Содержание к диссертации
Введение
Глава 1. Обзор современных методов и средств межоперационного контроля качества изделий микроэлектроники (МЭ) на базе автоматизированных систем контроля (АСК) в условиях автоматизированного производства 11
1.1. Особенности контроля и испытаний изделий МЭ в ходе технологического процесса для повышения выхода годных 11
1.2. Основные методы и средства получения данных для анализа и контроля изделий МЭ
1.2.1. Применение растровой электронной микроскопии для получения планарной и качественной информации 22
1.2.2. Применение атомно-силовой микроскопии для получения 3D- информации 36
1.2.3.Применение вторичной ионнной микроскопии для получения псевдо 3D инофрмации 39
1.3. Постановка задачи диссертационного исследования 43
Выводы по главе 1 45
Глава 2. Формализованное представление непредвзятого 3D-рендеринга с целью повышения повышения достоверности анализа измерений при разбраковке изделий МЭ 47
2.1. Классификация алгоритмов рендеринга на основе геометрического представления объектов сцены 47
2.2. Физическая модель распространения света как основа формирования 3D-изображения 55
2.3. Математические основы повышения производительности непредвзятого 3D рендеринга с использовнием иерархии ограничивающих объемов
2.3.1. Смешанные структуры. Обновление ускоряющей структуры 60
2.3.2. Особенности использования архитектурных концепций в ходе построения и траверса ускоряющих структур 61
2.3.3. Дополнительные способы повышения производительности непредвзятого 3D рендеринга 62
2.3.4. Адаптивный подход к построению и траверсу ускоряющей структуры – “непредвзятый 3D рендеринг без ускоряющей структуры” 64
2.4. Математическая оценка функции качества осушествления непредвзятого 3D рендеринга 65 Выводы по главе 2 74
Глава 3. Исследование и разработка алгоритмов и методики непредвзятого 3D рендеринга с интеграцией ускоряющих структур для распараллеливания процессов
3.1. Разработка методики получения 3D-изображения изделий МЭ в ходе технологического процесса 75
3.2 Особенности алгоритма трассировки лучей по методу Монте-Карло 80
3.3. Разработка модифицированного алгоритма трассировки лучей для получения 3D сцены на основе двумерного и одномерного сигналов 83
3.4 Разработка алгоритма формирования ускоряющей структуры для трассировки лучей
при получении 3D-сцены 88
Выводы по главе 3 96
Глава 4. Программная реализация разработанных методики и алгоритмов в виде комплекса программных средств (КПС)с использованием графического процессора многопоточной архитектуры 98
4.1. Определение архитектурных ограничений графического процессора и соответствующих параметров разрабатываемого КПС 99
4.2. Разработка структурной схемы процесса межоперационного контроля при разбраковке изделий МЭ с применением методики 3D-рендеринга 104
4.3. Разработка структуры КПС в составе АСК при технологическом процессе производства изделий МЭ 106
4.4. Экспериментальные исследования эффективности применения КПС на основе оценки среднеквадратичного отклонения критических параметров изделий МЭ 108
Выводы по главе 4 113
Заключение 114
Список литературы: 116
- Применение растровой электронной микроскопии для получения планарной и качественной информации
- Математические основы повышения производительности непредвзятого 3D рендеринга с использовнием иерархии ограничивающих объемов
- Особенности алгоритма трассировки лучей по методу Монте-Карло
- Разработка структурной схемы процесса межоперационного контроля при разбраковке изделий МЭ с применением методики 3D-рендеринга
Применение растровой электронной микроскопии для получения планарной и качественной информации
Межоперационный контроль используется в ходе ТП, особенно после наиболее сложных, нестабильных операций, характеризующихся высоким уровнем дефектных объектов. Введение межоперационного контроля позволяет изъять забракованные объекты с технологической линии, тем самым устранить затраты на заведомо некондиционные объекты производства до начала следующей операции, выявить причины появления дефектов и принять меры по их устранению, путем перенастройки оборудования, или смены инструмента, или произвести изменение технологии с целью повышения стабильности ТП, или учесть возможность отбраковывания небольшой части объектов путем запуска в производство большого объема изделий, тем самым, гарантируя стабильность ТП и воспроизводимость показателей качества в пределах партии и между партиями для необходимого количества изготавливаемых объектов. Таким образом, в этом случае особенно важно определять процент выхода годных объектов после каждой операции и в целом для ТП, чтобы реально оценивать возможности и состояние технологической системы. Выбор контрольно-измерительных средств определяется контролируемыми показателями качества, заданными для конкретных операций.
Операционный контроль отличается от прочих тем, что сам является технологической, обычно повторяющейся, операцией (с изменением или без изменения приемов и контрольно-измерительных средств) на этапе контроля и регулировки электрических параметров частично или полностью изготовленных конструктивов и характеризуется большим объемом используемых контрольно-измерительных средств, зависящих от разновидности и количества измеряемых параметров.
Выходной и приемочный виды контроля выполняются на завершающем этапе производственного процесса для выявления годных, некондиционных либо потенциально негодных конструктивов. Данные разновидности контроля, в сущности, проводятся для изготовленных конструктивов (или в целом изделий), обычно сопровождаются различными видами испытаний и в зависимости от объема контрольных операций (в том числе до, во время и после проведения разных испытаний) может потребоваться при их реализации наибольший набор контрольно-измерительных средств по сравнению с технологическими видами контроля. По степени пригодности конструктивов (изделий) к дальнейшему использованию контроль может быть выражаемым количественно и качественно (т.е. проводиться по количественным и качественным критериям). При контроле по количественному критерию с некоторой точностью определяют численное значение контролируемого параметра. Значение контролируемого параметра зависит от целого ряда факторов как детерминированных, так и случайных. На основании результатов контроля возможна корректировка систематических отклонений от нормы путем регулирования ТП. После статистической обработки результатов измерения непрерывной случайной величины можно определить ее закон распределения. В случае нормального закона распределения достаточными характеристиками будут математическое ожидание и дисперсия. Количественные критерии могут быть как непрерывными, так и дискретными случайными величинами и определяться как прямыми (непосредственными) измерениями (например, геометрических размеров, электрических параметров и др.), так и косвенными оценками (например, оценкой паяемости, адгезии, прочности паянных и сварных соединений, качества очистки поверхностей объектов и других, в том числе требующих вычислений) показателей качества [4].
При осуществлении контроля по качественному критерию используется такое понятие, как случайное событие. Осуществляя контроль по качественному признаку при использовании выборочных методов контроля, то есть оценки партии из N объектов по контролю выборки объемом « объектов (n N), чаще всего предполагают, что количество некондиционных объектов контроля в выборках подчиняется биноминальному закону распределения, при этом определяют (в процентном выражении) степень дефектности партии объектов (или риск изготовления). Наряду с преимуществами контроля по качественному критерию, например таким, как простота метода контроля, обычно отсутствие необходимости вычислений, имеется и недостаток: в связи с потерей информации о конкретном значении контролируемой величины теряется возможность выявлять изменения в ходе ТП и предупреждать появление брака.
По степени охвата объектов производства контролем различают сплошной (стопроцентный) и выборочный контроль. Стопроцентный контроль позволяет решить задачу удаления некондиционных объектов при межоперационном контроле из дальнейшего производства и обеспечить высокое качество готовых конструктивов при выходном контроле. Выборочный контроль применяют в случае стабильности ТП в массовом и крупносерийном производстве, что позволяет снизить затраты на контрольные операции. При организации выборочного контроля важным вопросом является его точность и надежность, а это зависит от объема выборки и используемого контрольного оборудования. На практике часто используется летучий (оперативный) контроль, являющийся с некоторым приближением разновидностью выборочного контроля.
Целью летучего контроля является проверка правильности выполнения ТП, оперативного устранения причин возникновения брака.
По характеру воздействия контроля на ход производственного процесса различают активный и пассивный контроль. Пассивный контроль часто проводится по качественным критериям (хотя нередко пользуются как качественными, так и количественными критериями) и предназначен для удаления некондиционных объектов. Активный контроль, кроме задачи выявления брака, необходим для анализа причин его возникновения и принятия оперативных мер для их устранения. При использовании активного контроля применяют также статистическую обработку результатов измерения. По периодичности выполнения контроль бывает непрерывным, периодическим и инспекторским. Если непрерывный контроль и периодический контроль заранее планируются и призваны поддерживать требуемую стабильность ТП, то инспекторский проводится в случаях увеличения брака или выявления летучим контролем нарушений технологии производства.
По степени участия человека в процессе контроля различают ручной, полуавтоматический и автоматический виды контроля. Ручной контроль целесообразно использовать в единичном и мелкосерийном производстве, полуавтоматический контроль осуществляется на специализированном контрольно-измерительном оборудовании и применяется в серийном и массовом производстве -процесс измерений в этом случае автоматизируется. Автоматический контроль осуществляется на установках с высокой степенью автоматизации всех контрольных операций (примерно 98% времени контроля приходится на работу автоматов). Автоматизируются и такие “интеллектуальные” операции, как сортировка объектов по группам качества, определение характера отклонений от нормы и т.п.
Развитие микропроцессорной техники позволяет создавать контрольное оборудование достаточно универсальным, а применение роботов – адаптируемым к различным видам продукции. Особенно успешно развиваются неразрушающие, в том числе активные методы контроля, использующие различные физические явления (акустические, оптические, электромагнитные, капиллярные, радиационные, тепловые и др.), положенные в основу их реализации. Используя широкий спектр электромагнитного излучения, можно обеспечить: высокоточные измерения линейных размеров, в том числе микроскопических объектов (с автоматическим подсчетом количества объектов); классификацию изделий МЭ по размерам и форме; ориентацию при сборке; обнаружение дефектов (в том числе скрытых); наблюдение распределения тепловых полей (например, в местах пайки во время монтажа ячеек) и др. с целью прогнозирования мест возможных отказов конструктивов. Результат сравнения измеренных параметров с эталонными значениями от задающего устройства (см. рис.1.2) автоматически анализируется и преобразуется либо в сигнал, удобный для регистрации (отображения) или последующей обработки (для подсчета, классификации объектов и т.п.), либо в управляющее (регулирующее) воздействие на исполнительные органы технологического оборудования для автоматического регулирования технологического процесса обработки объекта. Данный метод может использоваться на любом этапе производственного контроля, но особенно эффективен при организации внутриоперационного (встроенного) контроля, так как обеспечивает автоматизированное управление контролем качества при изготовлении изделий.
Математические основы повышения производительности непредвзятого 3D рендеринга с использовнием иерархии ограничивающих объемов
Большинство интерактивных приложений, производящих процесс 3D-рендеринга в режиме реального времени, используют полигоны [19-22]. Поскольку проекция полигонов на экран наблюдателя не изменяет их геометрической формы, т.е. треугольник остается треугольником, а прямоугольник - прямоугольником, они позволяют решать задачу 3D- рендеринга на компьютере достаточно быстро. Такой вид рендеринга получил название “3D-растеризации”. Наименьшее количество вычислений в такой модели получают использованием в качестве полигонов треугольников как фигур, имеющих наименьшее число вершин. Но, несмотря на всю простоту, 3D-растеризация предоставляет лишь механизм получения геометрии объектов сцены (и их цветов). В результате требуются дополнительные алгоритмы, способные симулировать детали освещения и оптические эффекты, упомянутые ранее.
Для более точной интерполяции объектов сцены используют математический подход, т.е. применяют специальные функции для описания поверхностей объектов при помощи параметрических уравнений. Этот способ значительно повышает реалистичность изображения, получаемого в ходе рендеринга. Но в таком случае обычной растеризации уже не достаточно: специальные математические функции сложнее проецировать на экран наблюдателя и, кроме того, они используют больший объем памяти [18].
И наконец, объекты сцены можно в прямом смысле этого слова “собирать” из маленьких “кирпичиков” подобно тому, как реальные объекты строятся из молекул. Эти “кирпичики” получили название “вокселей” и, по сути, являются кубиками, позволяющими смоделировать не только поверхность объекта, но и его объём [23]. Несмотря на возможность поддержки высокого уровня детализации, а также интерполяции объемов, “воксели” не применяются в интерактивных приложениях, хотя широко используются в медицинской сфере. Причиной тому были и остаются ограниченные ресурсы компьютерных технологий, а также следующие особенности воксельной модели: в сравнении с полигональной моделью, воксельная требует гораздо больше памяти для поддержания того же уровня детализации; воксельные модели плохо поддерживают анимацию объектов сцены, поскольку это требует быстрых изменений в достаточно больших структурах данных. Тем не мене «воксельные» модели до сих пор являются одним из ключевых направлений исследований в области 3D-рендеринга [24, 25].
Классификация алгоритмов рендеринга и главное уравнение рендеринга. Полигональные модели, используемые вместе с растеризацией, стали широко интенсивно использоваться сразу с момента их появления, так как только они позволяют производить 3D-рендеринг в режиме реального времени, и кроме того, достаточно гибки в плане детализации. Это объясняется разделением процессов получения геометрии объектов и освещения сцены. Такое разделение позволяет добавлять/убирать те или иные оптические эффекты и таким образом балансировать между качеством и производительностью. Именно это стало определяющим фактором, сделавшим 3D растеризацию основным алгоритмом, используемым в компьютерной графике до сих пор.
Процесс получения геометрии объектов сцены, в отличие от оптических эффектов, таких как тени или дифракция, довольно прост и заключается в применении одинакового алгоритма к большому числу независимых точек - вершин полигонов. Этот факт привел к появлению специальных устройств, ускоряющих однотипные векторные операции над различными входными данными, что в результате вылилось в отдельную ветвь архитектурного развития процессоров, известную сегодня как графические процессоры [26].
Большинство исследований в области компьютерной графики направлены на поиски других способов формирования 3D-сцены на 2D-экране, позволяющих получить большие точность и качество результирующего изображения. Значимые результаты впервые получены в 1968 г. Arthur Appel и продолжены Turner Whitted в 1980 г. в виде алгоритмов трассировки лучей [22, 27]. С тех пор они развивались параллельно растеризации, хотя и не использовались в режиме реального времени в силу своей вычислительной сложности - платой за действительно реалистичную, или как еще говорят фотореалистичную графику получаемого изображения. К таким алгоритмам относят распределенную трассировку лучей, трассировку путей (предложена Walter в 1999 г.) [28, 30], двунаправленную трассировку путей и др. В основе этой разновидности 3D- рендеринга лежит очень близкая к реальной лучевая модель распространения света, использующая волны, испускаемые источниками света, взаимодействующие с объектами сцены посредством отражений/преломлений. Тогда изображение, получаемое на экране наблюдателя, воссоздается подобно тому, как оно появляется в человеческом глазу при попадании лучей света. Очевидными преимуществами такого подхода по сравнению с растеризацией являются: исходная задача 3D рендеринга по отображению геометрии объектов сцены решается одновременно с получением освещения сцены, в отличие от растеризации, требующей наличия сложных дополнительных алгоритмов для моделирования оптических эффектов; такие алгоритмы по-иному зависят от способа аппроксимации геометрии объектов сцены (от детализации геометрии).
Второе преимущество позволяет достаточно легко использовать различные представления геометрии объектов сцены, хотя их сложность является ключевым фактором производительности рендеринга. Будучи сильно зависимыми от аппаратного обеспечения, алгоритмы трассировки лучей долгое время не использовались в режиме реального времени, однако интенсивное развитие современных технологий позволяет прогнозировать широкое использование фотореалистичного рендеринга в будущем.
Для того чтобы понизить вычислительную сложность и использовать алгоритмы 3D-рендеринга в режиме реального времени необходимо ввести некоторые упрощения, но чем больше таких упрощений (использование полигонов вместо точных математических функций интерполирующих поверхность объектов ЗБ-сцены; сам алгоритм растеризации вместо алгоритмов трассировки лучей), тем более “предвзятым” становится алгоритм по отношению к реальности. Разделение алгоритмов на «предвзятые» и «непредвзятые» позволяет понять, насколько близок используемый алгоритм к идеальной модели 3D-рендеринга, которая была впервые представлена в 1986 г. в качестве главного уравнения рендеринга [28]. Данное уравнение служит математическим обобщением всех существующих, а также будущих решений задачи 3D-рендеринга.
Особенности алгоритма трассировки лучей по методу Монте-Карло
Как правило, построение ускоряющей структуры продолжается до тех пор, пока количество полигонов внутри зоны не стало меньше некоторого числа, но ряд алгоритмов использует размеры полученной зоны в качестве критерия для остановки дальнейшего разбиения.
Как было отмечено в ходе диссертационного исследования (п. 2.4), большинство работ использует подход предварительного построения дерева всей сцены. В этом случае абсолютно вся сцена должна быть разбита на зоны, а дерево построено. Только после этого, переходят к его траверсу лучами. Для адаптивного подхода характерно разбиение на зоны части сцены, видимой наблюдателю.
Таким образом, процесс построения ускоряющей структуры может быть перенесен и внедрен в алгоритм траверса, чтобы строить части структуры, а значит разбивать соответствующие зоны сцены “по запросу” от лучей. Тогда каждый луч, или поток, согласно пиксельному уровню параллелизма, описанному ранее, должен отмечать свои зоны “интереса” для их дальнейшего разбиения и построения соответствующих узлов дерева (рис. 3.9).
Из рисунка видно, что процесс разбиения отмеченных узлов структуры производится всеми доступными потоками. Сам цикл построения-траверса продолжается до тех пор, пока каждый луч не найдет ближайшее пересечение со сценой, в этом случае по ходу траверса он заставит алгоритм построить все узлы дерева встретившееся на пути к этому пересечению, а также к источникам света – от него. Из этого следует необходимость глобальной синхронизации между потоками, производящими разбиение сцены, что требует особого внимания при адаптации к конкретной архитектуре ГП. Более подробно каждый из этапов основного цикла алгоритма – “построение (разбиение)” и “траверс” – рассмотрены в следующих подразделах.
Для построения видимой пользователю части сцены необходимо дополнить разрнаботанный алгоритм подалгоритмом параллельного построения частей структуры “по запросу” (рис. 3.7). В качестве узлов дерева ускоряющей структуры используются AABB со схемой разбиения “по центру”. Предлагаемый алгоритм разбиения представлен на рис. 3.9. ґ Начало подпрограммы І поиска пересечений лучей и
Основной цикл алгоритма адаптивного построения и траверса ускоряющей структуры Суть алгоритма состоит в сортировке полигонов (рис. 3.10). Поскольку в качестве критерия разбиения AABB взята середина его длинного измерения, все полигоны, находящиеся по одну сторону от нее попадают в “левого ребенка” исходного AABB, другие – в “правого”. Сортировка помогает сделать этот процесс проще и быстрее, а также идеально ложится на исходную идею мультипараллелизма. Кроме того, другим преимуществом данного подхода является его гибкость: большинство модифицированных схем разбиения узлов ускоряющих структур (такие, как SAH функции, рассмотренные в “Дополнительных методиках повышения производительности непредвзятого 3D рендеринга” – п. 2.3) используют сортировку (а некоторые – даже несколько раз за одно разбиение). Начало этапа построения "разбиения" (ААВВ) На самом деле, работа идет над массивом ААВВ полигонов Взять центр самогодлинногоизмерения AABB вкачестве критерияразбиения Параллельнаясортировкаполигонов (массивполигонов ААВВ) Барьерная синхронизация Показаны мультипоточные операции Каждый поток берет рассматриваемый им полигон и производит сравнение с критерием разбиения, посчитанным ранее. Таким образом, только 1 поток выдает полезный результат после выполнения данной операции (тот, что обрабатывает полигон на границе между потомками)
Схема параллельного алгоритма разбиения AABB Важно отметить, что в отличие от исследования [20], представленные на рис. 3.9 и 3.10 схемы исключают зависимость используемой алгоритмами памяти от величины Т N, где Т - число полигонов сцены, а N - число параллельно запущенных потоков (результаты [20] показали требование в 32R + (48 + 4N)T байт памяти для R лучей, Т полигонов и Л/потоков). Это возможно из-за использования всеми параллельными потоками одного общего массива полигонов во время разбиения, что легко реализуемо благодаря идее сортировки. Справедливости ради, стоит упомянуть, что кроме основного массива полигонов сортировка требует вспомогательного того же размера для безопасной записи результатов параллельными потоками. Именно поэтому, представленные алгоритмы можно рассчитывать на большом числе работающих потоков и более того - чем больше потоков - тем быстрее будет получен результат. Это связано с тем, что временная (не вычислительная!) сложность используемой сортировки может быть оценена, как О (Г), в случае если Т не » iV.
Кроме сортировки на рис. 3.11, рассмротрим подробнее алгоритм расчета размера полученного в ходе разбиения AABB-потомка (рис. 3.12). После процедуры разбиения исходного AABB посредством сортировки полигоны в массиве уже выстроены таким образом, что лежащие слева относятся к левому, а справа – к правому потомку. Тогда, чтобы вычислить размер конкретного потомка, необходимо найти максимальную и минимальную координаты среди всех вершин полигонов этого потомка.
Отметим, что процесс поиска этих координат требует дополнительного “прохода” по исходному массиву полигонов (первый проход – во время сортировки), что может показаться неразумным. Однако, проводить эти операции во время одного прохода по массиву просто невозможно, поскольку информация о том, какие полигоны – к какому потомку относятся, становится доступной только после сортировки (именно на основе этой информации и производится определение размеров конкретного потомка). По этой же причине, перед вызовом функции определения размеров для обоих потомков требуется глобальная синхронизация между потоками.
Разработка структурной схемы процесса межоперационного контроля при разбраковке изделий МЭ с применением методики 3D-рендеринга
Такой подход является весьма обоснованным, учитывая огромное количество постоянно поступающих на ГП задач, как от приложений, так и от самой ОС. Однако из-за невозможности для программиста хоть как-то контролировать или даже участвовать в этом процессе, становится невозможно узнать реальное число потоков выполняющих интересующую программиста задачу в данный момент времени и настроить значение глобального мьютекса для барьерной синхронизации.
Учитывая описанные выше ограничения архитектуры ГП, очевидно, что необходима синхронизация внутри одного блока. Она реализована на уровне средств разработки CUDA, предоставляемых компанией nVidia. В результате указанных выше доработок получаем параллельный алгоритм адаптивного построения и траверса ускоряющей структуры на ГП (рис. 4.4).
Суть алгоритма заключается в использовании лишь одного блока потоков в алгоритме разбиения узлов дерева, т.е. построении ускоряющей структуры. В частности, после этапа траверса, когда необходимые к разбиению AABB уже помечены, первый блок, попытавшийся начать разбиение конкретного AABB, производит его, в то время как другие пытаются произвести аналогичную операцию над остальными. Таким образом, только один блок потоков разбивает AABB в отдельный момент времени. Несколько блоков могут одновременно обрабатывать несколько узлов, поскольку процесс разбиения отдельного узла равносилен сортировке отдельной части массива, не пересекающейся с другими (в случае разбиения узлов одного уровня или разных поддеревьев). Кроме того, проверка того, что AABB уже начал разбивать другой блок потоков производится при помощи специального флага, хранящегося вместе с узлом дерева, причем все операции с этим флагом являются атомарными, также предоставляемыми интерфейсом CUDA. Для того, чтобы корректно реализовать схему алгоритма, представленную на рис. 4.4, необходимо учесть особенности архитектуры ГП, относящиеся к кэш памяти. Используемый в ходе диссертационной работы графический процессор имеет двухуровневое строение кэша (Fermi-семейство архитектур ГП от nVidia) и построен таким образом, что первый уровень является уникальным для каждого из мультипроцессоров, в то время как второй – глобальным. Если блоки, физически выполняющиеся на различных мультипроцессорах, попытаются работать с общей переменной из глобальной памяти ГП – это вовсе не значит, что они будут работать с одним и тем же значением этой переменной (проблема когерентности кэша). Поэтому все глобальные флаги, используемые различными блоками, должны быть помечены ключевым словом “volatile”, указывающим компилятору строить код так, чтобы все запросы на чтение и запись этой переменной шли вне кэша 1-ого уровня. Во-первых, это касается флагов, упомянутых ранее, и кроме того, также используемых для хранения максимального и минимального индексов AABB для последующего разбиения. Все операции с этими флагами должны быть атомарными.
Как отмечено в главе 1, планарную информацию об объекте получают как с помощью АСМ, так и с помощью СЭМ, ВИМС или РЭМ. АСМ используется для получения изображения и рельефа поверхности безотносительно элементного состава образца. РЭМ позволяет получить дополнительно изображение подповерхностных областей образца, но такие изображения не позволяют разделить рельеф поверхности и образования из других элементов в подповерхностной области. В этом случае информацию о составе образца получают на базе РЭМ при анализе возбужденного рентгеновского излучения или Ожэ-электронов.
Использование рентгеновского метода в сочетании с базовой методикой РЭМ позволяет получить достаточно информации для создания 3D-изображения образца. В нашем случае информация об исследуемом образце, полученная разными способами (рис. 4.5) агрегируется в отдельной единице хранения базы данных. Причем при использовании неразрушающего контроля обязательными данными для каждой единицы хранения являются только данные от РЭМ и Оже-спектроскопии, остальные данные добавляются по мере требования. Далее эта информация обрабатывается согласно разработанной методике 3D-рендеринга с интеграцией ускоряющих структур. Очевидно, что поступающая информация в ряде случаев обладает невысокой достоверностью изображения краевых областей объектов и мелких деталей. Это объясняется влиянием шумов видеосигнала, остаточной нелинейностью развертки, проявляющейся в ходе собственно измерений, а не только при калибровке увеличения, свободными параметрами, т.н. «скрытыми» свободными параметрами и т.д. и т.п.
По этой причине все входные данные подвергаются фильтрации, функционал и теоретическое обоснование которой рассмотрены выше в главе 3. Затем разнотипные данные совмещаются в единый массив данных. Для данных от РЭМ и Оже-спектроскопии совмещение не требует специальных действий, так как их источником служит единая аппаратная база. В случае с ВИМС и АСМ синхронизация сигналов достигается за счет создания реперного окна – глубокого проема в поверхности образца на углу, являющемся точкой отсчета. Благодаря такому окну данные от ВИМС и АСМ могут быть приведены к единому масштабу. Таким образом получают изображения, объединяющие информацию о форме и расположении объектов на поверхности, объеме материала и об их качественном составе.
Выше рассмотрены и определены требования к характеристикам комплекса программных средств с использованием ГП многопоточной архитектуры для реализации межоперационного контроля качества с помощью АСК и особенности функционала КПС в соответствии с методикой повышения производительности рендеринга. Выявлены системообразующие требования к параметрам и функциям, оказывающим влияние на быстродействие в части АСК, отвечающей за разбраковку изделий непосредственно в технологическом процессе производства.
В контексте данного диссертационного исследования разработаны средства комбинации различных двумерных и одномерных информационных массивов, позволяющих получить на выходе цветное 3D-изображение, где цвет отвечает за качественный состав элементов представленных в данном изделии МЭ, что позволяет существенно сократить время принятия решения при анализе отклонений от эталона на измеряемом образце.
Вышеуказанные программные средства встроены в разработанный КПС, который включает 6 модулей, согласно требуемому функционалу (рис. 4.6). Рассмотрим подробнее программные модули, используемые при анализе забракованных изделий. Модули синхронизации потоков и выдачи рекомендации координируют работу комплекса программных средств и его взаимодействие с остальными компонентами АСК, такими как РЭМ, АСМ, ВИМС и Оже-спектроскопии (см. рис. 4.5) Полученные данные в виде объекта базы данных передаются модулю производящему 3D-рендеринг в соответствии с разработанным ранее алгоритмом (глава 3). Далее с помощью специализированного программного модуля визуализирующего исследуемый объект в 3D-виде, пользователь анализирует отклонения от эталона и задает рекомендации по корректировке технологической карты.