Yarı iletken endüstrisinde hata analizi, uzmanların saatlerce süren titiz bir çalışmasını gerektiren kritik bir süreçtir. Mühendisler muayene görüntülerini incelemek, ekipman verilerini karşılaştırmak ve geçmiş kusur kayıtlarını değerlendirmek zorunda kalıyor. Ancak yeni geliştirilen SemiFA sistemi, bu süreci kökten değiştirmeye hazırlanıyor.
Araştırmacılar tarafından geliştirilen bu çok modlu yapay zeka sistemi, dört farklı ajanın koordineli çalışmasıyla işliyor. İlk ajan olan DefectDescriber, DINOv2 ve LLaVA-1.6 teknolojilerini kullanarak kusurları sınıflandırıyor ve morfolojilerini tanımlıyor. RootCauseAnalyzer ise ekipman telemetri verilerini, Qdrant vektör veritabanından alınan benzer geçmiş kusurlarla birleştirerek kök neden analizini gerçekleştiriyor.
Sistemin üçüncü bileşeni SeverityClassifier, kusurların ciddiyetini değerlendirirken verim üzerindeki etkilerini tahmin ediyor. RecipeAdvisor ise düzeltici süreç ayarlamaları öneriyor. Bu dört ajanın çalışması sonucunda beşinci bir düğüm, tüm bulguları PDF raporu halinde bir araya getiriyor.
SemiFA-930 adlı 930 anotasyonlu yarı iletken kusur görüntüsü veri setiyle test edilen sistem, geleneksel yöntemlerin saatler süren çalışmasını bir dakika altına indirmeyi başarıyor. Bu gelişme, yarı iletken üretiminde kalite kontrol süreçlerinin hızlanması ve maliyetlerin düşmesi anlamına geliyor.