Failure Analysis 4.0

Ziel dieses Projekts ist die Entwicklung einer umfassenden, weitgehend automatisierten Prozesskette für die Fehlerdiagnose, die eine selbstlernende Datenanalyse und Fehlererkennung und -lokalisierung, eine standardisierte Materialanalyse und eine zentralisierte Datenerfassung und Korrelation mit elektrischen Leistungsdaten umfasst. Ein Konsortium aus vier europäischen Ländern - Deutschland, Frankreich, Schweden und der Tschechischen Republik - einschließlich der Halbleiter- und Elektroniksystemlieferanten von Infineon, ST und Bosch wird mit vier KMUs und drei mittelständischen Unternehmen aus dem Bereich der Fehleranalysegeräte und der zugehörigen Software zusammenarbeiten, unterstützt von drei Forschungsinstituten, um die Fehleranalyse in Europa auf die nächste Effizienzstufe zu heben.

Die multi-physikalische Finite-Elemente Feldsimulation elektronischer Baugruppen soll in diesem Projekt in ein lernendes System zur Fehleranalyse eingebunden werden. Ziel ist die KI-gesteuerte Durchführung von multi-physikalischen Feldsimulationen zur gezielten Charakterisierung und Klassifizierung von typischen Fehlerbildern, der Abgleich mit Messdaten, und die effiziente, KI-gerechte Aufbereitung der Simulationsdaten.

Die Fehleranalyse des Siliziumkarbid-Leistungstransistors mittels Zeitbereichsreflektometrie (TDR) unter Berücksichtigung verschiedener Kalibrierungsparameter zur Verbesserung der Messgenauigkeit im Fertigungsprozess wird automatisiert. Das unterstützende Simulationsmodell basiert auf einem Reinforcement-Learning-Ansatz, bei dem die Simulationsdaten durch Co-Simulation von MATLAB und ADS erzeugt werden, um hybride maschinelle Lernmodelle effizient zu trainieren. Der vorgeschlagene Ansatz kann in Industrie-4.0-Prozessen eingesetzt werden, da er alle harten und weichen Fehler unterscheiden kann und dabei die Anstiegszeit des Eingangsschrittsignals berücksichtigt, die in den herkömmlichen mathematischen Formeln für TDR normalerweise nicht berücksichtigt wird.