| KEYWORD |
Rilevamento precoce di difetti nella linea di produzione industriale attraverso l'analisi dei dati e le applicazioni machine learning
Parole chiave ANALISI DATI SPERIMENTALI, BIG DATA, MACHINE LEARNING
Riferimenti ELENA MARIA BARALIS, DANILO GIORDANO, MARCO MELLIA
Riferimenti esterni Federico Perrero
Gruppi di ricerca DAUIN - GR-04 - DATABASE AND DATA MINING GROUP - DBDM
Tipo tesi INDUSTRIALE, RICERCA APPLICATA
Descrizione I processi delle linee di produzione di chip sono sistemi complessi composti da diversi a partire dalla stampa del componente fino al suo collaudo. Ogni passaggio è soggetto a condizioni e fenomeni diversi (ad es. ambientali, usura e invecchiamento).
Queste differenze influenzano la qualità finale dei componenti.
Con l'Industry 4.0, questi processi e tutti i componenti prodotti sono costantemente monitorati e i dati corrispondenti possono essere utilizzati per ottenere informazioni sul processo di produzione.
La tesi mira ad analizzare questi dati, descrivere il processo di produzione e il risultato del componente (buono o difettoso), identificare quali fattori si verificano contemporaneamente quando è presente un difetto e sviluppare una metodologia di apprendimento automatico che evidenzi questi fattori prima di testare il componente.
La tesi farà parte di una partnership industriale con Bitron S.p.A., industria leader nella produzione di chip a livello mondiale.
Conoscenze richieste data science
Scadenza validita proposta 24/09/2022
PROPONI LA TUA CANDIDATURA