Россия
Россия
Россия
Рассматриваются подходы к встраиванию автоматизированных систем контроля качества интегральных микросхем в производственные линии различной конфигурации. Проанализированы методы оптической и рентгеновской инспекции, механизмы адаптивного управления Run-to-Run и модели глубокого обучения. Приведены данные о рыночной динамике оборудования метрологии полупроводников.
контроль качества, интегральные микросхемы, автоматическая оптическая инспекция, глубокое обучение, Run-to-Run, производственная линия
1. Отчет о рынке оборудования для метрологии и контроля полупроводников / Grand View Research. - 2024. - URL: https://www.grandviewresearch.com/industry-analysis/semiconductor-metrology-inspection-equipment-market-report (дата доступа: 02.06.2026).
2. Обнаружение дефектов полупроводников с помощью ИИ: 20 достижений (2025) / Yenra. - 2025. - URL: https://yenra.com/ai20/semiconductor-defect-detection (дата доступа: 02.06.2026).
3. Отчет о размере рынка оборудования для метрологии и контроля полупроводников / Mordor Intelligence. – 2025. – URL: https://www.mordorintelligence.com/industry-reports/semiconductor-metrology-and-inspection-equipment-market (дата доступа: 06.02.2026).
4. Отчет о рынке метрологии и контроля полупроводников / MarketsandMarkets. – 2024. – URL: https://www.marketsandmarkets.com/Market-Reports/semiconductor-inspection-metrology-market-130384482.html (дата доступа: 06.02.2026).
5. Отчет о размере рынка оборудования для метрологии и контроля полупроводников / Fortune Business Insights. – 2025. – URL: https://www.fortunebusinessinsights.com/semiconductor-metrology-and-inspection-equipment-market-113987 (дата доступа: 06.02.2026).
6. FabGPT: Эффективная большая многомодальная модель для обнаружения сложных дефектов пластин / arXiv. – 2024. – № 2407.10810. – URL: https://arxiv.org/abs/2407.10810 (дата доступа: 06.02.2026).
7. Моделирование многопроектных пластин InP на основе глубокого обучения для обнаружения дефектов / arXiv. – 2025. – № 2506.10713. – URL: https://arxiv.org/abs/2506.10713 (дата доступа: 02.06.2026).
8. Решения Intel и Sony Semiconductor продвигают технологию цифрового двойника для производства: тематическое исследование / Intel Corporation. - 2023. - URL: https://www.intel.com/content/dam/www/central-libraries/us/en/documents/2023-07/intel-sony-advance-digital-twin-technology-for-manufacturing-case-study.pdf (дата доступа: 02.06.2026).
9. Оптимизация классификации дефектов полупроводников с помощью генеративного ИИ и моделей Vision Foundation / Блог разработчиков NVIDIA. – 2025. – URL: https://developer.nvidia.com/blog/optimizing-semiconductor-defect-classification-with-generative-ai-and-vision-foundation-models (дата обращения: 06.02.2026).
10. Kaewdook, D. [и др.] Разработка методов глубокого обучения для системы обнаружения дефектов печатных плат на основе YOLOv10 // Исследования в области инженерии, технологий и прикладных наук. – 2024. – Том 14, № 6. – URL: https://etasr.com/index.php/ETASR/article/view/9028 (дата обращения: 06.02.2026).
11. Применение элементов отрицательной логики при построении энергоэффективного комбинационного устройства / Ф. В. Макаренко, А. С. Ягодкин, О. А. Денисова [и др.] // Моделирование систем и процессов. – 2023. – Т. 16, № 1. – С. 56–66. – DOIhttps://doi.org/10.12737/2219-0767-2023-16-1-56-66.
12. Аппроксимация спектра поглощения фосфида индия в контексте моделирования процесса очувствления / Ф. В. Макаренко, В. К. Зольников, А. И. Заревич [и др.] // Микроэлектроника. – 2024. – Т. 53, № 4. – С. 318–330. – DOIhttps://doi.org/10.31857/S0544126924040041. – EDN ZACOAI.
