利用机器学习提高制造质量。
建立良好的自动化检查模型需要收集更多的数据,包括好的和坏的数据。advest的研发工程师Vijay Thangamariappan解释了如何开发自动化光学检测模型,以数千针插座为例,说明机器学习如何帮助将缺陷退货率从2%降至零。他还解释了如何实现这种级别的可靠性,如何验证用于创建模型的数据和模型本身,以及还需要做些什么来确保设备按预期工作。
评论*
的名字*(注:此名称将公开显示)
电子邮件*(不会公开展示)
Δ
开源处理器核心开始出现在异构的soc和包中。
开源本身并不能保证安全性。这仍然归结于设计的基本原理。
异质集成的好处是众所周知的,但是实现它并不容易。
创新的方法不断扩展铜线和通孔的性能。
EDA社区如何准备应对即将到来的挑战尚不清楚。
先进的蚀刻技术是纳米片fet的关键未来节点的演化路径。
从特定的设计团队技能,到组织和经济影响,向定制硅的转变正在改变一切。
近50家公司超过5000亿美元新投资的细节;扩张热潮的背后是什么,为什么是现在,以及未来的挑战。
新的存储方法和CMOS扩展的挑战指向半导体设计的根本变化和潜在的巨大改进。
内存层次结构中的变化是稳定的,但是访问内存的方式和位置会产生很大的影响。
留下回复