Merkezi San Francisco'da bulunan girişim Niobia, batarya ve çip üretimindeki en maliyetli sorunlardan birini ele alıyor: üretim hatlarında ortaya çıkan kusurların nedenlerini anlamak. Şirket, kusurları tespit eden yapay zekâ yazılımları kullanıyor; ardından mühendislerin bir sohbet robotuna bunların neden meydana geldiğini sormasına ve ilgili verileri günler süren manuel araştırmalar yerine dakikalar içinde analiz etmesine olanak tanıyor.
Teknolojiyi kullanan şirketler, kusurları izlemek için üretim hatlarına yapay zekâ ajanları yerleştiriyor; olası nedeni belirleme ve arızanın meydana geldiği koşulları anlama sürecinin bir parçası ise insan mühendisler olmaya devam ediyor. Bu ajanlar, bir sensörün çalışma biçimine benzer şekilde doğrudan üretim ekipmanına monte edilmiş bağımsız GPU birimleri üzerinde çalışıyor. Bu da son derece küçük kusurları, mikroskobik iğne deliği boyutunu aşmayan çizik veya delikler dahil olmak üzere, tespit etmelerini sağlıyor.
Kusuru tespit etmekten nedenini açıklamaya
Niobia'nın işlevi yalnızca bir arızanın varlığını bildirmekle sınırlı değil. Platform, ilgili verileri tek bir yerde topluyor ve ardından mühendislerin ne olduğunu anlamak ve olası nedenleri derinlemesine incelemek için bir sohbet robotu üzerinden takip soruları sormasına olanak tanıyor. Şirket, bu yaklaşımın araştırma ve geliştirme sırasında veya üretim süreçlerini iyileştirirken bir sorun ortaya çıktıktan sonra üretim hatlarını yeniden çalıştırmak için gereken süreyi kısaltmayı amaçladığını söylüyor.
Batarya ve yarı iletken sektörlerinde hız özel önem taşıyor; zira her hata maliyetli bir duruşa ve üretim takvimlerinde gecikmeye yol açabiliyor ve bazı durumlarda kayıplar milyonlarca dolara ulaşabiliyor. Ayrıca malzeme ve teknoloji geliştirme süreçlerinin karmaşıklığı, arızanın nedenini belirlemeyi uygun olmayan ürünü tespit etmekten daha zor hâle getiriyor.
Üretim verilerini korumak için yerel yapay zekâ
Niobia, açık kaynaklı modelleri batarya ve çiplerle ilgili veriler ve araştırmalar kullanarak yeniden eğitiyor. Kurucu ortak Gaurav Jha'ya göre şirket bu yolu seçti; çünkü müşteriler, korunacağına dair taahhütler bulunsa bile hassas endüstriyel verilerini kamuya açık bir buluta göndermek istemiyor.
Şirket, müşterilerin kendi şifreleme anahtarlarını saklamasına olanak tanıyor; böylece Niobia verilerinin şifresini çözemiyor. Bu durum, platformun gereksinimlerinin yalnızca kusur tespitinin doğruluğuyla değil, aynı zamanda verilerin nerede işlendiği ve bunlara kimin erişebildiğiyle de ilgili olduğunu gösteriyor. Bu konu, fikrî mülkiyet hassasiyeti ve jeopolitik rekabetle öne çıkan sektörlerde özellikle önem taşıyor.
İlk odak noktası ve daha bağımsız fabrikalara yönelik hedef
Ürün şu anda üç üretim sürecine odaklanıyor: film kaplama, yüzeyleri metallerle kaplamak için elektrik akımı kullanan elektrokaplama ve katı parçacıkların bir gaz veya sıvı içinde askıya alındığı kimyasal bir süreç olan akışkan yatak tepkimesi. Jha, şirketin ileride teknolojisinin bağımsızlığını artırarak kendi kendini daha büyük ölçüde çalıştırabilen fabrikalara ulaşmak istediğini söyledi.
Bu haber neden önemli? Niobia'nın yaklaşımındaki pratik değer mühendislerin yerini almak değil, kusurun tespit edilmesiyle nedeninin anlaşılması arasındaki süreyi kısaltmak. Ancak kaynak, platformun performansı, müşteri sayısı veya tespit doğruluğu hakkında rakamlar sunmuyor. Bu nedenle gerçek ticari ve endüstriyel etkisinin bağımsız operasyonel sonuçlarla doğrulanması gerekiyor. Ayrıca kendi kendini çalıştıran fabrika hedefi hâlâ geleceğe yönelik bir amaç ve bugün için tamamlanmış, açıklanmış bir yetenek değil.