Anomália detekció megvalósítésa termékek élettartam vizsgálata során Xilinx ZynqMP SoC alapú edge AI támogatott környezetben

A félvezetőgyártás elengedhetetlen részfeladata a fejlesztési projectek során az elkészült minták mérése azon célból, hogy összevethetőek legyenek a fejlesztési project technikai célkitűzései az adott fejlesztési minta paramétereivel. A fejlesztésre rendelkezésre álló idő rövidülése és ezzel párhuzamosan az egy időben jelen levő fejlesztési projectek számossága megköveteli a mért adatok gyors, a  keletkezés helyén történő minél teljes körűbb feldolgozását valamint az így nyert információk segítségével döntések meghozatalát.

A hallgató feladata, hogy megismerje az eddig alkalmazott HW (Xilinx ZynqMP SoC alapú edge AI) és SW (HADOOP / Tensorflow etc.) környezetet és ezen ismeretek birtokában, azokat továbbfejlessze a valós méréstechnikai igényeknek megfelelően. A cél, hogy a Xilinx ZynqMP SoC alapú edge AI lehetőségeit valamint a szenzorfejlesztésben felmerült – várhatóan edge AI megoldásokat igénylő – problémáit megismerve a hallgató segítse a fejlesztés további irányait meghatározó döntések meghozatalát.