.jpg)
Este artículo presenta WaferVision, un sistema innovador para la clasificación automatizada de defectos en la fabricación de obleas que aprovecha técnicas de detección de anomalías espacio-temporales. WaferVision integra imágenes microscópicas de alta resolución con datos de proceso en tiempo real para identificar y categorizar defectos con una precisión muy superior a los métodos tradicionales, con un potencial incremento de rendimiento de fabricación entre 5 y 10 por ciento.
La solución se articula en tres módulos principales: adquisición y preprocesado de imágenes, la red de detección de anomalías espacio-temporales STAD-Net, y un sistema de retroalimentación y control en tiempo real. En la etapa de adquisición se emplea un sistema multi-óptico capaz de resolver hasta 10 nm y se aplican técnicas de mejora de imagen como ecualización de histograma adaptativa, filtrado gaussiano, corrección geométrica y extracción de regiones de interés basadas en mapas de proceso.
STAD-Net combina un extractor espacial basado en una CNN profunda tipo ResNet-50 mejorada con mecanismos de atención que enfatizan zonas potencialmente defectuosas, y un modelo temporal LSTM que procesa secuencias de vectores de características para capturar la evolución de defectos a lo largo del proceso de fabricación. Para la detección de anomalías se integra un GAN cuyo discriminador, entrenado con muestras normales, produce una puntuación de anomalía que permite identificar defectos no vistos previamente.
El sistema de control en tiempo real fusiona las salidas de STAD-Net con telemetría como temperatura, presión y caudales de gas para ajustar automáticamente parámetros de proceso mediante optimización bayesiana, disminuyendo el scrap y maximizando el rendimiento productivo.
La formulación matemática se resume en la extracción espacial Fs igual a CNN de la imagen con parámetros del modelo, la modelización temporal Ft igual a LSTM aplicada a la secuencia de Fs, y la puntuación de anomalía A definida como uno menos la probabilidad de normalidad entregada por el discriminador del GAN. La optimización bayesiana selecciona parámetros de control x para minimizar la generación de defectos respetando una función objetivo y una función de adquisición que equilibra exploración y explotación.
Para validar WaferVision se compuso un dataset curado de diez millones de imágenes microscópicas extraídas de distintas etapas del proceso, con ocho clases de defectos etiquetadas: arañazos, partículas, poros, dislocaciones, contaminación, fallos de apilamiento, vacíos y variaciones por difusión de dopantes. La partición de datos fue 80 por ciento para entrenamiento, 10 por ciento validación y 10 por ciento prueba, con un sesgo de fondo hacia capturas normales para mejorar la generalización.
Resultados experimentales clave: precisión de clasificación 96.2 por ciento, precisión 97.8 por ciento, recall 94.7 por ciento, F1 96.2 por ciento y una tasa de detección de anomalías del 75.3 por ciento, lo que representa una mejora del 25 por ciento frente a sistemas basados en reglas. La capacidad de procesamiento en tiempo real habilita ajustes inmediatos en parámetros de fabricación y una respuesta proactiva ante la aparición de nuevos tipos de defecto.
Q2BSTUDIO es una empresa de desarrollo de software y aplicaciones a medida especializada en soluciones de inteligencia artificial, ciberseguridad y servicios cloud. Nuestra experiencia en software a medida y aplicaciones a medida nos permite adaptar arquitecturas como WaferVision a los requisitos específicos de cada fábrica. Si desea explorar proyectos de IA aplicada, consulte nuestros servicios de inteligencia artificial para empresas y descubra cómo desplegar modelos, agentes IA y pipelines de datos a escala industrial.
Ofrecemos además consultoría y desarrollo para integración de soluciones con entornos cloud como AWS y Azure, servicios de inteligencia de negocio y visualización con Power BI, y estrategias de ciberseguridad y pentesting para proteger la integridad de la línea de producción. Para encargos de desarrollo y despliegue de aplicaciones multiplataforma puede conocer más sobre nuestro enfoque en desarrollo de aplicaciones y software a medida.
La hoja de ruta tecnológica incluye despliegues iniciales en una línea de fabricación para evaluación en entorno productivo, expansión a múltiples líneas y fábricas, integración con mantenimiento predictivo, generación de datos sintéticos para entrenamiento y exploración de aprendizaje federado para compartir conocimiento sin transferir datos sensibles. Esta evolución facilita la adopción industrial de la detección espacio-temporal de anomalías y la reducción sostenida de costes de fabricación.
Palabras clave relevantes para posicionamiento: aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA y power bi. Q2BSTUDIO acompaña a clientes desde la concepción hasta la puesta en producción, ofreciendo soluciones seguras, escalables y orientadas a resultados medibles en rendimiento y calidad.
