Mit künstlicher Intelligenz die Elektronikfertigung weiter vorantreiben

Viele Firmen haben die enorme Bedeutung der künstlichen Intelligenz bereits erkannt. So arbeitet zum Beispiel das Bosch Research and Technology Center daran, dass bis 2025 in allen Bosch-Produkten KI enthalten ist oder diese mit KI-Unterstützung entwickelt wurden.

Im Sinne von Industrie 4.0 werden die Fertigungsmaschinen bereits heute mit einer Vielzahl an Sensoren ausgestattet und vernetzt, damit Maschinen- und Produktionsdaten aufgenommen, relevante Daten extrahiert und ausgewertet werden können. Neben der Steuerung und Optimierung von Produktionsprozess und Materialfluss können die Daten auch für die Qualitätssicherung oder für die Maschinenüberwachung und sogar für Wartungs- und Instandhaltungsprozesse eingesetzt werden. In der Elektronikfertigung gilt es insbesondere die Umrüstzeiten und damit die Stillstandzeiten zu minimieren und die Materialflüsse zu optimieren.

Trends in der Elektronikfertigung

Trotz einem bereits hohen Automatisierungsgrad geht der Trend in der Fertigung ungehindert weiter, um Effizienz und Geschwindigkeit bei der Weiterentwicklung der Planung und dem Ablauf von Produktionsprozessen in Verbindung mit vorbeugenden und unterstützenden Wartungsmaßnahmen weiter zu steigern sowie kostenseitig zu minimieren. Drei wichtige Gründe sind hierbei zu nennen, die ganz entscheidend dazu beitragen, dass die Elektronikfertigung sich so rasant weiterentwickelt.

1. Die zunehmende Zahl an Sensoren, insbesondere auch der Einsatz von hochwertigen Sensoren wie Radarsensoren, Kameras, Mikrophonen, Beschleunigungssensoren und kombinierten Sensoren (Multisensoren), die zunehmend auch an Stellen verbaut werden können, die aufgrund von Umgebungsbedingungen bisher wenig dafür geeignet waren.
2. Eine leistungsstarke Vernetzung, um die Daten unter Industriebedingungen zuverlässig, flexibel und sicher zu übertragen. Hierbei wird auch die 5G-Technologie zunehmend eine Rolle spielen, um riesige Datenmengen zwischen Maschinen mit niedrigen Latenzzeiten auszutauschen.
3. Die Fähigkeit große Datenmengen auch auszuwerten und auf dieser Basis sichere Entscheidungen zu treffen. Neben Big-Data-Analysen werden hierbei zunehmend Methoden der künstlichen Intelligenz eingesetzt, insbesondere, um Datenströme von Sensoren an Ort und Stelle auszuwerten und relevante Daten zu extrahieren. Die Anwendungsbereiche sind dabei sehr vielfältig zum Beispiel in der Bild-, Bewegungs- und Objekterkennung oder der Geräusch- und Medienanalyse.

Anforderungen an Elektronik und Systemintegration

Für die Umsetzung der genannten Punkte werden hohe Anforderungen an die elektronischen Bauelemente, Baugruppen und die Systemintegration gestellt. Zur Auswertung von Sensoren, die große Datenmengen produzieren sind miniaturisierte, leistungsstarke Computer sogenannte Edge-Server direkt am Sensorelement notwendig. Solche miniaturisierten Computer stellen extrem leistungsfähige Komponenten dar, die einerseits in der Lage sein müssen auf Basis von Algorithmen der künstlichen Intelligenz (z.B. durch neuronale Netze) Datenströme schnell auszuwerten und selbst Entscheidungen zu treffen. Andererseits werden aber auch an die Hardware enorme Anforderungen gestellt, um unter Industriebedingungen die Funktionalität solch hochleistungsfähiger, miniaturisierter Systeme zur Verfügung zu stellen. Algorithmen der künstlichen Intelligenz basieren auf extrem vielen vernetzten Übertragungselementen und erfordern eine massiv parallele Verarbeitung. Basis sind hier in der Regel neuromorphe Netzwerkarchitekturen. Die hardwaretechnische Umsetzung erfolgt mittels KI-Beschleunigern, die aus sehr vielen parallel arbeitenden Prozessorkernen und großem Speicher für die lokale Datenhaltung bestehen. Kurze Signalwege sind genauso erforderlich wie die Realisierung hochdichter Umverdrahtungen, um die parallelen Anschlüsse zum Speicher zu realisieren und geringe Latenzen zu ermöglichen. Herausforderungen bestehen darin, den Energieverbrauch zu reduzieren bzw. die Wärme effizient abzuführen. Werden solche Module, die hier als Edge-Server fungieren, direkt am Sensor zur Datenauswertung eingesetzt, so ist darüber hinaus auch eine Funktion unter rauen Industriebedingungen sicherzustellen.

Beispiel 1: Low Energy IoT-Sensorknoten

Nicht immer ist eine Datenauswertung vor Ort direkt am Sensor notwendig, so dass in diesen Fällen auch extrem energiesparende Sensorknoten zum Einsatz kommen können. Bei der rasant steigenden Zahl der Sensorknoten, die nicht nur in der Industrie und im dortigen Fertigungsbereich, sondern in nahezu allen Lebensbereichen zu erwarten ist, wird sich der Energieverbrauch ohne drastische Einsparung in den nächsten Jahren (auf 1149 TW / Jahr) nahezu verdoppeln. Eine Antwort ist die durch Fraunhofer entwickelte modulare Hardware-Lösung [1], die ganzheitlich arbeitet und extrem energieeffizient ist. Der Ultra-Low-power-IoT-Core ermöglicht dabei eine Minimierung des Energieverbrauchs gegenüber derzeitigen Lösungen bis zum Faktor 5. Dabei wird ein neuer Ansatz einer konfigurierbaren Datenschnittstelle für extrem stromsparende Sensor- und Aktormodule und einer dynamischen Lastmessung und -anpassung verfolgt. Das Modul wurde auf 6-Layer-PCB mit Blind and Buried Vias mit Line/Space 120µm/120µm realisiert. Der finale Aufbau des miniaturisierten Moduls erfolgt durch Faltung zu einem Quader in Starr-Flex-Bauweise mit den Maßen 34 x 16 x 13 mm³. Die modulare Hardware mit generischer Schnittstelle ermöglicht den Anschluss verschiedener Sensoren und Aktoren. Mit dem Anschluss von Plug-and-Play Erweiterungsmodulen direkt an den Außenflächen können das Spektrum der Funktionalität und die Einsatzmöglichkeiten zusätzlich erweitert werden. Der Einsatz künstlicher Intelligenz bietet sich hierbei bei der zentralen Auswertung der gesammelten Sensorsignale an und ermöglicht die Ableitung von Ereignissen z.B. zur vorausschauenden Wartung oder zur Fehlererkennung im Produktionsprozess.

Beispiel 2: Hermetisch dichtes Package für Sensoren auf Basis von Glasinterposern

Als zweites Beispiel soll hier die Systemintegration eines Radar-Chips in einem hermetisch dichten Package mit Glasinterposer dargestellt werden [2]. Sensoren müssen zunehmend auch Messaufgaben in hochaggressiven Umgebungen übernehmen, wobei hierbei verstärkt Hochfrequenzkomponenten wie Radar- oder Infrarotsensoren zum Einsatz kommen. Der Einsatz von Glas-Packages stellt hierbei aufgrund der hervorragenden Glaseigenschaften ein nahezu ideales Material dar, das eine hohe chemische Beständigkeit, sehr gute verlustarme Übertragungseigenschaften der hochfrequenten Signale, eine sehr gute Verarbeitbarkeit und aufgrund der hohen Verfügbarkeit auch einen niedrigen Preis besitzt. Eine Besonderheit ist das hermetisch dichte Package. Die hermetische Abdichtung im Inneren des Aufbaus kann sowohl passive, als auch aktive Komponenten enthalten und ermöglicht auch den Einsatz des Packages in aggressiven Umgebungen. Der Aufbau erfolgt mittels Wafer-Level-Prozessen. Die Glaskomponenten wurden mittels laser induced deep etching Verfahren (LIDE) bearbeitet, um Kavitäten und Through-Glas-Vias (TGVs) einzubringen. Die TGVs dienen hier als vertikale Verbindungen zur Stromversorgung des ASIC und als HF-Verbindungen für die elektrische Signalführung. Nach einer Metallisierung der TGVs erfolgt eine Strukturierung der mehrlagigen Umverdrahtung der Vorder- und Rückseite des Glaswafers. Das hermetische Verschließen des Packages erfolgt schließlich durch Aufbringen von 80 µm CuSnAg Lotkugeln auf den Sealring und dem anschließenden hermetischen Verschließen des oberen und unteren Interposers mittels Wafer zu Waferbonden [2], [3]. Das Ergebnis ist ein miniaturisierter Aufbau mit Abmessungen von 5,9 mm x 4,4 x 0,8 mm³. Auch hierbei erscheint in einem nächsten Schritt eine Erweiterung des Moduls zur Auswertung der HF-Signale mittels Algorithmen der künstlichen Intelligenz sinnvoll und kann damit einen weiteren Mehrwert bieten.

Danksagung

Die Autoren danken den Mitarbeiterinnen und Mitarbeitern des Fraunhofer IZM und des Forschungsschwerpunktes Technologien der Mikroperipherik der TU-Berlin für die dargestellten Forschungsergebnisse und die in dem Artikel gezeigten Technologiebeispiele. Gleiches gilt für die Förderer des BMBF und der Fraunhofer Gesellschaft, deren geförderte Projekte GLARA und ZEPOWEL wichtige Teilentwicklungen ermöglichten.

SMTconnect: Halle 5, Stand 434A

Literatur und Quellen

1. www.zero-power-electronic.de
2. Kröhnert, K. et. al.: GlaRA – Glasinterposer-Technologie zur Realisierung hochkompakter Elektroniksysteme für Hochfrequenzanwendungen (160 GHz). Mikrosystemtechnik Kongress 2021, 8.-10.11, Schloß Ludwigsburg.
3. K. Kröhnert, G. Friedrich, D. Starukhin, M. Wöhrmann, M. Schiffer and M. Schneider-Ramelow, "Reliabillity of Through Glass Vias and hermetically sealing for a versatile sensor plattform," 2020 IEEE 8th Electronics System-Integration Technology Conference (ESTC), 2020, pp. 1-6.