EUREKA Xecs FA2IR
Diarienummer | |
Koordinator | RISE Research Institutes of Sweden AB - RISE |
Bidrag från Vinnova | 8 721 123 kronor |
Projektets löptid | december 2023 - december 2026 |
Status | Pågående |
Utlysning | Eureka-kluster medfinansiering |
Ansökningsomgång | EUREKA Xecs Call 2023 - Internationella samverkansprojekt inom elektroniska komponenter och system för hållbar digital transformation - NA |
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