ML4Pro²: Maschinelles Lernen für optimales Ultraschalldrahtbonden
Erschienen ist ein Artikel zum ML-gestützten optimalen Drahtbonden aus dem Projekt ML4Pro². Dieser wurde auf dem Blog von it’s OWL veröffentlicht.
30. März 2022 von Michael Hesse (Fraunhofer IEM) und Matthias Hunstig (Hesse GmbH)
Im Rahmen des it‘s-OWL-Projekts ‚Maschinelles Lernen für die Produktion und deren Produkte‘ (ML4Pro²) arbeiten Fraunhofer IEM als
Forschungspartner und Hesse Mechatronics als Industriepartner an intelligenten Verfahren zur Prozessoptimierung und Qualitätsvorhersage für das Ultraschalldrahtbonden auf der Grundlage von Maschinendaten.
In dem Blogartikel wird die Anwendung maschineller Lernverfahren für das Ultraschalldrahtbonden vorgestellt. Konkret wird die optimale Identifikation der Steuerung (Prozessoptimierung) und Vorhersage der Qualität betrachtet. Für die Prozessoptimierung wird die Bayessche Optimierung, für die prädiktive Qualität ein LSTM-Netz eingesetzt. In beiden Fällen wurden sehr gute Ergebnisse erzielt, die weitere Forschungsinhalte in diese Richtung motivieren.