- Le projet collaboratif européen Failure Analysis 4.0 portant sur la prédictabilité des défaillances lors de la production des puces et systèmes électroniques débutera en avril 2020 pour une durée de trois ans.
- Ce projet, porté par ST Microelectronics (France) et Infineon Technologies (Allemagne), réunit un consortium de 14 partenaires industriels et académiques européens dont fait partie l’École des Mines de Saint-Étienne.
- Son objectif : développer un processus automatisé opérationnel pour diagnostiquer et prévenir les défaillances et défauts de composants et puces électroniques dédiés à l’Internet des objets (loT).
L’objectif de ce consortium est de développer des solutions de diagnostic et de réduire les risques de défauts tout au long de la chaîne de conception et de production dans les systèmes manufacturiers de wafers, en faisant collaborer chercheurs, acteurs intermédiaires et industriels, dans une démarche d’implémentation et d’amélioration continue. L’enjeu est de réduire les défaillances en production des puces et systèmes électroniques grâce à des approches prédictives et d’anticipation.
Le projet européen Failure Analysis 4.0 est financé par le programme Eureka / Penta Euripides et coordonné par Xavier Boucher, directeur de recherche à l’Institut Fayol (équipe LIMOS – CNRS). Il est doté d’un budget total de 11,2 Millions d’euros dont 382 000 euros pour Mines Saint-Étienne,
Il regroupe, autour d’Infineon Technologies, coordinateur du projet, des partenaires allemands, français, et tchèque, dont ST Microelectronics, Bosch, Fraunhofer IMWS, l’université de Stuttgart, l’université Jean-Monnet de Saint-Étienne et l’École des Mines.
L’École des Mines de Saint-Étienne apporte dans ce projet l’expertise des chercheurs de l’Institut Fayol dans les domaines du génie industriel et des techniques de machine learning. Leurs connaissances dans les domaines du big data, en mathématiques appliquées, en analyse des données, des méthodes statistiques et des algorithmes d’apprentissage, contribueront à développer une nouvelle génération d’outils et de procédures de diagnostics et à créer des algorithmes intelligents pour l’identification et la catégorisation des défauts.
