16 juillet 2020

Collaboration avec Axetris

La collaboration entre le CSEM et Axetris AG a permis la mise au point d’une plateforme de contrôle qualité, à la pointe de l’innovation et centrée sur l’utilisateur. Celle-ci repose sur les technologies avancées de réseau neuronal et d’apprentissage machine (ou machine learning, ML). Associée au programme VISARD du CSEM, elle a pour mission de détecter, diagnostiquer et classifier les défauts sur des microsystèmes électromécaniques (MEMS) ou des composants micro-optiques. Grâce à sa capacité d’apprentissage en continu, ce système s’adapte aisément aux changements dans les processus de production ou les critères de défauts.

Automatic Crack Detection with Deep Neural Network

De nos jours, la quasi-totalité des pièces de matériel électronique tire profit des microsystèmes électromécaniques. Ces petits dispositifs intégrés occupent un rôle de premier plan en assurant à chaque instant la précision et le niveau de performance requis. Un seul défaut sur ce type de composants peut se révéler catastrophique pour les biens , c’est pourquoi leur détection et leur diagnostic en cours de production sont d’une importance vitale pour tous les fabricants.

Elaborées à l’aide de techniques de production de circuits intégrés par lots, les plaquettes constituées d’une multitude de MEMS sont soumises à de nombreux contrôles qualité au cours de leur fabrication. Elles passent tout d’abord par une machine performante d’inspection visuelle automatique, capable de détecter les défauts sur de nombreux éléments MEMS présents sur ces grandes surfaces.

« La formation d’arêtes ébréchées, de fissures ou la présence de débris sur la surface de ces minuscules composants lors du processus de fabrication est inévitable », explique Matthias Höchemer, responsable de l’activité robotique & ML au CSEM. « L’apparition de ce genre de défauts illustre toute l’utilité des systèmes d’inspection visuelle automatique, qui permettent de localiser les anomalies de surface, de visualiser et classifier les défauts, et de cartographier précisément les MEMS concernés sur le lot en question. »

Grâce aux données fournies par la machine d’inspection visuelle (nommée AVI pour Automatic Vision Inspection), les ingénieurs-qualité sont ensuite chargés de classifier les défauts et de déterminer s’ils sont critiques ou non et si les composants MEMS sont aptes à être utilisés. Cette approche pratique du contrôle qualité garantit leur fiabilité, mais peut s’avérer fastidieuse et chronophage pour les ingénieurs.

« Garantir la qualité de nos produits est une priorité absolue », souligne Andreas Mann, ingénieur procédés chez Axetris, « et bien que notre processus de contrôle qualité soit extrêmement efficace (grâce à un système AVI et à des inspecteurs expérimentés) nous avons vu une opportunité d’optimiser l’ensemble de la procédure. Ce faisant, nous souhaitions soulager nos contrôleurs-qualité du stress auquel ils peuvent être soumis, tout en accélérant les procédures d’inspection ».

Ainsi, en collaboration avec Axetris, le CSEM a pu mettre au point une plateforme intelligente de contrôle qualité reposant sur une base de données d’images fournies par l’actuel système AVI d’Axetris. Ces images sont traitées par des algorithmes de machine learning et de réseaux neuronaux conçus par le CSEM, et mis en œuvre via VISARD, la plateforme d’intégration verticale des processus du CSEM. Ce logiciel peut diagnostiquer, détecter, marquer et classifier les défauts sur la plaquette même et sur les composants MEMS (en indiquant l’emplacement du défaut, ses dimensions, son type, etc.). Ces informations sont ensuite présentées de manière simple sur la plateforme VISARD, qui analyse automatiquement si les défauts sont critiques ou non.

« Ce système dispense de la nécessité d’une catégorisation manuelle des défauts et accélère de manière significative le temps d’inspection, tout en améliorant l’assurance qualité », ajoute Matthias Höchemer. « De plus, la force des réseaux neuronaux réside dans leur apprentissage dynamique. Si les ingénieurs d’Axetris souhaitent modifier leurs procédures d’inspection, ou ajuster les critères de décision des algorithmes, ils peuvent charger une interface particulière, conçue à cet effet sur la plateforme VISARD, et ainsi ajuster nos algorithmes de manière indépendante. La modification d’un paramètre ne prend qu’une minute et les réglages sont versionnés automatiquement grâce au système de contrôle ad-hoc intégré, capable de traquer ou même d’annuler un changement de paramétrage. Les ingénieurs qualité et procédés peuvent ainsi parfaitement identifier et traiter les modifications opérationnelles. »

« Les capacités d’apprentissage de cette nouvelle plateforme de contrôle qualité témoignent de la rapidité avec laquelle nous pouvons entrainer le réseau de neurones à l’aide de quelques exemples de nouveaux défauts dans un nouvel “environnement”, et nous sommes disposés à aller de l’avant », signale Andreas Mann, avant d’ajouter : « nous savons qu’en sollicitant le système en permanence, le logiciel n’en deviendra que meilleur, car il apprend en continu. Par ailleurs, le retour d’information détaillé et quantitatif que nous obtenons est d’une aide précieuse pour améliorer systématiquement nos procédés. »

« Nous avons collaboré avec le CSEM sur une variété de projets différents au fil des ans, mais c’est la première fois que nous abordons l’intelligence artificielle et l’apprentissage profond (ou deep learning) avec eux », remarque Simon Tschupp, responsable du génie des procédés pour Axetris. « Après une étude de faisabilité concluante, cette plateforme nous satisfait. Nous sommes à présent prêts à la tester de manière prolongée dans notre environnement de production. »

Les deux entreprises se dirigent à présent vers un avenir très prometteur en vue d’identifier de nouveaux domaines d’optimisation des procédés, de la qualité et du rendement.