בדיקת מעגלים משולבים פוטוניים מבוססת בינה מלאכותית: מהירה יותר, יעילה יותר, ללא תאונות

בפיתוח וייצור בקנה מידה גדול של מעגלים משולבים פוטוניים (PICs),מהירות, תפוקה ואפס תקריות בקו הייצורקריטיים למשימה. בדיקות הן, ללא ספק, המנוף המעשי והחסכוני ביותר להשגת מטרות אלה - אי אפשר להפריז בנקודה זו. האתגר האמיתי, עם זאת, טמון כיצדהטמעת בינה מלאכותית (AI) בסביבות בדיקה בזמן אמתבאופן שמקצר את מחזורי הבדיקה, מייעל את ניצול הכלים ומאפשר פעולה רחבה יותר המבוססת על תובנות - מבלי להתפשר על שליטה, קפדנות או יכולת מעקב.

מאמר זה מתמקד בשלושה תחומים שבהם בינה מלאכותית מספקת ערך מדיד:

1. אופטימיזציה של זרימות בדיקות קיימות כדי לאפשר החלטות מהירות ואמינות יותר לגבי עובר/נכשל

2. האצת זיהוי חזותי ברמת פרוסות ופסים (wafer) כדי לפתוח בדיקה אופטית אוטומטית (AOI)

3. פועל כממשק נתונים מאובטח בין אדם למכונה, המרחיב את הגישה תוך שמירה על דטרמיניזם ויכולת צפייה בהחלטות קריטיות.

אני גם אתאר אמפת דרכים לפריסה מדורגת, שתוכנן סביב ריבונות נתונים, התאמה אישית הדרגתית, והבטיחות והחוסן הנדרשים בפעולות הייצור - החל מאיסוף והכנת נתונים דרך הסמכה וייצור בנפח גדול.

בינה מלאכותית באופטימיזציה של זרימת בדיקות

בואו נהיה כנים: בדיקות פוטוניות מקיפות מסתמכות לעתים קרובות עלרצפי מדידה ארוכים, פלטפורמות בדיקה ייעודיות והתערבות מומחיםגורמים אלה מאריכים את זמן היציאה לשוק ומנפחים את הוצאות ההון. עם זאת, על ידי הצגתלמידה מפוקחת לתוך זרימות עבודה מבוססות - מאומנות על נתוני ייצור של אצווה מלאה - נוכל לייעל את רצפי הבדיקות תוך שמירה על בעלות, שקיפות ואחריות..

במקרים ספציפיים, בינה מלאכותית יכולה אפילולהחליף חומרה ייעודית, העברת פונקציות מסוימות לתוכנה מבלי לפגוע בקפדנות המדידה או בחזרתיות.

התמורה?
פחות שלבים להגעה להחלטות בטוחות של הצלחה/כישלון - ודרך חלקה יותר להשקת גרסאות מוצר חדשות.

מה משתנה עבורך:

• מחזורי הסמכה קצרים יותר מבלי להתפשר על סטנדרטים של איכות

• יתירות ציוד מופחתת באמצעות יכולות מבוססות תוכנה

• הסתגלות מהירה יותר כאשר מוצרים, פרמטרים או עיצובים מתפתחים

זיהוי חזותי מבוסס בינה מלאכותית

בסביבות תעשייתיות - כגון יישור פרוסות או בדיקות שבבים בנפח גבוה - מערכות ראייה מסורתיות לרובאיטי, שביר ולא גמישהגישה שלנו נוקטת בנתיב שונה באופן מהותי: מתן פתרון שהואמהיר, מדויק וניתן להתאמה, משיגים עדתאוצה בזמן מחזור של פי 100תוך שמירה - או אפילו שיפור - של דיוק הגילוי ושיעורי תוצאות חיוביות שגויות.

התערבות אנושית מצטמצמת על ידיסדר גודל, וטביעת הרגל הכוללת של הנתונים מצטמצמת ב-שלושה סדרי גודל.

אלו אינם יתרונות תיאורטיים. הם מאפשרים בדיקה חזותית לפעולבהתאם לזמני הבדיקה הקיימים, ויוצר מרווח פוטנציאל להתרחבות עתידית אל תוךבדיקה אופטית אוטומטית (AOI).

מה תראו:

• יישור ובדיקה חדלים להיות צווארי בקבוק

• טיפול יעיל בנתונים והפחתה דרמטית של התערבות ידנית

• מעבר פרקטי מ-pick-and-place בסיסי לאוטומציה מלאה של AOI

בינה מלאכותית כממשק נתונים בין אדם למכונה

לעתים קרובות מדי, נתוני בדיקות יקרי ערך נשארים נגישים רק לקומץ מומחים, מה שיוצר צווארי בקבוק ועמימות בקבלת החלטות. זה לא צריך להיות המצב. על ידי שילוב מודלים בסביבת הנתונים הקיימת שלך,קבוצה רחבה יותר של בעלי עניין יכולה לחקור, ללמוד ולפעול - תוך שמירה על דטרמיניזם ויכולת צפייה, כאשר התוצאות חייבות להיות ניתנות לביקורת ולאימות.

מה משתנה:

• גישה רחבה יותר לתובנות בשירות עצמי - ללא כאוס

• ניתוח גורמי שורש מהיר יותר ואופטימיזציה של תהליכים

• שמירה על תאימות, עקיבות ושערי איכות

מבוסס על המציאות, בנוי לשליטה

הצלחה אמיתית בפריסה נובעת מכיבוד המציאות של פעילות המפעל ואילוצי העסק.ריבונות נתונים, התאמה אישית מתמשכת, אבטחה וחוסן הן דרישות מסדר ראשון - לא מחשבות שלאחר מעשה..

ערכת הכלים המעשית שלנו כוללת מכשירי הדמיה, מכשירי תיוג, סינתיסייזרים, סימולטורים ואפליקציית EXFO Pilot - המאפשרת לכידת נתונים, ביאורים, הרחבה ואימות מלאים.אתה נשאר בשליטה מלאה בכל שלב.

נתיב הדרגתי ממחקר לייצור

אימוץ בינה מלאכותית הוא אבולוציוני, לא מיידי. עבור רוב הארגונים, זהו פרק מוקדם בטרנספורמציה ארוכה יותר. נתיב פריסה משולב אנכית מבטיח התאמה עם בקרת שינויים ויכולת ביקורת:

• לֶאֱסוֹף:EXFO Pilot מצלם את המרחב המלא (למשל, פרוסות שלמות) במהלך ניסויים סטנדרטיים

• לְהַכִין:נתונים קיימים עוברים אופטימיזציה ומשופרים באמצעות רינדור מבוסס פיזיקה כדי להרחיב את הכיסוי

• זכאות:מודלים מאומנים ונבדקים במאמץ מול קריטריוני קבלה ומצבי כשל

• תוֹצֶרֶת:מעבר הדרגתי עם יכולת צפייה מלאה ויכולת חזרה למצב קודם

הימנעות ממלכודת החדשנים

אפילו כאשר חברות מקשיבות ללקוחות ומשקיעות בטכנולוגיות חדשות, פתרונות עלולים להיכשל אם הן מתעלמות מהקצב השינוי הסביבתי ומציאות פעילות המפעלראיתי את זה ממקור ראשון. התרופה ברורה:עיצוב משותף עם לקוחות, להציב את אילוצי הייצור במרכז, ולבנות מהירות, גמישות וכיסוי מהיום הראשון - כך שחדשנות הופכת ליתרון מתמשך ולא לעיקוף.

איך EXFO עוזר

שילוב בינה מלאכותית בבדיקות פוטוניקה בזמן אמת לא אמור להרגיש כמו קפיצת אמונה - זוהי התקדמות מודרכת. מהפרוסה הראשונה ועד למודול הסופי, הפתרונות שלנו תואמים את מה שקווי הייצור באמת דורשים:מהירות ללא פשרות, איכות מוכחת והחלטות אמינות.

אנו מתמקדים במה שמביא השפעה אמיתית: זרימות עבודה אוטומטיות של בדיקה, אפיון אופטי מדויק והכנסת בינה מלאכותיתרק היכן שזה יוצר רווחים מדידיםזה מאפשר לצוותים שלכם להתמקד בבניית מוצרים אמינים - במקום בניהול תקורה פרוצדורלית.

שינוי קורה בשלבים, עם אמצעי הגנה שנועדו לשמר דטרמיניזם, יכולת צפייה וריבונות נתונים לכל אורך הדרך.

התוצאה?
מחזורי ייצור קצרים יותר. תפוקה גבוהה יותר. ומסלול חלק יותר מהרעיון ועד לתוצאה. זוהי המטרה - ואני מאמין בתוקף שנוכל להשיג אותה יחד.