Die Kapazitäten zur Halbleiterfertigung werden weltweit ausgebaut. Die Produktionsprozesse in dieser Branche sind allerdings aufwendig und umfassen mehr als 1.000 verschiedene Schritte. Entsprechend komplex und sensibel ist der Aufbau von Produktionskapazitäten.
(Bild: ©Rawpixelcom/stock.adobe.com)
Gefragt sind daher Technologien, die schnell implementiert und angepasst werden können und gleichzeitig die Effizienz der Fertigung steigern. Eine Schlüsseltechnologie ist hierbei die industrielle Bildverarbeitung (Machine Vision). Ihr Vorteil besteht insbesondere darin, dass bei der hochpräzisen Fertigung der Halbleiter die zahlreichen notwendigen Inspektions- und Ausrichtungsprozesse automatisiert und hochgenau durchgeführt werden können.
In praktisch jedem Produktionsszenario in der Halbleiterfertigung gibt es mindestens einen Schritt, in dem überprüft wird, ob ein Produkt funktionale oder kosmetische Defekte aufweist. Die Qualitätskontrolle mit Hilfe von Machine Vision bietet in einer hochautomatisierten Produktionsumgebung verschiedene Vorteile gegenüber der manuellen Prüfung: Machine Vision ist viel schneller, die Ergebnisse sind objektiv und reproduzierbar, und die Qualität der Inspektion läuft nicht Gefahr, durch Ermüdung oder durch die Monotonie der Aufgabe nachzulassen. Für diesen Zweck sind auch Deep-Learning-Technologien geeignet, beispielsweise die Deep-Learning-basierte Anomalieerkennung. Sie ermöglicht etwa eine automatisierte Oberflächeninspektion, u.a. zur Erkennung und Segmentierung von Defekten.
Im Hinblick auf die Qualitätskontrolle ist neben der Prüfung auf Defekte auch die Bestimmung der Maßhaltigkeit essenziell. Industrielle Bildverarbeitung ermöglicht die subpixelgenaue Vermessung von Kanten entlang von Linien oder Kreissegmenten in wenigen Millisekunden. Auch die 2D-Messung ist möglich, um Objekte einer bestimmten geometrischen Form zu prüfen. Darüber hinaus gibt es Methoden zur 3D-Vermessung: Disparitätsbilder, Distanzbilder oder die 3D-Koordinaten von Oberflächen können mittels unterschiedlicher Verfahren rekonstruiert werden.
Neben der Qualitätsinspektion ist das Finden bzw. Ausrichten der Wafer und Chips ein weiterer Anwendungsfall, bei dem Machine Vision sehr effektiv unterstützen kann. Dabei kommt vor allem das subpixelgenaue Shape-Based-Matching zum Einsatz. Die Technologie findet Objekte präzise und robust in Echtzeit. Dies funktioniert sogar, wenn sie rotiert, skaliert, perspektivisch verzerrt, lokal deformiert, teilweise überdeckt oder außerhalb des Bildes liegen.
Patentanmeldungen im Bereich der additiven Fertigung (3D-Druck) sind zwischen 2013 und 2020 mit einer durchschnittlichen jährlichen Rate von 26,3 Prozent gestiegen. Wie das Europäische Patentamt weiter berichtet, wurden seit 2001 weltweit mehr als 50.000 bedeutende Erfindungen im Zusammenhang mit 3D-Druck-Technologien als internationale Patentfamilien (IPF) veröffentlicht. ‣ weiterlesen
Der Anteil der Unternehmen, die KI einsetzen, ist binnen eines Jahres von 9 auf 15 Prozent gestiegen. Das ist das Ergebnis einer Bitkom-Befragung unter 605 Unternehmen. Zwei Drittel von ihnen sehen KI als wichtigste Zukunftstechnologie.‣ weiterlesen
Derzeit erleben wir multiple Krisen - neben zunehmenden geopolitischen Spannungen entwickelt sich die Erderwärmung zu einer immer größeren Herausforderung. Das Umweltbundesamt rechnet bis Ende des 21. Jahrhunderts mit einer Erhöhung der mittleren Erdtemperatur um bis zu 5,7 Grad Celsius, sofern nicht kurzfristig eine massive Reduktion der CO2-Emissionen erfolgt. Wie der CO2-Fußabdruck dabei unterstützen kann, beschreibt ein Beitrag des Beratungsunternehmens Aflexio.‣ weiterlesen
Nachhaltigkeit und Wirtschaftlichkeit für den Industriesektor Hand in Hand? Dies kann Realität werden. Das kürzlich abgeschlossene Forschungsprojekt 'Climate Solution for Industries' (CS4I) unter Beteiligung des Fraunhofer IPA setzt bereits bei Investitionsentscheidungen an und widmet sich dem 'True Carbon Footprint'.‣ weiterlesen
Viele Anlagen und Rechner in der Industrie sind smart - so viel ist klar. Sie können sehen, hören und sprechen. Dass sie technisch nun auch riechen können, ist deshalb nicht verwunderlich. Technologien wie die 'AI Nose' sollen die Konsumgüterindustrie noch intelligenter machen und Unternehmen dabei helfen, Wettbewerbsvorteile zu sichern und auszubauen.‣ weiterlesen
Alle Beschäftigten in der Industrie sollen zukünftig in der Lage sein, KI-Tools zu bedienen, neue Prüfanwendungen einzurichten und zu warten - ohne Expertenwissen. Das ist das Ziel des Forschungsprojekts 'DeKIOps'. Unter Leitung der Arbeitsgruppe für Supply Chain Services des Fraunhofer-Instituts für Integrierte Schaltungen IIS wollen Senswork, Inovex und Eresult bis Ende 2025 Leitlinien und zwei Demonstratoren in industriellen Anwendungen entwickeln.‣ weiterlesen
Unternehmen reden viel über die möglichen Auswirkungen von KI- und ML-Anwendungen, aber oft wenig über deren Qualität. Und die hängt in erster Linie vom Dateninput ab. Der Datenspezialist Aparavi erklärt, wieso ein hochwertiges Dateninventar die Voraussetzung für eine sinn- und wertvolle KI- oder ML-Lösung ist.‣ weiterlesen
Viele Industrieunternehmen stoßen mit Ethernet und WLAN an ihre Grenzen. Denn für die Umsetzung von IIoT-Lösungen mit vernetzten Sensoren, Maschinen und anderen Geräten brauchen sie 5G-Netze. Doch noch zögern vor allem kleine und mittlere Unternehmen, in 5G zu investieren.‣ weiterlesen
Kontinuierliche Entwicklungen und zukunftsweisende Technologien treiben den Fortschritt der industriellen Kommunikation voran. Zu den Schlüsseltechnologien zählt Time-Sensitive Networking (TSN). John Browett, General Manager der CC-Link Partner Association (CLPA), erläutert, wie TSN die Voraussetzungen für den nächsten Schritt im digitalen Zeitalter schafft.‣ weiterlesen
Das Bundeskriminalamt zählte im vergangenen Jahr 136.865 Fälle von Cyberkriminalität und damit mehr Taten als im Jahr zuvor. Für deutsche Unternehmen beliefen sich die Schäden nach Angaben des Bitkom auf mehr als 203Mrd.€.‣ weiterlesen
Fast jedes vierte deutsche Unternehmen (24 Prozent) sieht Deutschland in der Forschung zu künstlicher Intelligenz weltweit in der Spitzengruppe. Das übersetzt sich bislang allerdings noch nicht in die Wirtschaft.‣ weiterlesen