Trí tuệ nhân tạo và học máy (AI/ML) có thể được ứng dụng đa dạng trong sản xuất thông minh cho các nhà máy sản xuất bán dẫn, đóng gói tiên tiến và sản xuất điện tử, và thường bao gồm một số yếu tố chính: cảm biến, kết nối, dự báo và điều khiển. Như đã được nhiều tổ chức trong ngành công nhận, sản xuất thông minh phát triển qua các giai đoạn: phản ứng, phòng ngừa, dự báo và tự động (Hình 1).
Điều khiển thích ứng là “chén thánh” trong lĩnh vực AI/ML dành cho sản xuất thông minh trong ngành bán dẫn. Trong ngành này có nhiều nền tảng AI/ML khác nhau có thể được sử dụng cho quản lý chuỗi cung ứng, giới thiệu sản phẩm mới (NPI), lập kế hoạch sản xuất, truy xuất nguồn gốc, cho đến bảo trì dự đoán, nâng cao năng suất, cải tiến quy trình và nâng cao hiệu suất sản xuất, v.v. Nền tảng AI/ML mới nhất có thể đưa bạn thẳng lên tầm cao nhất, với các chức năng cảm biến, kết nối, dự đoán và điều khiểntích hợp trong mộtđồng thời cung cấp một nền tảng có khả năng mở rộng, mở và hiệu quả về chi phí, tích hợp liền mạch và dần dần tất cả các yếu tố chính (Hình 2).
Nền tảng AI/ML có thể tận dụng dữ liệutừ các cảm biến hiện cóbên trong máy móc, thường không cần lắp đặt thêm cảm biến. Giải pháp “edge-first” này có thể tích hợp với các dịch vụ đám mây và dựa trên edge khác, cho phép kết nối dữ liệu từ hệ thống cũ với hầu hết các thành phần của các nhà cung cấp tự động hóa lớn, đồng thời cung cấp các công cụ quản lý dữ liệu linh hoạt để truyền tải dữ liệu OT một cách an toàn và đáng tin cậy qua các kiến trúc mạng phức tạp từ edge đến đám mây của doanh nghiệp. Các mô hình ML cung cấp khả năng tối ưu hóa dự đoán – cho hiệu suất máy móc và quy trình sản xuất, đồng thời khả năng điều khiển thông minh của nó có thể hoạt động trực tiếp với máy móc, sau khi được khách hàng phê duyệt, để điều khiển thích ứng chính máy móc đó. Do đó, nền tảng AI/ML không chỉ cung cấp các khả năng quan sát và giám sát, mà còn cung cấp các khả năng tuyệt vời cho phân tích dự đoán, tối ưu hóa và điều khiển (Hình 3).
Kiến trúc dựa trên cạnh
Ví dụ, giải pháp phần mềm này kết hợp công nghệ AI/ML tiên tiến với kiến trúc phân tán, dựa trên thiết bị biên (Hình 4). Nền tảng này kết nối và thu thập nhiều luồng dữ liệu tại thiết bị đầu cuối (ví dụ: nhật ký quy trình, dữ liệu máy móc và dữ liệu thiết bị đo lường theo cách đồng bộ hóa thời gian) theo thời gian thực – trong chu kỳ tính bằng mili giây. Nền tảng này cũng có thể thu thập dữ liệu toàn bộ hệ thống từ các hoạt động đầu cuối của khách hàng và thực hiện đồng bộ hóa cũng như xác thực dữ liệu hệ thống quan trọng theo thời gian thực.
Kiến trúc linh hoạt và được container hóa có thể hỗ trợ nhiều loại giao thức khác nhau tại biên (bao gồm cả việc triển khai các giao thức độc quyền trên hệ thống hiện hữu), nhờ đó cho phép nền tảng dễ dàng tích hợp với thiết bị công nghiệp để thu thập dữ liệu. Kiến trúc mở và có khả năng mở rộng, được thiết kế riêng cho môi trường biên phân tán, giúp tránh được gánh nặng về việc di chuyển toàn bộ dữ liệu lên đám mây hoặc đến vị trí tập trung ngay từ đầu. Kiến trúc mở và có khả năng mở rộng cho phép nền tảng hỗ trợ cấu trúc triển khai từ biên đến đám mây lai, giúp tích hợp dễ dàng với các công nghệ của bên thứ ba.
Nhờ đó, các doanh nghiệp toàn cầu có thể dễ dàng tích hợp các thành phần công nghệ Chuyển đổi số của mình — chẳng hạn như ảo hóa dữ liệu và học máy không giám sát tại thiết bị đầu cuối — đồng thời thực hiện chuyển giao kiến thức giữa các máy móc, dây chuyền sản xuất và các cơ sở phân tán về mặt địa lý một cách có khả năng mở rộng, linh hoạt và tiết kiệm chi phí. Điều này giúp khách hàng không bị ràng buộc bởi nền tảng đám mây cụ thể và đẩy nhanh quá trình đổi mới để đạt được những kết quả chuyển đổi kinh doanh cụ thể.
Các mô hình suy luận thu thập, lưu trữ và phân tích dữ liệu thời gian thực tại thiết bị đầu cuối, cung cấp thông tin phân tích dự đoán cho các môi trường sản xuất chỉ trong vài mili giây. Ví dụ, kiến trúc kích hoạt theo thời gian có thể dự đoán, với độ chính xác đến từng mili giây, liệu các giá trị dữ liệu được theo dõi có nằm trong phạm vi cho phép hay không. Nếu dữ liệu vượt ra ngoài phạm vi cho phép, nhiều phản ứng khác nhau có thể được kích hoạt. Điều này giúp khách hàng lấy lại quyền kiểm soát hệ thống sản xuất của mình mà không cần phải thực hiện tích hợp hệ thống tốn kém hay triển khai CNTT mất nhiều thời gian. Khi các mô hình học máy đã đạt đến độ chín muồi, với sự chấp thuận của khách hàng, nền tảng có thể làm việc trực tiếp với chính máy móc để thực hiện điều khiển thích ứng và tối ưu hóa.
Các ứng dụng trong sản xuất thông minh
Nền tảng AI/ML có thể được triển khai nhanh chóng – trong hầu hết các trường hợp, nền tảng này cung cấp quyền truy cập ngay trong ngày vào dữ liệu quan trọng ở cấp độ hệ thống; khi kết hợp với các mô hình ML sẽ được phát triển trong vòng vài tuần, điều này giúp khách hàng dự đoán sự suy giảm hiệu suất của thiết bị, ngăn ngừa sự cố, giảm thời gian ngừng hoạt động ngoài kế hoạch, đồng thời cải thiện tình trạng và hiệu suất sử dụng tài sản. Nền tảng này giúp khách hàng trong ngành bán dẫn chuyển từ việc phụ thuộc vào các chiến lược bảo trì phản ứng sang giám sát và kiểm soát dự đoán cho các hoạt động từ đầu đến cuối của họ, thường liên quan đến các máy móc và hệ thống ngày càng phức tạp. Giải pháp không cần mã/ít mã này có thể được triển khai nhanh chóng và dễ dàng, đồng thời mở rộng quy mô khi nhu cầu tăng lên. Hơn nữa, nền tảng này không chỉ thực hiện phân tích dự đoán trên thiết bị sản xuất mà còn có thể kiểm tra và điều khiển chúng từ xa, nếu cần thiết.
Khả năng quan sát, trực quan hóa và truy xuất nguồn gốc đều có thể được thực hiện từ cấp độ cơ sở hoặc dây chuyền sản xuất cho đến tận cấp độ cảm biến máy móc, với mức độ chi tiết chưa từng có trước đây, mang lại những hiểu biết và thông tin phân tích chưa từng có để tối ưu hóa và cải tiến liên tục. Các mô hình học máy, thông qua quá trình tinh chỉnh liên tục theo thời gian thực, được sử dụng cho bảo trì dự đoán (bằng cách phát hiện sự bất thường) và quan trọng hơn, để điều khiển thích ứng trực tiếp máy móc và quy trình.
Các khả năng này đã được nhiều tập đoàn toàn cầu lớn ứng dụng trong các lĩnh vực như nhà máy sản xuất bán dẫn, đóng gói tiên tiến, sợi quang cho bộ thu phát, lắp đặt chính xác trong công nghệ SMT và các quy trình phức tạp khác, mang lại sự cải thiện đáng kể về hiệu suất quy trình, đồng thời giảm thời gian chu kỳ và thời gian ngừng hoạt động của máy móc. Điều này đặc biệt hữu ích khi ngành công nghiệp bán dẫn gặp tình trạng thiếu hụt công suất. Ví dụ, một tập đoàn bán dẫn đa quốc gia lớn đã triển khai nền tảng AI/ML để quản lý dây chuyền sản xuất lắp ráp thiết bị vi điện tử của mình. Tất cả các chuyển động trục động cơ của thiết bị, chuyển động của linh kiện và vị trí của các hệ thống con đều được theo dõi cứ sau 25 mili giây để giảm thiểu tối đa thời gian ngừng hoạt động ngoài kế hoạch. Nền tảng phần mềm này chạy cục bộ tại cơ sở của khách hàng để bảo vệ an ninh dữ liệu khỏi các rủi ro bên ngoài và đảm bảo thời gian thực thi chương trình với độ trễ cực thấp.
Do nền tảng này không phụ thuộc vào loại máy cụ thể, nên nó có thể được triển khai trên các máy khác nhau dọc theo dây chuyền sản xuất trong toàn nhà máy. Điều này đặc biệt hữu ích vì các máy ở các công đoạn trước và sau giờ đây có thể “hợp tác” với nhau để tối ưu hóa đồng bộ toàn diện. Nhờ đó, có thể triển khai các mô hình phức tạp liên quan đến các mối quan hệ đa biến giữa các nguồn dữ liệu, hoạt động ngay tại chỗ – với “tốc độ quy trình”.
Có rất nhiều ứng dụng tiềm năng của Trí tuệ nhân tạo (AI) và Học máy (ML) trong tự động hóa biên thông minh tại các nhà máy sản xuất bán dẫn, đóng gói tiên tiến, lắp ráp và kiểm tra. Đây là công cụ quan trọng giúp thúc đẩy sự đổi mới trong ngành, khi các công nghệ tiên tiến đòi hỏi các quy trình sản xuất ngày càng phức tạp hơn. Để biết thêm thông tin, vui lòngtruy cập [email protected].


