Detekce defektů desek ve výrobě polovodičů
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
F
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Tato diplomová práce se zabývá problematikou detekce defektů desek ve výrobě polovodičů. V rámci této práce byly zkoumány metody identifikace defektních čipů a kontroly řízení výtěžnosti při výrobě polovodičů. Práce se rovněž zabývá metodami strojového učení pro rozpoznání obrazu s cílem klasifikace defektů ve výrobním procesu. První zvolený přístup využíval k inferenci sítě ResNet18, avšak ukázalo se, že jeho přesnost nedosahovala vysokých hodnot sledovaných metrik z důvodu nedostatečného množství vstupních dat. Pro tento sledovaný dataset tak bylo vyzkoušeno použití předtrénovaných sítí využívající topologie ResNet50v2. K navýšení metrik však došlo až s použitím jiného datasetu. Pomocí ladění hyperparametrů sítě a augmentací byly zkoumány další možnosti zlepšení výkonnosti sítě. V práci se také ukázalo, že použití autoenkodérů pro redukci datového toku při inferenci může navýšit rychlost samotné inference, avšak s degradací evaluačních metrik.
This diploma thesis focuses on detecting defects in semiconductor wafer manufacturing. It explores methods for identifying faulty chips and controlling yield during production. To classify defects machine learning techniques are used. Initially, ResNet18 architecture was used for inference, but low accuracy was attributed to limited input data. Transfer learning with ResNet50v2 was then attempted, resulting in improved metric with different dataset. Hyperparameter tuning and data augmentations were also explored. The study found that autoencoders for data compression during inference increased speed but led to degraded evaluation metrics.
This diploma thesis focuses on detecting defects in semiconductor wafer manufacturing. It explores methods for identifying faulty chips and controlling yield during production. To classify defects machine learning techniques are used. Initially, ResNet18 architecture was used for inference, but low accuracy was attributed to limited input data. Transfer learning with ResNet50v2 was then attempted, resulting in improved metric with different dataset. Hyperparameter tuning and data augmentations were also explored. The study found that autoencoders for data compression during inference increased speed but led to degraded evaluation metrics.
Description
Keywords
Umělá inteligence, detekce defektů, identifikace chybných čipů, výtěžnost výroby, strojové učení, počítačové vidění, klasifikace defektů, sítě ResNet, předtrénované sítě, redukce toku dat, inference, Artificial intelligence, defect detection, faulty chip identification, yield control, machine learning, computer vision, defect classification, ResNet networks, transfer learning, data flow reduction, inference
Citation
JAŠEK, F. Detekce defektů desek ve výrobě polovodičů [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2023.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
bez specializace
Comittee
prof. Ing. Roman Maršálek, Ph.D. (předseda)
doc. Ing. Lucie Hudcová, Ph.D. (místopředseda)
Ing. Jan Král, Ph.D. (člen)
Ing. Jana Olivová, Ph.D. (člen)
Ing. Václav Růžek, Ph.D. (člen)
Date of acceptance
2023-06-06
Defence
Student prezentuje výsledky své diplomové práce. Následuje čtení posudků a diskuzi se členy komise:
1) student prezentuje připravené odpovědi na otázky oponenta
2) doc. Hudcová se dotazuje, zda jsou převzaté zdrojové kódy skutečně citovány -student hledá citaci v tištěné verzi práce, kódy citovány nejsou!
3) doc. Hudcová diskutuje se studentem formální nedostatky prezentace
4) Dr. Růžek se ptá, co je studentovým přínosem, na což student odpovídá
5) prof. Mašálek se dotazuje na rozlišení snímků pro vstupní dataset, způsob snímání waferů a doptává se na detaily
6) tajemník Ing. Král se ze své praxe ptá, co je vlastně detekováno, zda se bavíme o waferech nebo čipech a zda jde toto snímání aplikovat na průhledný SiliconCarbide -student reaguje a odpovídá
Result of defence
práce nebyla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení