Failure Analysis - AI-Readiness and Application

Svenska företag är redo att ta en större andel av marknaden för mikroelektronik. Ökad marknadsandel med 20 % efter projektets slutförande. Två år efter projektets slutförande kommer precisionen i felbedömningen inom mikroelektronikproduktionen att ha ökat med 50 % tack vare en konsekvent minskning av antalet datafel.

Syfte och mål

FA2IR bygger på Penta/Euripides-projektet FA4.0 som har demonstrerat användningen av AI-algoritmer i felanalys för att effektivisera analystekniker. FA2IR-projektet kommer att undersöka viktiga tillämpningar av AI-metoder på databaser i felanalys (FA) av mikroelektronik. Huvudsyftet med FA2IR är att göra FA-databaser AI-färdiga och att utveckla förbättrade FA4.0-AI-baserade metoder för bild- och mätdataanalys. Standardiseringsinsatser kommer att driva på digitaliseringsstandarder inom den internationella halvledargemenskapen.

Förväntade effekter och resultat

Genom att minska den tid det tar att analysera fel i mikroelektronik kan företag reagera snabbare på produktionsproblem och fältfel. Den genomsnittliga analystiden kommer att minska och en högre datastandardiseringsnivå kommer att uppnås efter projektets slut. På grund av den förbättrade effektiviteten i AI-driven felanalys av mikroelektronik kan företag ta en större andel av mikroelektronikmarknaden tack vare en ökning av precisionen i felbedömning inom mikroelektronikproduktionsprocesser och en konsekvent minskning av datafel.

Planerat upplägg och genomförande

FA2IR samlar 17 partners från hela värdekedjan i FA och fyra länder. Sex arbetspaket är definierade: WP 1. Specifikation, gapanalys och uppföljning och WP 6. Användningsfall, validering och prestandatester sätter upp ramen med specifikationer och krav respektive utvärdering. WP2 - WP5 återspeglar innovationer där en SoA inte existerar i felanalys av mikroelektronik: De är: WP 2. AI-färdigt datalandskap och FA-verktygsintegration WP 3. AI-förbättrad dataanalys WP 4. Verktyg för utvärdering av datamiljö för felanalys WP 5. Integration av Molntjänster och externa AI-verktyg