PORTALE DELLA DIDATTICA

Ricerca CERCA
  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