Процесс изготовления микросхем памяти включает около 1500 этапов, которые необходимо выполнять в стерильных условиях, чтобы избежать повреждения пластин пылинками. Однако, повреждения происходят. Возникающие проблемы с качеством, царапины, дыры и т.д. часто микроскопичны и почти невидимы человеческому глазу!
Производственная среда является местом сосредоточения множества машин, труб и деталей. Машины изнашиваются, ломаются.. Трубы теряют герметичность и начинают капать. Выявление этих проблем на ранней стадии имеет решающее значение. За предотвращение поломок и техническое обслуживание отвечают инженеры. Однако, даже самый высококвалифицированный инженер может пропустить ранние признаки того, что что-то происходит не так.
Из-за своих особенностей, процесс изготовления микросхем памяти имеет большой потенциал для ошибок. Полагаться на человеческую бдительность для выявления проблем с качеством и механических проблем стоило Micron Technology больших денег, в среднем 250 000 долларов за час простоя (технология Micron).
РешениеЭта бизнес-проблема хорошо подходит для решений с использованием искусственного интеллекта. Проблемы четко определены, поддаются измерению, и имеется достаточно собственных данных для использования машинного обучения (ML) на нескольких участках с хорошей точностью. Нейросети могут работать и с меньшими объемами данных, но точность алгоритма ML будет ниже. По мере сбора большего количества данных точность будет повышаться.
Другой крупный производитель микросхем памяти (Intel) также внедрил алгоритмы машинного зрения и машинного обучения в процесс производства своих пластин. В техническом документе об их подходе содержится следующий интересный вывод:
“Такая технология может быть использована во многих различных отраслях промышленности - везде, где машины захватывают изображения, независимо от первоначального использования этих изображений”.Алгоритмы ML предназначены для обнаружения аномалий на более ранней При этом, нельзя не подчеркнуть, люди все еще необходимы для реагирования выдаваемые системой на сигналы тревоги и принятия соответствующих выявленной проблеме мер .
Машинное зрениеMicron Technology внедрила технологию машинного зрения в свои фотолитографические камеры, которые вытравливают схемы на пластинах. Технология сканирует часто встречающиеся дефекты и предупреждает инженеров при их обнаружении. В зависимости от типа дефекта, для получения предупреждения требуется от 15 секунд до 15 минут.
Тепловизионное изображениеЧтобы еще больше повысить эффективность и точность работы искусственного интеллекта, компания Micron внедрила тепловизионное изображение для внешнего мониторинга помещения и оборудования. “Тепловые карты” заводской среды при нормальных условиях работы накладываются на "цифрового двойника", по сути, цифровую копию заводской среды. Затем эта карта обеспечивает базовую линию для сравнения инфракрасных изображений завода в реальном времени. Если система обнаруживает аномалию, то есть неравномерную температуру по сравнению с цифровым двойником, система подает сигнал тревоги.
Акустическое ПрослушиваниеВозможно, самым удивительным из этого трио является то, что было создано решение с искусственным интеллектом для выявления необычных шумов в производственном процессе. Подобно тому, как ваш автомобиль издает странные звуки, машина, издающая необычный звук, часто указывает на неполадки. Система искусственного интеллекта в Micron была обучена обнаруживать нарушения в звуковых частотах путем преобразования звука в визуальные точки данных. Чтобы улавливать звуки отдельных машин в шумной среде, звуковые датчики устанавливаются рядом с машинами или насосами. При обучении нейросети категоризация звуков и потенциальных причин производится инженерами. После обучения нейросеть сама сообщает какое отклонение происходит с оборудованием.
Преимущества и влияниеВо-первых, решения Micron Technology в области искусственного интеллекта заметно повысили эффективность и точность производства.
Во-вторых, повысилась безопасность работников (работники реже контактируют с экстремальными температурами и вредными веществами).
В-третьих, решения в области искусственного интеллекта освободили драгоценное время для инженеров компании, чтобы сосредоточить свои усилия на чем-то другом. Наконец, внедрение решений искусственного интеллекта в производственный процесс распространилось на другие бизнес-процессы, такие как прогнозы спроса на продукцию, повышая точность на 10-20%.
Доступность и требованияДвижущей силой решений искусственного интеллекта, реализованных в Micron Technology, являются данные, много-много данных. Компания собирает петабайты производственных данных из более чем 8.000 источников и более чем 500 серверов по всему миру. Эти данные отправляются в две среды программного обеспечения с открытым исходным кодом “Apache Hadoop” для интеллектуального анализа данных. Hadoop предназначен для параллельной обработки больших наборов данных, что означает, что несколько наборов данных могут обрабатываться одновременно.
Для обучения машинного зрения в среде Hadoop хранится более 2.000.000 изображений. Для акустического прослушивания Micron отправляет соответствующие данные в комплекс, построенный из нескольких оптимизированных для анализа данных графических процессоров. Графические процессоры могут значительно ускорять работу нейросетей, разделяя задачи между большим количеством ядер, позволяя им обрабатывать огромное количество данных, поступающих в систему.
Требования к решениям искусственного интеллекта
- Достаточные изображения и данные о дефектах, "нормальных" звуковых частотах и температурах
- Алгоритм глубокого обучения (для классификации дефектов для машинного зрения)
- Цифровой двойник (для тепловизионного изображения)
- Инфракрасные камеры (для тепловизионных изображений)
- Звуковые датчики (для акустического прослушивания)
- Apache Hadoop для интеллектуального анализа данных
- Графические системы
- Алгоритмы машинного обучения-
Источник
Tradecloud One