Het toepassen van AI in productielijnen, ogenschijnlijk eenvoudig maar moeilijk

Volgens deskundigen is de grootste uitdaging bij de ontwikkeling van AI voor de halfgeleiderindustrie hoe je het model nauwkeurig en stabiel kunt laten werken op de productielijn.

Experts passen AI toe bij de ontwikkeling van halfgeleiderchips - Foto: UMICH

Dit was een belangrijk onderwerp tijdens de workshop "Artificial Intelligence (AI) Solutions in the Semiconductor Industry", georganiseerd door het Innovation Center, afdeling Wetenschap en Technologie van Ho Chi Minhstad op de middag van 5 augustus.

Deskundigen hebben zich gericht op het vinden van praktische implementatiemogelijkheden in productieomgevingen. Dit wordt tegenwoordig gezien als het grootste obstakel.

Expert Duong Quang Huy, ingenieur bij Ascendas Systems, zei dat in moderne productielijnen, vooral in de productielijnen voor halfgeleiders, AI-modellen nodig zijn om fouten in de productie te detecteren.

Zo kunnen engineers gebruikmaken van hulpmiddelen als Deep Network Designer om neurale netwerken te bouwen, visualiseren en verfijnen, of van Classification Learner om te experimenteren met verschillende algoritmen en het model te kiezen dat het beste past bij echte datasets.

Volgens de heer Huy ligt de moeilijkheid in de vraag of het model bij het overbrengen van het model van de trainingsomgeving naar een echte productielijn nog steeds dezelfde nauwkeurigheid kan behouden als in het laboratorium.

Omdat algoritmes een nauwkeurigheid van 99% kunnen behalen in een gesimuleerde omgeving, maar echte productdefecten op de assemblagelijn missen om simpele redenen zoals schittering, stof of een licht gedraaid onderdeel.

"De uitdaging bij de ontwikkeling van AI ligt niet in het algoritme, maar in de overgang van het laboratorium naar de realiteit", aldus de heer Huy.

Expert Duong Quang Huy presenteert tijdens de workshop - Foto: TRONG NHAN

Volgens deskundigen is een van de fundamentele en doorslaggevende oplossingen het standaardiseren van invoergegevens en het samenstellen van nauwkeurige trainingsdatasets.

Omdat de meeste fouten bij de implementatie van modellen voortkomen uit inconsistente invoergegevens, zoals overbelichte, vervormde of onscherpe afbeeldingen, andere lichtomstandigheden dan in de trainingsomgeving of licht verschoven componenten.

Om dit probleem op te lossen, adviseert expert Duong Quang Huy om beeldgegevens te standaardiseren vóór de training. Dit omvat stappen zoals het balanceren van het licht, het aanpassen van de hoeken, het verbeteren van het contrast en het verwijderen van ruis.

Tegelijkertijd helpt nauwkeurige labeling met behulp van hulpmiddelen of een combinatie van handmatige en automatische labeling het model de werkelijke kenmerken van de fout te leren, in plaats van dat het wordt gestoord door irrelevante kenmerken.

Ook expert Tran Kim Duy Lan, country director van Navagis, wees tijdens het evenement op een andere paradox in de ontwikkeling van AI. Enerzijds kan AI de ontwerptijd van chips met 30% verkorten en de productiviteit in fabrieken met wel 25% verhogen. Anderzijds zullen datacenters die AI gebruiken naar verwachting tegen 2030 tot 21% van de wereldwijde elektriciteit verbruiken.

In die context benadrukte de heer Lan het belang van de overstap van gecentraliseerde AI-modellen naar gedistribueerde modellen op het apparaat, met name Edge AI en AI op het apparaat zelf. Dit wordt beschouwd als een strategische trend om duurzaamheid te waarborgen.

Met Edge AI worden gegevens direct op het apparaat verwerkt, zoals een slimme camera, microcontroller of embedded board, in plaats van dat ze volledig naar de cloud worden verzonden. Dit kan de transmissiebandbreedte verminderen, terwijl het ook de latentie vermindert, de privacy verbetert en, nog belangrijker, het stroomverbruik per taak met een factor 100-1000 vermindert, dankzij het elimineren van tussenliggende verwerkingsstappen.

Wereldwijde AI-markt bereikt omvang van 1.811 miljard USD

Tijdens de conferentie gaven experts ook een update over de nieuwste rapporten over de ontwikkeling van AI. Naar verwachting zal de wereldwijde marktwaarde in 2030 1.811 miljard USD bedragen. Tegelijkertijd streeft de halfgeleiderindustrie ernaar om de grens van 1.000 miljard USD te bereiken.

Momenteel wordt de combinatie van AI en halfgeleiders gezien als een dubbele impuls voor de nieuwe industriële revolutie, vooral omdat de trends van actieve AI, multimodale AI en generatieve en duurzame AI de behoeften aan chipontwerp, -optimalisatie en -testen veranderen.

GEWICHT

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