蔡司荣获2023 REINER！弗劳恩霍夫清洁度技术大奖

用于清洁度分析的新型机器学习算法

▪ 基于机器学习的颗粒分类可减少人工复检需求

▪ 技术清洁度分析（TCA）模块可提高显微镜的利用率

▪ TCA可优化技术清洁度流程

2023 REINER！弗劳恩霍夫清洁度技术大奖是清洁度技术行业的专属奖项。蔡司荣膺该奖项一等奖。顶级专家评审团对蔡司在技术清洁度流程中优化颗粒度分类的新型机器学习算法大加赞赏，蔡司也凭借这一技术赢得此项殊荣。该创新算法可极大提高操作人员的生产效率。

蔡司研究显微镜解决方案产品经理Jati Kastanja博士强调：“我们的解决方案为用户带来的巨大实用附加价值获得了评委们的认可，对此我们倍感欣喜。”Jati Kastanja博士及其团队齐心协力，共同推动了软件模块TCA的开发并大获成功。Jati Kastanja博士表示，采用机器学习方法的TCA模块“从以往的技术水平中脱颖而出”，为用户带来巨大获益。该解决方案在工业条件下可轻松实施，有助于减轻操作人员的负担，增加结果的可比性，并提高显微镜的利用率。

▲获奖者从左到右依次为：Carl Zeiss IQS Deutschland GmbH：Robert Zarnetta博士、Jati Kastanja博士；Altmann GmbH：Achim Altmann、Robert Altmann；Dastex Reinraum Zubehör GmbH und Co. KG：Carrsten Moschner、Alina Kopp、Friederike Thumel

自动化取代人工

自动化分类使得大幅提高生产效率和资源效率成为可能。在传统流程中，根据灰度测定结果按颗粒类型对颗粒进行自动分割和分类。但这种方法往往需要操作人员进行人工复检并重新分类。将该方法与经过预训练的、基于机器学习的对象分类模型相结合，整个流程更加高效。在这一流程中，利用经过预训练的模型对经典方法获得的颗粒度测量结果进行组合和分析，从而形成大量不相关决策树。多数决策结果具有可重现性。如果检测到先前错误归类为非金属颗粒，基于机器学习的对象分类会覆盖经典灰度测定的结果，从而对金属颗粒进行更具选择性的分类。附带机器学习扩展功能的蔡司TCA模块使用已正确分类的颗粒进行预训练，用户只需花费少量时间对其进行进一步的个性化训练。

解决方案有助于推动纯净工业持续发展

现代生产工艺和质量要求对各行各业的技术清洁度提出了更高要求。而TCA模块可确保生产效率不会下降。相反，蔡司解决方案使工业用户能够快速、轻松、高效地确定关键工艺颗粒的数量、性质和来源。因此，正如弗劳恩霍夫制造技术和自动化研究所（IPA）在2023 REINER！颁奖大会上的评述，蔡司的研发产品具有“推动经济和清洁度技术行业持续发展”的潜力。

（蔡司工业质量解决方案）

声明：本网站所收集的部分公开资料来源于互联网，转载的目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。本站部分作品是由网友自主投稿和发布、编辑整理上传，对此类作品本站仅提供交流平台，不为其版权负责。如果您发现网站上所用视频、图片、文字如涉及作品版权问题，请第一时间告知，我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容，以保证您的权益！联系电话：010-58612588 或 Email:editor@mmsonline.com.cn。