Enhancing Anomaly Detection in Semiconductor Manufacturing Using Advanced Deep Learning Techniques

La proliferazione dei dati è aumentata negli ultimi decenni, raddoppiando ogni anno dagli anni Ottanta. Il settore industriale è uno dei principali responsabili di questa esplosione di dati, soprattutto con l'avvento dell'Internet degli oggetti (IoT), che ha rivoluzionato la raccolta e il monitoraggio dei dati. Le immagini sono fondamentali per la produzione di semiconduttori. Le immagini ad alta risoluzione di chip e wafer, scattate con i microscopi, offrono informazioni visive dettagliate, essenziali per il rilevamento dei difetti e la garanzia di qualità. Analizzandole, è possibile identificare tendenze, caratteristiche e modelli che indicano l'esistenza di difetti. Questa tesi si concentra sul miglioramento del rilevamento dei difetti nella produzione di semiconduttori attraverso tecniche di rilevamento delle anomalie applicate alle immagini al microscopio di wafer di semiconduttori. L'obiettivo è migliorare l'accuratezza e l'efficienza del rilevamento dei difetti, contribuendo all'affidabilità e alla qualità dei prodotti a semiconduttori e facendo progredire l'integrazione dell'intelligenza artificiale nelle applicazioni industriali.