HAI werkt samen met NXP en Radboud University aan innovatieve chipanalyse
Wat gebeurt er wanneer hyperspectral imaging, AI en halfgeleidertechnologie samenkomen?
Die vraag staat centraal binnen het nieuwe MUSICA-project, een publiek-private samenwerking gericht op het verbeteren van storingsanalyse voor steeds complexere chips en elektronische systemen.
In het project werken onderzoekers van Radboud University — waaronder prof. dr. Alexey Kimel en dr. Jeroen Jansen — samen met industriële partners NXP Semiconductors, NT-MDT BV en HAI.
Voor HAI is dit project opnieuw een sterk voorbeeld van hoe samenwerking tussen industrie en wetenschap innovatie versnelt. HAI participeert regelmatig in publiek-private onderzoeksinitiatieven samen met partners zoals Radboud University, Wageningen University & Research en ISPT, waarbij industriële data-expertise wordt gecombineerd met toegepast wetenschappelijk onderzoek.
Betrouwbaarheid van halfgeleiders wordt steeds belangrijker
Halfgeleiders vormen de basis van moderne technologie. Ze zitten in alles: van smartphones en voertuigen tot industriële installaties en medische apparatuur. Naarmate chips complexer worden, wordt ook het analyseren en begrijpen van storingen aanzienlijk uitdagender. Zelfs microscopische defecten kunnen invloed hebben op betrouwbaarheid, veiligheid en continuïteit van systemen.
Het vroegtijdig detecteren van deze defecten — én het begrijpen van de onderliggende oorzaken — wordt daarom steeds belangrijker voor fabrikanten en technologiebedrijven wereldwijd.
Het MUSICA-project speelt hierop in door een nieuw geïntegreerd spectroscopie- en data-analyseplatform te ontwikkelen dat storingen in geavanceerde halfgeleiders veel gevoeliger kan detecteren en classificeren.
Binnen het project combineren onderzoekers geavanceerde spectroscopische technieken, hyperspectral imaging en moderne data science-methodieken om patronen en afwijkingen zichtbaar te maken die met traditionele methoden moeilijk te detecteren zijn. Ook AI-technologie speelt een rol bij het analyseren van de snel groeiende hoeveelheden meet- en beelddata die binnen het onderzoek worden gegenereerd.
De rol van HAI: schaalbare data-analyse mogelijk maken
Binnen MUSICA brengt HAI zijn expertise in op het gebied van industriële data-infrastructuren en schaalbare analyseplatformen.
Het HAI Cloud Data Platform, draaiend op Microsoft Azure, wordt binnen het project ingezet als centrale dataomgeving voor het integreren, verwerken en analyseren van grote hoeveelheden onderzoeks- en meetdata.Hiermee kunnen onderzoekers en industriële partners werken met gestructureerde, gecontextualiseerde en schaalbare datasets die de basis vormen voor geavanceerde analyses en toekomstige AI-modellen.
Expertise uit meerdere disciplines gecombineerd
Een van de unieke aspecten van het MUSICA-project is de multidisciplinaire aanpak.Binnen de samenwerking komen expertisegebieden samen op het gebied van spectroscopie, halfgeleidertechnologie, hyperspectral imaging, instrumentatie en data science in één geïntegreerde onderzoeksomgeving.
Iedere consortiumpartner brengt daarbij specialistische kennis in. NT-MDT BV levert expertise en instrumentatie voor scanning probe imaging, terwijl NXP Semiconductors waardevolle kennis en praktijkervaring vanuit de halfgeleiderindustrie inbrengt. Volgens de betrokken onderzoekers opent de combinatie van fysische instrumentatie en moderne data science-methodieken de deur naar een nieuwe generatie analysetechnologie voor halfgeleiders.
Bouwen aan de volgende generatie chipdiagnostiek
Door het verbeteren van de detectie en analyse van halfgeleiderdefecten wil het MUSICA-project bijdragen aan betrouwbaardere elektronica, efficiëntere productieprocessen en halfgeleiders met een langere levensduur. Op de lange termijn kunnen innovaties in storingsanalyse bijdragen aan veiligere transportsystemen, betrouwbaardere medische technologie, robuustere infrastructuur en het verminderen van materiaalverspilling.
Get inspired
Get inspired by the success of others in the field of digital transformation, data-driven working and smart use of data (science) in the factory. Also consider applications in the areas of OEE, quality, release, golden batch, CIP cleaning, operator support, trending, Statistical Process Control, in-line measurements, production and technology dashboards, monitoring utilities and sustainability, and much more.
Don’t miss a thing and follow us on LinkedIn:
