Neue Machine-Learning Algorithmen für die Partikelanalyse

ZEISS gewinnt Fraunhofer Reinheitstechnik-Preis REINER! 2023

28.06.2023 - Deutschland

Die Preisträger v.l.n.r.: Carl Zeiss IQS Deutschland GmbH: Dr. Robert Zarnetta, Dr. Jati Kastanja; Altmann GmbH Achim Altmann, Robert Altmann; Dastex Reinraum Zubehör GmbH und Co. KG: Carrsten Moschner, Alina Kopp, Friederike Thumel

ZEISS

Er ist der Award der Reinheitsbranche: Der Fraunhofer Reinheitstechnik-Preis REINER!. 2023 erhielt ZEISS den 1. Preis. Die hochkarätig besetzte Fachjury zeichnete das Unternehmen für seine neuen Machine-Learning-Algorithmen zur Optimierung der Partikelklassifizierung im technischen Sauberkeitsprozess aus. Eine Innovation, die insbesondere die Produktivität der Operatoren erhöht.

„Wir freuen uns sehr, dass die Juroren den großen praktischen Mehrwert unserer Lösung für die Anwender sehen“, betont Dr. Jati Kastanja, Product Manager ZEISS Research Microscopy Solutions. Gemeinsam mit ihrem Team trieb sie maßgeblich die Entwicklung des Softwaremoduls TCA voran. Mit Erfolg. Das TCA-Modul mit Machine Learning Ansatz hebt sich laut Dr. Jati Kastanja „vom bisherigen Stand der Technik ab“. Mit gravierenden Vorteilen für die Anwender. Die problemlos unter industriellen Rahmenbedingungen zu implementierende Lösung entlastet Operatoren, erhöht die Vergleichbarkeit der Ergebnisse und verbessert die Auslastung der Mikroskope.

Automatisiert statt händisch

Möglich wird die deutliche Erhöhung der Produktivität und Ressourceneffizienz durch die automatisierte Typklassifizierung. Im konventionellen Verfahren werden die Partikel auf der Basis einer Grauwertbestimmung automatisch segmentiert und nach Partikeltyp klassifiziert. Bei diesem Verfahren ist jedoch häufig eine manuelle Nachkontrolle und händische Umklassifizierung durch den Operator erforderlich. Durch die Kombination mit einem vortrainierten Machine-Learning basierten Objektklassifizierungsmodell wird der Prozess jetzt deutlich effizienter. Dabei werden die in dem klassischen Verfahren gewonnenen Partikel-Messergebnisse durch den Einsatz des vortrainierten Models zu einer Vielzahl unkorrelierter Entscheidungsbäume kombiniert und analysiert. Das Ergebnis ist eine reproduzierbare Mehrheitsentscheidung. Werden Partikel erkannt, die zuvor fälschlicherweise als nichtmetallische Partikel klassifiziert wurden, überschreibt die Machine-Learning-basierte Objektklassifizierung die Ergebnisse der klassischen Grauwertbestimmung und führt so zu einer trennschärferen Klassifikation der metallischen Partikel. Das ZEISS TCA-Modul mit Machine Learning Erweiterung wurde anhand korrekt klassifizierter Partikel vortrainiert und lässt sich vom Anwender mit geringem Zeitaufwand individuell weitertrainieren.

Eine Lösung, die die Reinheitsbranche vorantreibt

Moderne Fertigungsprozesse und Qualitätsansprüche intensivieren die Anforderungen an die Technische Sauberkeit– und zwar über alle Branchen hinweg. Mit dem Modul TCA bleibt die Produktivität nicht auf der Strecke. Vielmehr ermöglicht die ZEISS Lösung industriellen Anwendern schnell, einfach und effizient, Gewissheit über die Anzahl, die Natur und die Herkunft prozesskritischer Partikel zu erlangen. Damit besitzt die ZEISS Entwicklung das Potential, wie das Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA anlässlich der Verleihung des REINER! 2023 formulierte, „die Wirtschaft und Reinheitsbranche voranzutreiben“.

https://www.chemie.de/news/1180923/neue-machine-learning-algorithmen-fuer-die-partikelanalyse.html