Verbundprojekt: Zuverlässige Mikroelektronik durch KI-basierte Fehleranalyse – FA4.0 -; Teilvorhaben: Mikroskopische Analyse und Fehlererkennung mikroelektronischer Komponenten mittels Machine Learning Verfahren

Die Zielsetzung besteht in der Erforschung von mikroskopischen Analysetechniken für mikroelektronischen Komponenten unter Nutzung von Machine Learning Verfahren. Die Halbleitertechnik benötigt für als Schlüsselindustrie effektivere prozessbezogene Fehlercharakterisierung und Fehleranalyse sowie eine ganzheitliche Kontrolle aller Unsicherheiten entlang der Prozesskette von Bauteilkonstruktion, Fertigung und Qualitätsmanagement. Mit Konzepten von Industrie 4.0 soll die durchgängige Integration aller Analyseverfahren erreicht werden vom physischen Probentransfer über den standardisierten Transfer aller Messparameter und Analysedaten bis hin zur Fehlerlokalisierung mittels KI-Methoden. Für die effiziente Verarbeitung von Analysedaten aus verschiedenen Quellen sind die Datenformate und Schnittstellen abzustimmen, zu entwickeln und zu standardisieren. Die spezielle Expertise von Matworks zur materialographischen Probenpräparation, zu korrelativen Probenhaltersystemen und zur automatisierten mikroskopischen Bildaufnahme sollen genutzt und weiterentwickelt werden. Mikroskopisches Bildmaterial und andere Analysedaten der Projektpartner Infineon, Bosch und PVA-Tepla werden analysiert mittels neuer Machine Learning Verfahren. Ziel ist die automatisierte Defekterkennung in Halbleiterprodukten, die erforscht, anwendungstechnisch weiterentwickelt und in der Praxis getestet werden soll.