Применение ИИ на производственной линии: кажется, просто, но сложно

По мнению экспертов, сегодня самая большая проблема в разработке ИИ для полупроводниковой промышленности — добиться точной и стабильной работы модели непосредственно на производственной линии.

Эксперты применяют ИИ при разработке полупроводниковых микросхем — Фото: UMICH

Эта тема стала главной на семинаре «Решения искусственного интеллекта (ИИ) в полупроводниковой промышленности», организованном Центром инноваций Департамента науки и технологий города Хошимин во второй половине дня 5 августа.

Эксперты сосредоточились на поиске возможностей практической реализации в производственных условиях, что сегодня считается самым большим препятствием.

Эксперт Дуонг Куанг Хуэй, инженер компании Ascendas Systems, отметил, что на современных производственных линиях, особенно на линиях по производству полупроводников, для выявления ошибок в производстве необходимы модели ИИ.

Например, инженеры могут использовать такие инструменты, как Deep Network Designer для создания, визуализации и точной настройки нейронных сетей или Classification Learner для тестирования различных алгоритмов и выбора модели, которая лучше всего подходит для реальных наборов данных.

По словам г-на Хая, сложность заключается в том, сможет ли модель сохранять ту же точность, что и в лаборатории, при переносе модели из учебной среды на реальную производственную линию.

Потому что алгоритмы могут достигать 99% точности в моделированной среде, но пропускают реальные дефекты продукции на сборочной линии по таким простым причинам, как блики, пыль или небольшое вращение компонента.

«Проблема разработки ИИ заключается не в алгоритмах, а в переходе от лабораторных исследований к реальности», — подтвердил г-н Хай.

Эксперт Дуонг Куанг Хуй представил на семинаре - Фото: ТРОНГ НХАН

По мнению экспертов, одним из основополагающих и решающих решений является стандартизация входных данных и построение точных обучающих наборов данных.

Потому что большинство ошибок при развертывании модели возникает из-за непоследовательности входных данных, например, переэкспонированных, искаженных, не в фокусе изображений, имеющих условия освещения, отличные от учебной среды, или имеющих слегка смещенные компоненты.

Чтобы решить эту проблему, эксперт Дуонг Куанг Хуэй рекомендует стандартизировать данные изображений перед обучением, включая такие шаги, как балансировка света, регулировка углов, повышение контрастности и удаление шума.

В то же время точная маркировка с использованием инструментов или комбинации ручной и автоматической маркировки помогает модели изучить истинные характеристики дефекта, а не отвлекаться на несущественные признаки.

На мероприятии также выступил эксперт Чан Ким Дуй Лан, директор Navagis в стране, который указал на ещё один парадокс в развитии ИИ. С одной стороны, ИИ может помочь сократить время разработки микросхем на 30% и повысить производительность предприятий до 25%. С другой стороны, ожидается, что к 2030 году дата-центры, работающие с ИИ, будут потреблять до 21% мировой электроэнергии.

В этом контексте г-н Лань подчеркнул важность перехода от централизованных моделей ИИ к распределённым моделям на уровне устройства, в частности, к периферийному ИИ и ИИ, встроенному в устройство. Это считается стратегическим трендом для обеспечения устойчивости.

С помощью Edge AI данные обрабатываются непосредственно на устройстве, например, на смарт-камере, микроконтроллере или встроенной плате, а не передаются полностью в облако. Это позволяет сократить пропускную способность сети, а также уменьшить задержку, повысить конфиденциальность и, что самое главное, снизить энергопотребление на одну задачу в 100–1000 раз благодаря исключению промежуточного этапа обработки.

Объем мирового рынка ИИ достиг 1,811 млрд долларов США

На конференции эксперты также обновили последние отчеты о развитии ИИ: ожидается, что к 2030 году объем мирового рынка достигнет 1 811 млрд долларов США. При этом полупроводниковая промышленность планирует достичь к тому же времени объема в 1 000 млрд долларов США.

В настоящее время считается, что сочетание ИИ и полупроводников создаст «двойной толчок» для новой промышленной революции, особенно с учетом того, что тенденции проактивного ИИ, мультимодального ИИ и генеративного и устойчивого ИИ меняют потребности в проектировании, оптимизации и тестировании микросхем.

МАССА

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