mais dans le passage du laboratoire à la réalité », a affirmé M. Huy.

L'expert Duong Quang Huy présenté à l'atelier - Photo : TRONG NHAN

Selon les experts, l’une des solutions fondamentales et décisives consiste à normaliser les données d’entrée et à créer des ensembles de données de formation précis.

Parce que la plupart des erreurs dans le déploiement du modèle proviennent de données d'entrée incohérentes, telles que des images surexposées, déformées, floues, ayant des conditions d'éclairage différentes de l'environnement de formation ou comportant des composants légèrement déplacés.

Pour résoudre ce problème, l'expert Duong Quang Huy recommande de normaliser les données d'image avant la formation, y compris des étapes telles que l'équilibrage de la lumière, le réglage des angles, l'amélioration du contraste et la suppression du bruit.

Dans le même temps, un étiquetage précis à l’aide d’outils ou d’une combinaison d’étiquetage manuel et automatique aide le modèle à apprendre les véritables caractéristiques du défaut, au lieu d’être perturbé par des caractéristiques non pertinentes.

Lors de l'événement, l'expert Tran Kim Duy Lan, directeur national de Navagis, a également souligné un autre paradoxe du développement de l'IA. D'un côté, l'IA peut contribuer à réduire le temps de conception des puces de 30 % et à augmenter la productivité des usines jusqu'à 25 %. De l'autre, les centres de données exploitant l'IA devraient consommer jusqu'à 21 % de l'électricité mondiale d'ici 2030.

Dans ce contexte, M. Lan a souligné l'importance de passer de modèles d'IA centralisés à des modèles distribués au niveau de l'appareil, notamment l'IA Edge et l'IA sur l'appareil. Cette évolution est considérée comme stratégique pour assurer la pérennité de l'entreprise.

Avec l'IA Edge, les données sont traitées directement sur l'appareil, comme une caméra intelligente, un microcontrôleur ou une carte embarquée, au lieu d'être entièrement transmises au cloud. Cela permet de réduire la bande passante de transmission, la latence, d'améliorer la confidentialité et, surtout, de diviser par 100 à 1 000 la consommation d'énergie par tâche, grâce à la suppression de l'étape de traitement intermédiaire.

La taille du marché mondial de l'IA atteint 1 811 milliards de dollars américains

Lors de la conférence, les experts ont également mis à jour les derniers rapports sur le développement de l'IA, la taille du marché mondial devant atteindre 1 811 milliards USD d'ici 2030. Parallèlement, l'industrie des semi-conducteurs vise à atteindre 1 000 milliards USD dans le même temps.

À l’heure actuelle, la combinaison de l’IA et des semi-conducteurs est considérée comme créant une « double poussée » pour la nouvelle révolution industrielle, en particulier lorsque les tendances de l’IA proactive, de l’IA multimodale et de l’IA générative et durable remodèlent les besoins en matière de conception, d’optimisation et de test des puces.

POIDS

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