🇺🇸 Производство электроники. Умные микрофабрики. США

Teradyne и Bright Machines готовят микрофабрики и ускоренное развитие инфраструктуры для ИИ

Американский поставщик автоматизированного испытательного оборудования и робототехнических систем Teradyne анонсировал стратегическое сотрудничество и инвестиции в разработчика «умных» микрофабрик Bright Machines, США. Средства пойдут на разработку платформы программно-определяемого производства, в частности – развитие производства инфраструктуры для ИИ.

Teradyne работает с производителями по всей экосистеме, включая EMS- и ODM-провайдеров, OEM и гиперскейлеров. Компания поставляет робототехнику и технологии тестирования, поддерживающие высокономенклатурное производство дорогостоящей электроники. Платформа Bright Machines охватывает проектирование, робототехнику, автоматизацию, контроль, перемещение материалов, производственную аналитику и операционное управление. Компания развернула свыше 130 микрофабрик в более чем 10 странах, а теперь сосредоточила усилия на производстве ИИ-инфраструктуры на территории США.

Партнеры оценят интеграцию технологий Teradyne в производственные среды Bright Machines, включая прецизионную роботизированную сборку, роботизированную загрузку и выгрузку испытательного оборудования и автономное перемещение материалов по заводам. Затем партнеры развернут соответствующие системы на площадках Bright Machines и ее клиентов.

Ключевая задача - связать разные потоки данных в сквозную цепочку. Данные о сборке и контроле качества, работе роботов, перемещении материалов и результатах электрических испытаний объединяются с системой производственной аналитики Bright Machines. Это даёт полную картину по каждому изделию - от конструкторского решения до финальных тестов. Это позволяет быстрее реагировать на отклонения или изменения в дизайне. Шантну Шарма из Teradyne называет это «физическим ИИ»: речь об интеграции роботов в экосистему, где все элементы «общаются» между собой. Джеймс Дэвидсон, директор по ИИ в Teradyne, отмечает важное узкое место: сейчас главная сложность не в том, что робот физически не может что-то сделать, а в том, сколько времени и инженерных ресурсов требуется, чтобы его перенастроить. Новая парадигма должна позволить осваивать новые задания за часы, а не за недели.

Новость отражает тренды, связанные с переходом софтового ИИ в ИИ в «железе», гонкой за мощностями ИИ-инфраструктуры, развитием программно-определяемого производства и формированием замкнутых контуров данных «сборка-тестирование-коррекция». Впрочем, ценность подхода еще только предстоит подтвердить на практике – стоит оценить, будет ли разница во времени перенастройки после обновления аппаратной части, по-сравнению с классическими подходами. ||

((источник фото - Brigthmashines))

✓ Подпишитесь на RUSmicro в Telegram | в Макс