半導体ウェーハのAI外観欠陥検査:目視検査からインテリジェント認識へ至るライン改造の道筋
深層学習は、ウェーハの欠陥検査を顕微鏡による人手抜き取りとルールアルゴリズムから、先端プロセスノードでのライン内全数検出・分類・等級判定へ移す。
ZEVON INDUSTRIAL TECHNOLOGY工場から都市まで、産業インテリジェンスを一気通貫で。
該当する分野がありません
記事数 206
深層学習は、ウェーハの欠陥検査を顕微鏡による人手抜き取りとルールアルゴリズムから、先端プロセスノードでのライン内全数検出・分類・等級判定へ移す。
AI生地検査は、織物や染色布の疲れる目視確認を、連続的なカメラ撮像、欠陥分類、反物ごとの品質マップに置き換える。
AI外観認識の精度は、データ、モデル、場面適応がかみ合って生まれるもので、単一のネットワークの調整では得られない。過検出はライン停止と廃棄という実際のコストになる。
少数ショット学習により、ラインは数十枚、ときに十数枚のサンプルから実用的な欠陥モデルを学習できる。外観検査プロジェクトの納期は数か月から数週間へ短縮される。
AI外観認識は、プレス品、ダイカスト品、切削品について光学設計から欠陥判定までの全ループを実運用に乗せた。人手検査では一貫性を保てない領域である。
マシンビジョンと深層学習で、セル・モジュール・パックのラインにわたり電極、溶接、タブ、缶、ブルーフィルムを検査し、抜き取りを追跡可能な全数検査へ変える。
医薬品の品質管理は目視検査からAIビジョンへ移りつつあるが、GMP、FDA 21 CFR Part 11、EU Annex 11がデータ整合性、監査証跡、バリデーションを要件の半分にする。