Usando Inteligência Artificial Explicável para Melhorar a Qualidade do Processo: Evidências da Fabricação de Semicondutores

Desenvolvemos um modelo de decisão baseado em dados para melhorar a qualidade do processo na fabricação. Um desafio para métodos tradicionais em gestão da qualidade é lidar com dados de fabricação de alta dimensionalidade e não lineares. Abordamos esse desafio adaptando a inteligência artificial explicável ao contexto da gestão da qualidade. Especificamente, propomos o uso de modelagem não linear com explicações aditivas de Shapley para inferir como um conjunto de parâmetros de produção e a qualidade do processo de um sistema de fabricação estão relacionados. Assim, contribuímos com uma medida de importância do processo com base na qual os fabricantes podem priorizar processos para melhoria da qualidade. Fundado na teoria da gestão da qualidade, nosso modelo de decisão seleciona ações de melhoria que visam as fontes de variação da qualidade. O modelo de decisão é validado em uma aplicação do mundo real em um fabricante líder de semicondutores de alta potência. Buscando melhorar o rendimento da produção, aplicamos nosso modelo de decisão para selecionar ações de melhoria para um produto de chip de transistor. Em seguida, conduzimos um experimento de campo para confirmar a eficácia das ações de melhoria. Comparado com o rendimento médio em nossa amostra, o experimento retorna uma redução na perda de rendimento de 21,7%. Além disso, relatamos resultados de uma implementação pós-experimental do modelo de decisão, que também resultou em melhorias significativas no rendimento. Demonstramos o valor operacional da inteligência artificial explicável mostrando que os fatores críticos da qualidade do processo podem passar despercebidos pelo uso de métodos tradicionais. Este artigo foi aceito por Charles Corbett, gestão de operações.