16. Juli 2020

Zusammenarbeit mit der Axetris

Aus der jüngsten Zusammenarbeit des CSEM mit der Axetris AG ist eine nutzerzentrierte Plattform zur Qualitätskontrolle entstanden, die Fehler bei der Herstellung mikroelektromechanischer (MEMS) oder mikrooptischer (MOEMS) Chips erkennen, diagnostizieren und kategorisieren kann. Die Plattform basiert auf künstlichen neuronalen Netzen, maschinellem Lernen und dem vom CSEM entwickelten Programm VISARD. Das System kann leicht angepasst und trainiert werden, um auf Änderungen in Produktionsprozessen oder Fehlerkriterien zu reagieren

Automatic Crack Detection with Deep Neural Network

MEMS-Chips sind heute in praktisch jeder elektronischen Hardware zu finden. Diese winzigen integrierten Bauelemente spielen eine bedeutende Rolle für die Genauigkeit und die Leistungsfähigkeit von alltäglichen Systemen. Ein Ausfall der Komponenten kann gravierende Folgen haben. Deshalb sind Detektion und Diagnose von Fehlern während der Herstellung für jeden Hersteller von grosser Bedeutung.

Die Herstellung von MEMS-Chips beinhaltet mehrere Qualitätskontrollschritte. Zuerst werden die Bauteile einer automatischen Sichtinspektion (AVI) unterzogen. Das System lokalisiert dabei Anomalien auf grossen Wafern mit mehreren MEMS-Chips.

«Während des Herstellungsprozesses dieser winzigen Komponenten kann es zu Brüchen an den Rändern und Rissen oder Ablagerungen auf der Oberfläche kommen. Das ist unvermeidlich», erklärt Matthias Höchemer, Leiter der Abteilung Robotic & Deep Learning am CSEM. «Wenn solche Fehler auftreten, sind AVI-Systeme nützlich, da sie Unregelmässigkeiten der Oberfläche lokalisieren können und eine Karte erstellen, auf der markiert ist, welche Chips in der Charge betroffen sind

Im Anschluss gilt es für die Qualitätsingenieure, anhand der Daten der AVI-Systeme die Fehler zu kategorisieren und zu bestimmen, ob diese kritisch oder unkritisch sind. So entscheidet sich, ob die Chips für den Einsatz geeignet sind. Dieser praxisorientierte Ansatz für die Qualitätskontrolle garantiert eine lange Lebensdauer der Chips. Für die Ingenieure kann dies aber ein anstrengender und arbeits- sowie zeitintensiver Prozess sein.

«Die Qualitätssicherung hat höchste Priorität», sagt Andreas Mann, Prozessingenieur bei Axetris. «Unser bisheriger Prozess, bestehend aus einem fortschrittlichen AVI-System und qualifizierten Inspektoren, war bereits sehr effektiv. Dennoch sahen wir eine Möglichkeit, das gesamte Verfahren zu optimieren. Damit wollen wir unsere Inspektoren entlasten und die Prozesse beschleunigen.»

Das CSEM hat darum gemeinsam mit Axetris eine intelligente Qualitätskontrollplattform geschaffen, die mit Bilddaten das aktuellen AVI-Systems arbeitet. Auf der vom CSEM entwickelten Prozessintegrationsplattform VISARD werden die Bilder von Algorithmen analysiert, die auf künstlichen neuronalen Netzen und maschinellem Lernen basieren. Die Software kann Fehler auf dem Wafer, aber auch auf individuell betroffenen Chips diagnostizieren, erkennen, beschriften und kategorisieren (z. B. Fehlerposition, Grösse oder Typ). Die Informationen werden dann auf benutzerfreundliche Weise auf der VISARD-Plattform dargestellt und in die Datenbanken bei Axetris exportiert. Ob ein Fehler kritisch oder unkritisch ist, bestimmt die Software automatisch.

«Mit der Plattform wird die manuelle Kategorisierung der Fehler überflüssig und die Prüfzeit verringert sich erheblich. Gleichzeitig wird die Qualitätssicherung objektiver», sagt Matthias Höchemer. «Ausserdem können neuronale Netze immer weiter hinzulernen. Falls die Ingenieure von Axetris ihre Prüfprozesse ändern oder die Entscheidungskriterien der Algorithmen anpassen möchten, können sie direkt in der VISARD-Plattform ein neues Neuronales Netzwerk trainieren und die Entscheidungsalgorithmen unabhängig voneinander adaptieren. Einen Parameter zu ändern, dauert nur eine Minute und alle Einstellungen werden automatisch innerhalb des integrierten Versionskontrollsystems protokolliert. Die Benutzer können geänderte Einstellungen verfolgen oder sogar rückgängig machen. So ist sichergestellt, dass die Qualitäts- und Prozessingenieure alle Änderungen vollständig nachvollziehen können.»

«Dank der Lernfähigkeit dieser neuen Qualitätskontrollplattform können wir das neuronale Netz einfach und schnell mit einigen Beispielen von neuen Fehlern in einer neuen Umgebung trainieren, und schon sind wir einsatzbereit», erzählt Andreas Mann. «Je mehr wir das System einsetzen, umso besser wird die Software, da sie kontinuierlich dazulernt. Ausserdem ist das detaillierte quantitative Feedback, das wir erhalten, eine grosse Hilfe bei der systematischen Verbesserung unserer Prozesse.»

«Wir haben bereits bei vielen verschiedenen Projekten mit der Unterstützung des CSEM gearbeitet. Aber dies ist das erste Mal, dass wir uns in den Bereich der künstlichen Intelligenz und Deep Learning wagen», bemerkt Simon Tschupp, Leiter Process Engineering bei Axetris. «Nach der erfolgreichen Machbarkeitsstudie und der anschliessenden Industrialisierung sind wir mit der Qualitätskontrollplattform sehr zufrieden und können sie jetzt über einen längeren Zeitraum in unserer Produktionsumgebung testen

Die beiden Unternehmen untersuchen nun auch weitere Bereiche, um Potenzial für die Optimierung von Prozessen, Qualität oder Erträgen zu identifizieren.