L'intelligenza artificiale e l'apprendimento automatico (AI/ML) possono trovare diverse applicazioni nella produzione intelligente per gli stabilimenti di produzione di semiconduttori, il packaging avanzato e la produzione elettronica, e in genere comportano diversi elementi chiave: rilevamento, connettività, previsione e controllo. Come riconosciuto da numerose organizzazioni del settore, la produzione intelligente matura attraverso diversi livelli: reattivo, preventivo, predittivo e autonomo (Figura 1).
Il controllo adattivo è il “Santo Graal” dell’IA/ML per la produzione intelligente di semiconduttori. Nel settore esistono varie piattaforme di IA/ML che possono essere utilizzate per la gestione della catena di fornitura, l’introduzione di nuovi prodotti (NPI), la pianificazione della produzione, la tracciabilità, fino alla manutenzione predittiva, al miglioramento della produttività, dei processi e della resa, ecc. La piattaforma di IA/ML di ultima generazione può portarvi direttamente al massimo livello, con sensori, connettività, previsioni e controllotutto in uno, fornendo al contempo una piattaforma scalabile, aperta ed economica che integra in modo fluido e progressivo tutti gli elementi chiave (Figura 2).
La piattaforma AI/ML è in grado di utilizzare i datiprovenienti dai sensori già presentiall’interno della macchina, spesso senza la necessità di sensori aggiuntivi. La soluzione “edge-first” può integrarsi con altri servizi basati su cloud e edge, consentendo la connettività dei dati dei sistemi legacy a quasi tutti i principali componenti dei fornitori di automazione e fornendo strumenti flessibili di gestione dei dati per trasferire i dati OT in modo sicuro e affidabile attraverso complesse architetture di rete aziendali che vanno dall’edge al cloud. I modelli ML offrono funzionalità di ottimizzazione predittiva – sia per le prestazioni della macchina che per il processo di produzione – e la loro capacità di controllo intelligente può interagire direttamente con la macchina, una volta approvata dal cliente, per il controllo adattivo della macchina stessa. Pertanto, la piattaforma AI/ML non solo offre funzionalità di osservabilità e monitoraggio, ma fornisce anche eccellenti capacità di analisi predittiva, ottimizzazione e controllo (Figura 3).
Architettura basata sugli edge
Ad esempio, la soluzione software combina tecnologie avanzate di IA/ML con un’architettura distribuita basata sull’edge (Figura 4). La piattaforma collega e acquisisce in tempo reale più flussi di dati edge (ad esempio, log di processo, dati delle macchine e dati di strumentazione, in modo sincronizzato nel tempo) con un tempo di ciclo dell’ordine dei millisecondi. È inoltre in grado di raccogliere dati full-stack dalle operazioni end-to-end del cliente ed eseguire la sincronizzazione e la convalida in tempo reale dei dati critici del sistema.
L’architettura flessibile e containerizzata è in grado di supportare una varietà di protocolli a livello di edge (comprese le implementazioni di protocolli proprietari esistenti), consentendo così alla piattaforma di integrarsi facilmente con le apparecchiature industriali per l’acquisizione dei dati. L’architettura aperta e scalabile, progettata specificamente per l’ambiente edge distribuito, può aiutare a evitare il sovraccarico derivante dal trasferimento di tutti i dati sul cloud o in una sede centralizzata sin dall’inizio. L’architettura aperta ed estensibile consente alla piattaforma di supportare una topologia di implementazione dall’edge al cloud ibrido, per una facile integrazione con tecnologie di terze parti.
In questo modo, le aziende globali possono integrare facilmente gli elementi tecnologici della loro trasformazione digitale, quali la virtualizzazione dei dati e l’apprendimento non supervisionato sull’edge, e trasferire l’apprendimento tra macchine, linee di produzione e sedi geograficamente distribuite in modo scalabile, flessibile ed economicamente vantaggioso. Ciò consente al cliente di essere indipendente dal cloud e di accelerare l’innovazione per ottenere risultati aziendali tangibili e trasformativi.
I modelli di inferenza acquisiscono, memorizzano e analizzano i dati in tempo reale a livello di edge, fornendo intelligence predittiva dei dati per gli ambienti di produzione in pochi millisecondi. L’architettura attivata in base al tempo è in grado di prevedere, con una precisione al millisecondo, se le letture dei dati monitorati rientrano in un intervallo consentito, ad esempio. Se i dati esulano dall’intervallo consentito, è possibile attivare diverse reazioni. Ciò consente al cliente di riprendere il controllo dei propri sistemi di produzione senza la necessità di costose integrazioni di sistema e di implementazioni IT che richiedono molto tempo. Una volta che i modelli di apprendimento automatico (ML) hanno raggiunto la maturità, previa approvazione del cliente, la piattaforma può interagire direttamente con la macchina stessa per il controllo adattivo e l’ottimizzazione.
Applicazioni per la produzione intelligente
La piattaforma AI/ML può essere implementata rapidamente – nella maggior parte dei casi garantendo l’accesso in giornata a dati critici a livello di sistema che, integrandosi con i modelli di ML da sviluppare nell’arco di diverse settimane, consentono al cliente di prevedere il degrado delle apparecchiature, prevenire i guasti, ridurre i tempi di inattività non pianificati e migliorare lo stato di salute e l’utilizzo delle risorse. La piattaforma consente ai clienti del settore dei semiconduttori di passare da strategie di manutenzione reattiva al monitoraggio e al controllo predittivo delle loro operazioni end-to-end, spesso caratterizzate da macchinari e sistemi sempre più complessi. La soluzione no-code/low-code può essere implementata in modo rapido e semplice e scalare man mano che le esigenze crescono. Inoltre, la piattaforma non solo esegue analisi predittive sulle apparecchiature di produzione, ma è anche in grado di testarle e controllarle da remoto, se necessario.
L'osservabilità, la visualizzazione e la tracciabilità possono essere realizzate a partire dal sito o dal livello di linea fino al livello dei sensori delle macchine, con un livello di granularità prima inimmaginabile, offrendo approfondimenti e informazioni senza precedenti per l'ottimizzazione e il miglioramento continuo. I modelli di apprendimento automatico (ML), grazie al continuo perfezionamento in tempo reale, vengono utilizzati per la manutenzione predittiva (tramite il rilevamento delle anomalie) e, cosa ancora più importante, per il controllo adattivo diretto delle macchine e dei processi.
Queste funzionalità sono state sfruttate da diverse grandi aziende globali per la produzione di semiconduttori, il packaging avanzato, le fibre ottiche per ricetrasmettitori, il posizionamento di precisione per SMT e altri processi complessi, con miglioramenti significativi nella resa di processo, riducendo al contempo i tempi di ciclo e i tempi di inattività delle macchine. Ciò risulta particolarmente utile in caso di carenza di capacità nel settore dei semiconduttori. Ad esempio, una grande multinazionale del settore dei semiconduttori ha implementato la piattaforma di IA/ML per gestire la propria linea di produzione dedicata all’assemblaggio di microdispositivi. Tutti i movimenti degli assi dei motori delle apparecchiature, i movimenti dei componenti e le posizioni dei sottosistemi vengono monitorati ogni 25 millisecondi per ridurre al minimo eventuali tempi di inattività non pianificati. La piattaforma software viene eseguita localmente presso la sede del cliente per garantire la sicurezza dei dati da rischi esterni e assicurare tempi di esecuzione del programma a bassissima latenza.
Poiché la piattaforma è indipendente dalla macchina, può essere implementata su varie macchine presenti sulla linea di produzione in tutta la fabbrica. Ciò rappresenta un vantaggio particolarmente significativo, in quanto le macchine a monte e a valle possono ora “collaborare” per un’ottimizzazione sincrona complessiva. È possibile realizzare modelli complessi che coinvolgono relazioni multivariate tra fonti di dati, operanti in situ – alla “velocità di processo”.
Esistono numerose potenziali applicazioni di IA/ML per l’automazione intelligente perimetrale nella produzione smart per gli stabilimenti di semiconduttori, il packaging avanzato, l’assemblaggio e il collaudo. Si tratta di uno strumento fondamentale per favorire le innovazioni nel settore, poiché le tecnologie avanzate richiedono processi di produzione sempre più complessi. Per ulteriori informazioni, visitareil sito [email protected].


