Fehlerdetektion und -klassifikation bei Laserschneidprozessen mittels Deep Neural Networks

Speakers:

Dr. Frederik Beuth

Michael Friedrich

Dr. Danny Kowerko

Tobias Schlosser

Scheduled time: Saturday, 16:30 , Room W4

Die automatisierte visuelle Inspektion befasst sich unter dem Einsatz bildverarbeitender Verfahren mit der Detektion und Klassifikation von Herstellungsfehlern in der Halbleiterindustrie. Während eine frühestmögliche Erkennung von Fehlermustern eine Qualitätskontrolle und Automatisierung von Herstellungsketten erlaubt, können Hersteller von einer Erhöhung der Ausbeute und der Reduktion von Herstellungskosten profitieren. Da klassische bildverarbeitende Systeme in ihren Fähigkeiten limitiert sind, neuartige Fehlermuster zu erkennen, und Ansätze des maschinellen Lernens oftmals mit einem enormen Rechenaufwand verbunden sind, verfolgt diese Arbeit einen neuartigen, auf Deep Neural Networks basierenden hybriden Ansatz. Im Gegensatz zu klassischen Deep Neural Networks sieht dieser ein mehrstufiges Verfahren vor, das in hochaufgelöstem Bildmaterial eine Erkennung von feinsten Strukturen in Pixelgröße erlaubt. Wie die Ergebnisse der zum Einsatz kommenden Testumgebung zeigen, übertrifft das realisierte hybride System die Ansätze bereits bestehender Verfahren, wobei eine Unterscheidung in Abhängigkeit des Detailgrades die Bestimmung und Behebung von Fehlermustern bereits in frühen Stadien des Herstellungsprozesses ermöglicht.