Diseño de sistema de análisis y reporte de fallas mecánicas en inspección visual de chips basado en inteligencia artificial

Abstract

El proceso de recolección y empaquetado de chips dentro de la empresa Qorvo, Inc, genera un aproximado de 41 177 imágenes de fallos mecánicos por día que deben ser clasificadas para poder determinar si hay algún riesgo de calidad en el material procesado. Dicho proceso se lleva a cabo manualmente actualmente, por lo cual esta saturado y con la inminencia de un cuello de botella en la disposición en caso de que la producción aumente. El presente documento detalla una solución que solventa este problema al diseñar un sistema de clasificación automático de fallo basado en inteligencia artificial, utilizando paradigmas de aprendizaje automático. Adicionalmente, dicho sistema cuenta con una arquitectura basada en internet de las cosas que permite consultar, almacenar y visualizar datos del material procesado, alertar a los departamentos respectivos en caso de un problema de calidad o problema mecánico en la máquina y mostrar la información del sistema de clasificación. Por último, se desarrolla un experimento para validar el sistema y realizar una comparativa con el sistema actual de clasificación.

The process of collecting and packaging chips within the company Qorvo, Inc, generates an approximate of 41,177 images per day of mechanical failures that must be classified in order to determine if there is any quality risk in the processed material. This process is currently carried out manually, which is why it is saturated and with the imminence of a bottleneck in the disposal in case production increases. This document details a solution that solves this problem by designing an automatic classifi cation system based on artificial intelligence, using machine learning paradigms. Additionally, the system has an architecture based on the internet of things that allows to consult, store and visualize data of the processed material, alert the corresponding departments in case of a quality problem or mechanical problem in the machine and display the information of the classification system. Finally, an experiment is developed to validate the system and make a comparison with the current classification system.