Con il kick-off meeting del 3 e 4 giugno 2025 presso l'Università di Salerno, sono ufficialmente iniziati i lavori sul progetto di ricerca "Misurazioni Smart Automatiche, Adattive e Consapevoli dell'Incertezza utilizzando il Machine Learning" (A3SmartML), avviato a maggio e previsto per un periodo di tre anni. L'obiettivo del progetto è lo sviluppo di strategie di misurazione intelligenti per aumentare significativamente l'efficienza delle misurazioni multidimensionali. A3SmartML riunisce competenze internazionali provenienti da diversi istituti nazionali di metrologia, università e aziende sotto la coordinazione dell'Istituto Federale di Metrologia (PTB) in Germania e viene finanziato dalla European Partnership on Metrology (EPM).
Le misurazioni multidimensionali sono tecnologie chiave nella metrologia e consentono applicazioni come la caratterizzazione dei materiali tramite imaging a scala nanometrica e il controllo qualità dei semiconduttori tramite mappatura della fotocorrente con risoluzione megapixel. Tuttavia, questi processi sono spesso caratterizzati da lunghi tempi di misurazione, il che porta a problemi nell'applicazione pratica, poiché il tempo nelle grandi strutture produttive o nei controlli qualità nelle linee di produzione è spesso limitato. Queste sfide evidenziano la necessità di procedure di misurazione più veloci, efficienti e intelligenti. Il miglioramento di queste tecnologie è inoltre in linea con la strategia europea per la sostenibilità e la digitalizzazione nell'ambito dell'Industria 4.0 e del Green Deal europeo.
Approcci combinati consentono di migliorare l'efficienza delle misurazioni multidimensionali
Per aumentare l'efficienza delle misurazioni multidimensionali, in questo progetto vengono sviluppate strategie di misurazione intelligenti attraverso la combinazione di strumenti di machine learning, compressed sensing, regolarizzazione e statistica bayesiana. Oltre a migliorare le procedure di misurazione, la combinazione di machine learning con approcci consolidati della statistica e metodi come il compressed sensing offre nuovo potenziale per l'uso del machine learning nella metrologia. Nel contesto degli approcci di machine learning considerati, vengono sviluppati metodi affidabili per la valutazione dell'incertezza, al fine di consentire un controllo della misurazione tenendo conto dell'incertezza.
I nuovi approcci sviluppati trovano applicazione in strumenti di misurazione per l'imaging iperspettrale a scansione e la mappatura della fotocorrente dei semiconduttori. L'obiettivo è sviluppare prototipi sperimentali e dimostrare l'efficienza delle misurazioni intelligenti in questi settori. Per dimostrare la rilevanza per l'applicazione pratica, le procedure vengono implementate in diversi casi d'uso.
Per semplificare l'applicazione e la diffusione delle procedure sviluppate, vengono forniti ampi manuali, software documentato e set di dati di riferimento. L'impatto a lungo termine è ottenuto attraverso routine di misurazione generiche, automatizzate e adattive, applicabili a un'ampia gamma di procedure di misurazione multidimensionale. In questo modo, le aziende dell'industria manifatturiera possono utilizzare i risultati del progetto per migliorare i loro controlli qualità e ridurre costi e scarti in un'ottica di produzione più sostenibile.
Il WZL della RWTH Aachen svolge un ruolo centrale in questo progetto nello sviluppo dei metodi per la valutazione dell'incertezza delle procedure di misurazione intelligenti e coordina le attività per la diffusione dei risultati del progetto a gruppi rilevanti nel campo della scienza, dell'industria e dell'insegnamento universitario nel pacchetto di lavoro 5 "Creare Impatto".
Il progetto (24DIT03 A3SmartML) è finanziato dalla European Partnership on Metrology e cofinanziato dal programma di ricerca e innovazione Horizon Europe dell'Unione Europea e dai paesi partecipanti.
Contatto:
