La inteligencia artificial y el aprendizaje automático (IA/ML) puedentener diversas aplicaciones enla fabricación inteligente para fábricas de semiconductores, embalajes avanzados y fabricación de productos electrónicos, y suelen implicar varios elementos clave: detección, conectividad, predicción y control. Tal y como reconocen muchas organizaciones del sector, la fabricación inteligente madura a través de varios niveles: reactivo, preventivo, predictivo y autónomo (Figura 1).
El control adaptativo es el «santo grial» de la IA/ML para la fabricación inteligente de semiconductores. Existen varias plataformas de IA/ML en la industria que pueden utilizarse para la gestión de la cadena de suministro, la introducción de nuevos productos (NPI), la planificación de la producción, la trazabilidad, hasta el mantenimiento predictivo, la mejora de la productividad, el proceso y la mejora del rendimiento, etc. La última plataforma de IA/ML puede llevarle directamente al más alto nivel, con detección, conectividad, predicción y controltodo en uno, al tiempo que proporcionan una plataforma escalable, abierta y rentable que integra de forma fluida y progresiva todos los elementos clave (Figura 2).
La plataforma de IA/ML puede utilizar datosde sensores existentesdentro de la máquina, a menudo sin necesidad de sensores adicionales. La solución «edge-first» puede integrarse en otros servicios basados en la nube y en el borde, lo que permite la conectividad de los datos de los sistemas heredados con casi todos los componentes de los principales proveedores de automatización y proporciona herramientas flexibles de gestión de datos para mover los datos OT de forma segura y fiable a través de complejas arquitecturas de red empresariales, desde el borde hasta la nube. Los modelos ML ofrecen capacidades de optimización predictiva, tanto para el rendimiento de la máquina como para el proceso de fabricación, y su capacidad de inteligencia de control puede funcionar directamente con la máquina, una vez aprobada por el cliente, para el control adaptativo de la propia máquina. Como tal, la plataforma de IA/ML no solo ofrece capacidades de observabilidad y supervisión, sino que también ofrece grandes capacidades de análisis predictivo, optimización y control (Figura 3).
Arquitectura basada en el borde
A modo de ejemplo, la solución de software combina IA/ML avanzadas con una arquitectura distribuida basada en el borde (Figura 4). La plataforma conecta e ingiere múltiples flujos de datos periféricos (por ejemplo, registros de procesos, datos de máquinas y datos de instrumentación de forma sincronizada en el tiempo) en tiempo real, con un ciclo de milisegundos. También puede recopilar datos completos de las operaciones de extremo a extremo del cliente y realizar la sincronización y validación en tiempo real de los datos críticos del sistema.
La arquitectura flexible y contenedorizada puede admitir una variedad de protocolos en el borde (incluidas implementaciones de protocolos brownfield patentados), lo que permite que la plataforma se integre fácilmente con equipos industriales para la ingestión de datos. La arquitectura abierta y escalable, creada específicamente para el entorno de borde distribuido, puede ayudar a evitar la sobrecarga que supone trasladar todos los datos a la nube o a una ubicación centralizada desde el principio. La arquitectura abierta y extensible permite a la plataforma admitir una topología de implementación de borde a nube híbrida para facilitar la integración con tecnologías de terceros.
De este modo, las empresas globales pueden integrar fácilmente sus componentes tecnológicos de transformación digital, como la virtualización de datos y el aprendizaje no supervisado en el borde, y transferir el aprendizaje entre máquinas, líneas de fabricación y sitios distribuidos geográficamente de una manera escalable, flexible y rentable. Esto permite al cliente ser independiente de la nube y acelerar la innovación para lograr resultados empresariales transformadores tangibles.
Los modelos de inferencia capturan, almacenan y analizan datos en tiempo real en el borde, proporcionando inteligencia predictiva de datos para entornos de producción en milisegundos. La arquitectura activada por tiempo puede predecir, a nivel de milisegundos, si las lecturas de datos supervisadas se encuentran dentro de un rango permisible, por ejemplo. Si los datos se salen del rango, se pueden activar varias reacciones diferentes. Esto devuelve al cliente el control de sus sistemas de producción sin necesidad de costosas integraciones de sistemas ni implementaciones de TI que requieren mucho tiempo. Una vez que los modelos de ML han madurado, con la aprobación del cliente, la plataforma puede trabajar directamente con la propia máquina para el control adaptativo y la optimización.
Aplicaciones de fabricación inteligente
La plataforma de IA/ML se puede implementar rápidamente y, en la mayoría de los casos, proporciona acceso en el mismo día a datos críticos a nivel del sistema que, en combinación con los modelos de ML que se desarrollarán a lo largo de varias semanas, permiten al cliente predecir el deterioro de los equipos, prevenir fallos, reducir el tiempo de inactividad no planificado y mejorar el estado y la utilización de los activos. La plataforma permite a los clientes del sector de los semiconductores pasar de depender de estrategias de mantenimiento reactivas a la supervisión y el control predictivos de sus operaciones de extremo a extremo, a menudo con maquinaria y sistemas cada vez más complejos. La solución sin código o con poco código se puede implementar de forma rápida y sencilla, y se adapta a medida que crecen las necesidades. Además, la plataforma no solo realiza análisis predictivos de los equipos de fabricación, sino que también es capaz de probarlos y controlarlos de forma remota, si es necesario.
La observabilidad, la visualización y la trazabilidad se pueden lograr desde el nivel del sitio o la línea hasta el nivel del sensor de la máquina, con un nivel de detalle antes inimaginable, lo que ofrece información e inteligencia sin precedentes para la optimización y la mejora continua. Los modelos de aprendizaje automático, mediante un refinamiento continuo en tiempo real, se utilizan para el mantenimiento predictivo (mediante la detección de anomalías) y, lo que es más importante, para el control adaptativo directo de la máquina y el proceso.
Varias grandes empresas internacionales han aprovechado estas capacidades para la fabricación de semiconductores, el embalaje avanzado, la fibra óptica para transceptores, la colocación de precisión para SMT y otros procesos complejos, con mejoras significativas en el rendimiento de los procesos, al tiempo que se reduce el tiempo de ciclo y el tiempo de inactividad de las máquinas. Esto resulta especialmente útil cuando hay escasez de capacidad en la industria de los semiconductores. Por ejemplo, una gran empresa multinacional de semiconductores implementó la plataforma de IA/ML para gestionar su línea de producción de montaje de microdispositivos. Todos los movimientos de los ejes de los motores de los equipos, los movimientos de los componentes y las posiciones de los subsistemas se supervisan cada 25 milisegundos para minimizar cualquier tiempo de inactividad no planificado. La plataforma de software se ejecuta localmente en las instalaciones del cliente para mantener la seguridad de los datos frente a riesgos externos y garantizar tiempos de ejecución de programas con una latencia ultrabaja.
Dado que la plataforma es independiente del tipo de máquina, se puede implementar en diversas máquinas de la línea de producción de la fábrica. Esto resulta especialmente útil, ya que ahora las máquinas ascendentes y descendentes pueden «colaborar» para lograr una optimización sincrónica global. Se pueden entregar modelos complejos que implican relaciones multivariantes entre fuentes de datos, que operan in situ, a la «velocidad del proceso».
Existen numerosas aplicaciones potenciales de IA/ML para la automatización inteligente de borde en la fabricación inteligente para fábricas de semiconductores, embalaje avanzado, montaje y pruebas. Se trata de una herramienta fundamental para permitir innovaciones en la industria, ya que las tecnologías avanzadas exigen procesos de fabricación cada vez más complejos. Para obtener más información, visite[email protected].
