Sarajevo — InkDesign News — Pesquisas recentes em automação focam no uso de aprendizado de máquina para monitoramento e controle na fabricação de semicondutores, incorporando sensores avançados e algoritmos preditivos para otimizar processos industriais complexos.
Tecnologia aplicada
Na Universidade de Sarajevo, em colaboração com a Infineon Technologies Áustria, a doutoranda Amina Mević desenvolve um sistema de metrologia virtual multi-saída baseado em aprendizado de máquina, destinado à previsão das propriedades físicas de camadas metálicas no processo de deposição por vapor físico, utilizado na fabricação de semicondutores. O projeto utiliza algoritmos de seleção por projeção (ProjSe), fundamentados em conceitos matemáticos de álgebra e operadores de projeção, que têm raízes na mecânica quântica, para melhorar tanto a performance quanto a interpretabilidade dos modelos preditivos.
Desenvolvimento e testes
O sistema foi testado inicialmente com dados complexos de processos industriais, incluindo seriados temporais multivariados, para garantir robustez nas previsões. A equipe trabalhou em conjunto com engenheiros da indústria para validar os modelos e ajustar o pré-processamento dos dados, visando maior realismo e acurácia na simulação dos ambientes fabris. Além disso, Amina criou metodologias explicativas para identificar quais variáveis de entrada são mais relevantes na previsão dos múltiplos outputs, suportando a tomada de decisão humana em cenários de alta criticidade.
Impacto e aplicações
A integração de inteligência artificial explicável tem potencial de revolucionar o controle de qualidade e otimização na manufatura de semicondutores, um setor que exige alta precisão e confiabilidade. Melhorias na interpretação dos modelos aumentam a transparência, alinhando-se a diretrizes regulatórias, como o AI Act da União Europeia. Futuramente, o foco será voltado para a análise aprofundada de dados temporais e para a promoção de práticas responsáveis de IA na indústria.
“O aspecto mais interessante é a sinergia entre física, matemática, tecnologia de ponta, psicologia e ética. Estou trabalhando com dados coletados durante um processo físico—deposição por vapor físico—usando conceitos de geometria e álgebra, especialmente operadores de projeção e sua álgebra, com raízes na mecânica quântica, para aprimorar o desempenho e a interpretabilidade dos modelos de aprendizado de máquina.”
(“For me, the most interesting aspect is the synergy between physics, mathematics, cutting-edge technology, psychology, and ethics. I’m working with data collected during a physical process—physical vapor deposition—using concepts from geometry and algebra, particularly projection operators and their algebra, which have roots in quantum mechanics, to enhance both the performance and interpretability of machine learning models.”)— Amina Mević, Doutoranda, Universidade de Sarajevo e Infineon Technologies Áustria
Essa pesquisa ilustra avanços na aplicação técnica de IA explicável para automação em ambientes industriais de alta complexidade, como a manufatura de semicondutores. Os próximos passos envolvem ampliar a capacidade de análise para dados temporais multivariados e a incorporação de princípios de IA responsável, visando maior alinhamento com regulamentações e impacto positivo na indústria.
Para mais notícias relacionadas, veja também nossa cobertura sobre robótica e automação.
Fonte: (Robohub – Robótica & Automação)
