Dostęp do wewnętrznych mechanizmów firmy Infineon, producenta półprzewodników, jest ściśle regulowany. Nawet upoważniony personel musi przejść dodatkową kontrolę w siedzibie firmy notowanej na DAX w Neubibergu pod Monachium, zanim uzyska pozwolenie na wejście do laboratorium testowego.
Powód: Nawet najmniejsze cząsteczki kurzu i wyładowania elektrostatyczne mogą poważnie uszkodzić wielomilionowy sprzęt i delikatne chipy. Każdy, kto nadal emituje mini-pioruny, pomimo noszenia niebieskiego fartucha ochronnego i pasków uziemiających w butach, będzie widział na czerwono. Bariera do laboratorium otwiera się dopiero wtedy, gdy nie ma już iskier.
Ostrożność zalecana jest również wewnątrz. Na urządzeniu testującym wielkości pudełka, chipy wielkości kciuka są sprawdzane jeden po drugim pod kątem potencjalnych defektów w zielonym świetle. Malutkie elementy elektroniczne muszą wytrzymać trudne warunki. Są poddawane maksymalnym obciążeniom, czasami podgrzewane do 150 stopni Celsjusza lub schładzane ciekłym azotem do temperatury nawet minus 40 stopni Celsjusza.
Oprócz tych parametrów, niemal każdy układ scalony jest testowany pod kątem innych kryteriów, takich jak prawidłowe napięcia, natężenia prądu i rezystancje, zanim trafi do masowej produkcji i zostanie zainstalowany w smartfonach, samochodach lub centrach danych. „Dla każdego opracowywanego przez nas produktu musimy stworzyć specjalny program testowy” – mówi Frank Fischer (49), dyrektor ds. inżynierii testowej w firmie Infineon.
Kierownik testów, Fischer, chce to zmienić. Pasjonat kolarstwa szosowego i były założyciel start-upu walczy o każdą milisekundę, którą można zaoszczędzić podczas skomplikowanych testów. A Fischer może pochwalić się pierwszymi sukcesami – opartymi na zupełnie nowym podejściu.
W szczególności firmie Infineon udało się zautomatyzować część procesu tworzenia programów testowych w dziale „Systemy zasilania i czujników” (PSS), wykorzystując modele językowe sztucznej inteligencji w połączeniu z protokołami interfejsu. Skraca to czas rozwoju z kilku tygodni do zaledwie kilku dni. Dzięki temu firma już teraz oszczędza miliony. Fischer zamierza teraz przenieść tę koncepcję na inne obszary i działy.
Cechą szczególną podejścia Fischera jest to, że Infineon nie ogranicza się do powierzchownego skanowania kodu swoich programów za pomocą modeli wielojęzykowych, lecz strategicznie integruje agentów AI z wiedzą specjalistyczną, aby tworzyć konkretne aplikacje. Pozwala to firmie działać z chirurgiczną precyzją i zwiększać wydajność. Skalpel AI jest stosowany tylko tam, gdzie możliwe jest osiągnięcie ewidentnie znaczących oszczędności kosztów. Pozwala to uniknąć bezsensownych cięć.
Wraz z zespołem naukowców zajmujących się danymi i analityków biznesowych, Schmid stworzył wewnętrznego chatbota ponad półtora roku temu. „To rzeczywiście rozwijało się całkiem dobrze” – wspomina absolwent inżynierii przemysłowej i produkcyjnej. Jednak wyniki pozostały dość ogólne i oferowały zbyt mało zróżnicowania w porównaniu z chatbotami dostępnymi na rynku zewnętrznym. „Zrozumieliśmy: jeśli naprawdę chcemy coś zmienić, musimy głębiej wniknąć w nasze procesy i funkcje”.
Najpierw tworzą koncepcję testu i definiują parametry, które należy przetestować (krok 1). Następnie przekładają te pomysły na linie kodu (2) i inicjują program testowy (3). Na koniec wyszukują błędy, naprawiają je (4) i optymalizują kod źródłowy (5).
„Opracowaliśmy rozwiązanie, które automatyzuje etap inicjalizacji” – mówi główny programista, Sebastian Konrad (35). Fizyk, doktorant, który był wcześniej analitykiem danych w firmie konsultingowej Roland Berger, otwiera laptopa i wpisuje kilka linijek kodu w czarne pole wyświetlacza.
„Nasze obecne rozwiązanie generuje różne moduły w kodzie praktycznie za naciśnięciem przycisku” – wyjaśnia Konrad. W tym celu Infineon korzysta z programów wspomagających sztuczną inteligencję, takich jak GitHub Copilot, i integruje wiedzę specjalistyczną swoich inżynierów testowych, przechowywaną w bazach danych, skategoryzowanych według obszaru zastosowań.
Flota Lufthansy liczy już ponad 300 samolotów pasażerskich. Aby zapewnić płynną, a przede wszystkim bezpieczną eksploatację tak dużej liczby samolotów, flagowa linia lotnicza Niemiec opracowała złożony plan konserwacji. Podczas rutynowych przeglądów, czasami ponad 2000 podzespołów na samolot wymaga kontroli, konserwacji lub wymiany. Utrzymanie kontroli nad tymi podzespołami i sprawna organizacja procesów to jedno z największych wyzwań w lotnictwie, zwłaszcza biorąc pod uwagę ograniczoną dostępność wykwalifikowanego personelu i narzędzi.
Korzystając z nowego narzędzia do planowania opartego na sztucznej inteligencji, Lufthansa stara się sprostać rosnącym potrzebom w zakresie konserwacji, dysponując dotychczasowymi zasobami. Rozwiązanie automatycznie generuje wiele planów, aby optymalnie koordynować setki samolotów i punkty konserwacji w określonych ramach czasowych. Daje to planistom konserwacji znacznie lepszą podstawę do podejmowania decyzji. I przynosi to korzyści Lufthansie. Linie lotnicze mogą zaoszczędzić ponad pięć milionów euro rocznie. System jest obecnie wdrożony tylko we flocie Airbusów A320, ale będzie stopniowo wdrażany w innych typach samolotów.
Skraca to nakład pracy związany z tworzeniem szkieletu kodu do zaledwie kilku minut. „Nie jest to jeszcze rozwiązanie idealne, ale to dobry pierwszy krok” – mówi Konrad. Inżynierowie testów mogą następnie skupić się na kluczowych krokach 4 i 5 – debugowaniu i optymalizacji. Długoterminowym celem Sebastiana Konrada jest automatyzacja nie tylko jednego z pięciu kroków, ale całego procesu tworzenia programu testowego.
Infineon dąży do uzyskania wyraźnej przewagi konkurencyjnej dzięki takim rozwiązaniom AI. Wewnętrzna zasada brzmi: każde euro zainwestowane w cyfryzację powinno przynieść trzy euro zwrotu. W przypadku dedykowanych rozwiązań AI firma dąży nawet do zwrotu z inwestycji na poziomie od 1 do 5. Jednak zdaniem dyrektora ds. testów, Franka Fischera, przyspieszenie rozwoju jest nawet ważniejsze niż zwiększenie wydajności. „Chcemy wprowadzić nasze produkty na rynek jak najszybciej”.
Dzięki własnym aplikacjom i kolejnym projektom „GenAI”, Infineon dąży do osiągnięcia coraz szybszego tempa rozwoju. W idealnym przypadku cykl się zamknie – a sztuczna inteligencja umożliwi rozwój jeszcze większej liczby rozwiązań.
