Ακούστε την ηχητική έκδοση αυτού του άρθρου (δημιουργήθηκε από AI).
Το εργοστάσιο Hot Strip Mill της California Steel Industries στη Φοντάνα εκτείνεται σε μήκος άνω του μισού μιλίου.
Στο εσωτερικό, γιγάντιοι κλίβανοι θερμαίνουν πλάκες χάλυβα σε περίπου 2.300 βαθμούς Φαρενάιτ. Σε αυτή τη θερμοκρασία, ο χάλυβας γίνεται αρκετά μαλακός για να ελαστρωθεί.
Αλλά πρώτα, χρειάζεται καθαρισμό. Ο κλίβανος αφήνει μια παχιά κρούστα «λέπιας» στην επιφάνεια. Αν δεν αφαιρεθεί, πιέζεται μέσα στον χάλυβα και καταστρέφει το φινίρισμα. Ένα scalebreaker σπάει την κρούστα. Στη συνέχεια, εκτοξευτήρες νερού υψηλής πίεσης την απομακρύνουν.
Στη συνέχεια, η πλάκα χάλυβα περνά από πέντε σταθμούς χονδρής έλασης που τη μειώνουν από πάχος 7 έως 9 ιντσών σε μόλις 0,0538 ίντσες — κοντά στο πάχος μιας πιστωτικής κάρτας. Ένα ψαλίδι κοπής ισιώνει τα ακανόνιστα άκρα πριν ο χάλυβας προχωρήσει στο φινίρισμα. Στη συνέχεια, έξι ακόμη σταθμοί φινιρίσματος τον ελαστρώνουν στο τελικό του πάχος και στην ποιότητα επιφάνειας.
Σε αυτό το σημείο, ο χάλυβας κινείται με περίπου 35 μίλια ανά ώρα.
Αυτό είναι πολύ γρήγορο για να εντοπιστούν ελαττώματα με το μάτι. Για φανοποιία αυτοκινήτων και οικιακές συσκευές, η επιφάνεια πρέπει να είναι άψογη — τα ελαττώματα φαίνονται ακόμα και κάτω από τη βαφή.
Η τελειωμένη ταινία τυλίγεται σε ρολό. Κάποια ζυγίζουν έως 25 τόνους. Η όλη διαδικασία διαρκεί περίπου πέντε ώρες. Σε πλήρη παραγωγική ικανότητα, το εργοστάσιο λειτουργεί 24 ώρες την ημέρα και παράγει 2 εκατομμύρια τόνους χάλυβα ετησίως.
Αλλά τουλάχιστον μπορείς να δεις τον χάλυβα.
Στα πιο προηγμένα εργοστάσια κατασκευής ημιαγωγών σήμερα, τα ελαττώματα που μετράνε είναι αόρατα στο ανθρώπινο μάτι.
Και οι συνέπειες της παράλειψής τους είναι εξίσου σοβαρές.
Ένα Μόνο Ελάττωμα Ημιαγωγού Μπορεί να Κοστίσει 25.000 $ — και οι Ανθρώπινοι Επιθεωρητές Δεν Μπορούν να το Αποτρέψουν
Στην κατασκευή ημιαγωγών, όλα ξεκινούν από ένα wafer — ένας λεπτός, γυαλισμένος δίσκος που κόβεται από καθαρό πυρίτιο, συνήθως περίπου 12 ιντσών σε διάμετρο. Αυτά τα wafer πρέπει να είναι άψογα. Ακόμα και μια μικροσκοπική γρατζουνιά ή μολυσματικό σωματίδιο μπορεί να δημιουργήσει ελαττώματα σε εκατοντάδες τσιπ.
Το πρώτο βήμα είναι η εκτύπωση κυκλωμάτων με χρήση λιθογραφίας ακραίας υπεριώδους ακτινοβολίας. Αυτή η διαδικασία προβάλλει μοτίβα κυκλωμάτων χρησιμοποιώντας φως με μήκος κύματος μικρότερο από οποιοδήποτε ορατό χρώμα. Ένα μόνο τελικό τσιπ μπορεί να απαιτεί 20 έως 30 διελεύσεις από αυτό το στάδιο μόνο.
Οι εξειδικευμένες μάσκες που χρησιμοποιούνται σε αυτή τη διαδικασία — ένα είδος τρισδιάστατου στένσιλ — πρέπει επίσης να είναι τέλειες. Ένα μόνο ελάττωμα καταστρέφει κάθε τσιπ που αγγίζει εκείνη η μάσκα. Και αυτές οι μάσκες μπορεί να κοστίζουν έως 1 εκατομμύριο δολάρια η καθεμία.
Μετά από κάθε διέλευση, το wafer υποβάλλεται σε χάραξη, εναπόθεση και χημική επεξεργασία για την κατασκευή στρωμάτων τρανζίστορ. Στη συνέχεια ο κύκλος επαναλαμβάνεται. Τα πιο σύνθετα τσιπ σήμερα περνούν από 1.500 έως 2.000 μεμονωμένα βήματα πριν γίνουν λειτουργικά. Κάθε βήμα είναι ένα πιθανό σημείο αστοχίας. Ένα σωματίδιο σκόνης μπορεί να καταστρέψει ένα ολόκληρο wafer.
Ένα μόνο wafer για τους πιο προηγμένους ημιαγωγούς μπορεί να κοστίζει μεταξύ 20.000 και 25.000 δολαρίων. Κάθε wafer χωράει εκατοντάδες τσιπ. Ένα ελαττωματικό καταστρέφει εκατοντάδες προϊόντα ταυτόχρονα. Και τα εργοστάσια όπου συμβαίνουν όλα αυτά κοστίζουν μεταξύ 15 και 20 δισεκατομμυρίων δολαρίων για να κατασκευαστούν.
Τα εργοστάσια παραγωγής χρειάζεται να μειώσουν αυτές τις απώλειες όπου είναι δυνατόν. Και οι ανθρώπινοι επιθεωρητές απλώς δεν μπορούν να κάνουν τη δουλειά.
Με 35 μίλια ανά ώρα, ο χάλυβας κινείται πολύ γρήγορα για να τον δεις. Σε ένα εργοστάσιο ημιαγωγών, τα ελαττώματα είναι πολύ μικρά για να τα δεις. Και στις δύο περιπτώσεις, τα διακυβεύματα είναι πολύ υψηλά για να χαθεί οτιδήποτε.
Το AI Ενισχύει τον Έλεγχο Ποιότητας
Αυτός είναι ένας τομέας όπου το AI δεν απλώς βοηθά. Είναι η μόνη λύση που πραγματικά λειτουργεί.
Η «βαθιά μάθηση» και η «ακριανή μάθηση» του AI ανεβάζουν τον έλεγχο ελαττωμάτων σε επίπεδο που οι άνθρωποι δεν μπορούν να συναγωνιστούν. Η βαθιά μάθηση λειτουργεί αναλύοντας εκατοντάδες παραδείγματα εικόνων έως ότου το σύστημα μάθει να λαμβάνει αποφάσεις από μόνο του — δεν απαιτείται προγραμματιστής σε κάθε βήμα.
Η ακριανή μάθηση πηγαίνει ακόμα πιο μακριά. Αυτά τα συστήματα έρχονται προεκπαιδευμένα και μπορεί να χρειάζονται μόλις πέντε έως 10 εικόνες για να ξεκινήσουν. Αναπτύσσονται σε λίγα λεπτά.
Τα αποτελέσματα είναι μετρήσιμα.
Στη BMW, τα συστήματα οπτικής ανίχνευσης με τεχνητή νοημοσύνη μείωσαν τα ποσοστά ελαττωμάτων κατά 30% σε ένα ευρωπαϊκό εργοστάσιο μέσα σε ένα χρόνο. Η ικανοποίηση των πελατών αυξήθηκε κατά 15% μετά την εφαρμογή. Στη Foxconn, οι κάμερες με τεχνητή νοημοσύνη εντοπίζουν πλέον ελαττώματα με ακρίβεια 98%, σημαίνουν 80% λιγότερες ψευδείς ειδοποιήσεις και επιθεωρούν κάθε μονάδα 60% ταχύτερα από πριν.
Αυτά δεν είναι πιλοτικά προγράμματα. Είναι συστήματα παραγωγής που λειτουργούν σε πλήρη κλίμακα, σε μερικά από τα πιο απαιτητικά περιβάλλοντα κατασκευής στον κόσμο.
Αυτό εννοώ όταν λέω ότι η πραγματική ιστορία του AI δεν είναι αυτή που τραβά την περισσότερη προσοχή.
Όλοι παρακολουθούν τα μεγάλα ονόματα υποδομών — τις εταιρείες τσιπ, τους παρόχους cloud, τις πλατφόρμες chatbot. Και ναι, αυτά είναι σημαντικά. Αλλά εκτυλίσσεται μια παράλληλη ιστορία στο πάτωμα του εργοστασίου, στα πετρελαιοπηγάδια και στα εργοστάσια ημιαγωγών.
Το AI λύνει προβλήματα που δεν ήταν δυνατό να λυθούν πριν. Και οι εταιρείες που παρέχουν αυτές τις λύσεις γίνονται πιο ανταγωνιστικές, πιο κερδοφόρες και πιο πολύτιμες — αθόρυβα, χωρίς πολλή φανφάρα.
Αυτό ακριβώς είναι το είδος ευκαιρίας που αναζητώ σε όλη μου την καριέρα.
Εντοπίζοντας την Επόμενη Γενιά Νικητών Πριν η Αγορά το Αντιληφθεί
Η πρόκληση, φυσικά, είναι να εντοπιστεί ποιες εταιρείες κερδίζουν πραγματικά — όχι απλώς να ισχυρίζονται ότι χρησιμοποιούν AI, αλλά να το χρησιμοποιούν με τρόπους που αποτυπώνονται στα θεμελιώδη μεγέθη.
Αυτό είναι ένα πρόβλημα που ο Marc Chaikin δουλεύει σε όλη του την καριέρα. Το σύστημα αξιολόγησης Power Gauge που δημιούργησε σχεδιάστηκε για να κόβει τον θόρυβο και να βρίσκει μετοχές με πραγματική ορμή. Το κάνει αυτό εδώ και δεκαετίες.
Αλλά στις 24 Ιουνίου, ο Marc κι εγώ κάνουμε ένα βήμα παραπέρα. Παρουσιάζουμε το πρώτο προϊόν που τροφοδοτείται από AI που έχει φτιάξει ποτέ η Chaikin Analytics — και δεν μοιάζει με τίποτα που έχουμε δείξει στο κοινό πριν.
Το ονομάζουμε Time Machine. Σαρώνει δεκαετίες ιστορίας αγοράς για να βρει μετοχές σήμερα των οποίων τα θεμελιώδη και τεχνικά χαρακτηριστικά ταιριάζουν με τα πρώιμα προφίλ μετοχών όπως η Nvidia Corp. (NVDA), η Amazon.com Inc. (AMZN) και η Meta Platforms Inc. (META) — ακριβώς πριν κάνουν τις μεγαλύτερες κινήσεις τους. Στη δοκιμή αναδρομικής ανάλυσης, ανέδειξε μετοχές που στη συνέχεια απέδωσαν κέρδη 995%, 1.406% και 3.804%, ενώ οι μετοχές «σπόρου» με τις οποίες αντιστοιχίστηκαν είχαν πολύ πιο скромες αποδόσεις.
Η ιστορία του AI στο εργοστασιακό πάτωμα είναι ένα παράδειγμα των ειδών ευκαιριών που έχει σχεδιαστεί να αναδεικνύει η Time Machine. Εταιρείες που λύνουν πραγματικά βιομηχανικά προβλήματα με AI — πριν η αγορά το αντιληφθεί.
Αυτή είναι η πρώτη φορά που κάνουμε κάτι τέτοιο διαθέσιμο σε μεμονωμένους επενδυτές. Η ιδρυτική συμμετοχή είναι περιορισμένη και αυτή η προσφορά δεν θα επαναληφθεί μόλις περάσει η παρουσίαση της 24ης Ιουνίου.
Το πρώτο βήμα είναι απλό: Κρατήστε τη θέση σας για την ελεύθερη εκδήλωσή μας.
Όσοι εγγραφούν αποκτούν πρώιμη πρόσβαση beta στη Time Machine αμέσως τώρα — χωρίς αγορά. Μπορείτε να εισαγάγετε οποιοδήποτε ticker και να δείτε πώς συγκρίνεται με τους μεγαλύτερους νικητές της χρηματιστηριακής αγοράς όλων των εποχών, πριν από την επίσημη κυκλοφορία.
Εξασφαλίστε τη θέση σας εδώ.
