Tekoäly elektroniikan luotettavuuskokeissa: Hyödyt ja haitat

Abstract

Tekoäly tulee muuttamaan elektroniikan valmistusprosesseja huomattavasti. Sen käyttöönotossa on paljon hyötyjä, mutta haittoja täytyy myös tarkastella. Tämän takia molempien vaikutusta täytyy miettiä ja muodostaa mielipide käyttöönoton järkevyydestä.

Tekoälyn tärkeimmät hyödyt keskittyvät suurimmaksi osaksi tehokkuuteen. Tehokkuus voidaan tässä tapauksessa jakaa kahteen osaan, aikatehokkuuteen ja kustannustehokkuuteen. Tekoäly keskimäärin pystyy laskemaan elektroniikka testaukseen liittyvissä prosesseissa aikaa noin 40 %. Kustannustehokkuutta tekoäly pystyy nostamaan tekemällä työtä tehokkaasti, milloin työntekijöiden määrää voidaan pienentää. Prosesseihin menevän ajan pieneneminen vaikuttaa myös kustannustehokkuuteen niin, että työajat pienenevät, jolloin tiettyyn työtehtävään menevät kustannukset pienenevät. Toinen merkittävä hyöty on tarkkuus. Tarkkuudessa tekoäly pystyy parantamaan vikakattavuutta 12,3 %. Tämä johtuu siitä, että tekoäly pystyy paremmin huomaamaan pieniä eroavaisuuksia erilaisissa piirilevyissä.

Luotettavuuskokeissa merkittäväksi tekoälyn hyödyksi voidaan mainita ennustaminen. Tämä tarkoittaa siis sitä, että tekoälymalli pystyy vanhaan dataan perustuen muodostamaan ennustuksen, kuinka pitkään laite tulee kestämään. Tekoäly hyödyntää tässä vikapuuanalyysia ja Bayesiliasta verkkoa. Todennäköisyydet eri vikaantumisista asetetaan näihin malleihin, jonka perusteella tekoälymalli oppii, miten todennäköistä on, että jotain tapahtuu. Näihin malleihin perustuen tekoäly on pystynyt ennustamaan vikaantumisia huomattavan aikaisin.

Eettisyys ongelmat ja laadukkaan datan vähäinen määrä ovat merkittävimmät ongelmat tekoälyn käyttöönotossa. Eettisyys ongelma on laajasti keskusteltu haitta tekoälyyn liittyen. Suurimmaksi ongelmaksi tulevat sosiaaliset vaikutukset, jotka liittyvät esimerkiksi työttömyyden kasvamiseen. Toisena eettisenä ongelmana on vastuun jakautuminen. Tekoälyn tehdessä virheen, kenen vastuulla virhe on? Tämä voisi vähentää tekoälyn tehokkuutta, koska jouduttaisiin tarkistamaan tekoälyn antamia tuloksia. Toisena ongelmana on laadukkaan datan vähäinen määrä. Tämä ongelma liittyy pienempiin yrityksiin, koska ne eivät saa valmistusprosesseista niin paljon dataa kuin isommat yritykset. Datan määrän vähyys vaikeuttaa tekoälymallin koulutusta, joka aiheuttaa huonompaa tarkkuutta ja tehokkuutta.