|
Denumire indicator
|
Unitate de măsură
|
Valoarea țintă
|
|
Domeniul de intervenție (workstream – WS) / Acțiuni specifice (task-uri)
|
Livrabil
|
|
2.1 WS SENSE
|
Număr
|
Livrabile (Task 1.n +....+ Task 4.n)
|
- A1. Modelare, simulare pentru noi tehnologii de integrare heterogenă și asamblare
- A1.1 Dezvoltarea modelului de simulare pentru un sensor CMOS de imagine impachetat flip chip.
- A1.2. Analiza structura eterogena de impachetara CMOS + procesor
- A1.3. Optimizari geometrice si de material pentru sensor de imagine CMOS asamblat prin wirebonding
|
6
|
- D1.1. Raport stiintific: Stadiul actual
- D1.2. Raport științific: Analiza datelor din simulari
- D1.3. Raport științific: Propuneri de optimizare geometrie 3D cu AI
- D1.4. 2 Publicații științifice indexate Web of Science (WOS), IEEE, Science Direct, Springer, Scopus
- D1.5. Raport științific final
|
- A2. Testări avansate pentru senzori integrați. Masurători pe pcb / chip
- A2.1. Caracterizare cmportament dynamic convertoare DC-DC de joasa tensiune
- A2.2. Caracterizare pasiva in frecventa a interfetelor de comunicare de mare viteza pentru senzori inteligenti
- A2.3. Modelarea sarcinii in regim tranzitoriu si sisteme de iluminare si sisteme de senzori inteligenti
|
5
|
- D2.1. Raport stiintific: Analiză si interpretarea datelor experimentale din masurari
- D2.2. Raport științific: Propunere de workflow optimizat
- D2.3. 2 Publicații științifice indexate Web of Science (WOS), IEEE, Science Direct, Springer, Scopus
- D2.4. Raport științific final
|
- A3 Dezvoltare de modele ML pentru managementul termic al senzorilor pentru soluții de mobilitate auto
- A3.1 Preprocesare si preagtirea geometrica a modelelor. Importul geometrie CAD, curățarea geometrie importata, simplificare geometrie.
- A3.2. Discretizarea geometriei (2D si 3D) în elemente finite (meshing)
- A3.3. Selectarea si alocarea automată a materialelor din diverse aiblioteci de materiale. Determinarea proprietatilor de material necesare pentru o anumită analiză.
- A3.4. Definirea contactelor în funcție de configurația ansamblului.
|
6
|
- D3.1. Raport stiintific: Identificarea si preprocesarea automata a caracteristicilor geometriei 2D si 3D
- D3.2. Raport științific: Optimizarea retelei de discretizare conform cu lista de specificatii
- D3.3. Raport științific: Selectarea automata a materialelor din bazele de date conform specificatiilor
- D3.4. 2 Publicații științifice indexate Web of Science (WOS), IEEE, Science Direct, Springer, Scopus
- D3.5. Raport științific final
|
|
2.3 WS ACT
|
Număr
|
Livrabile (Task 1.n +....+ Task 4.n)
|
- A4 Managementul predictiv al stării de fiabilitate pe linia de fabricatie a display-urilor
- A4.1 Documentare științifică detaliată asupra arhitecturilor de rețele neuronale utilizate pentru predicția operațiunilor de fabricație și mentenanță.
- A4.2 Colectarea și preprocesate datele necesare pentru antrenarea și adnotarea rețelei neuronale,
- A4.3 Proiectarea și implementarea unei rețele neuronală care va fi folosită pentru a prezice operațiile ce se vor desfășura pe linia de fabricație,
- A4.4 Testarea și validarea soluției finale.
|
5
|
- D4.1. Raport stiintific: Arhitecturi de retele neuronale utilizate in predictia operatiilor de fabricatie a display-urilor
- D4.2. Raport stiintific: Colectarea si preprocesarea datelor de pe linia de fabricatie
- D4.3. Raport stiintific: Proiectarea arhitecturii retelei neuronale
- D4.3. Raport stiintific: Implementare arhitecturii retelei
- D4.4. 2 Publicații științifice indexate Web of Science (WOS), IEEE, Science Direct, Springer, Scopus
|
- A5 Arhitecturi de retele neuronale si vedere artificiala in inspectia defectelor pentru componentele Multi-diplay
- A5.1 Identificarea tipurilor de defecte care pot apărea pe linia de producție.
- A5.2 Definirea a trei studii de caz relevante pentru analiza defectelor.
- A5.3 Colecta și analiza seturile de date corespunzătoare fiecărui studiu de caz.
- A5.4 Prelucrate pentru a identifica pattern-uri și pentru a sprijini reducerea numărului de defecte.
- A5.5 Testarea solutiei propuse.
|
6
|
- D5.1. Raport stiintific: Arhitecturi de retele neuronale utilizate in identificarea defectelor
- D5.2. Raport stiintific: Analiza datelor colectate pentru cele 3 studii de caz
- D5.3. Raport stiintific: Procesarea datelor din studiile de caz
- D5.4. Raport stiintific: Prezentarea modelului de invatare adanca DL propus
- D5.5. 2 Publicații științifice indexate Web of Science (WOS), IEEE, Science Direct, Springer, Scopus
|
- A6 Cercetari privind Modele lingvistice mari (LLM)
- A6.1 Studiu asupra inovațiilor Inteligenței Artificiale Generative (Gen AI) în dezvoltarea și testarea software-ului în industria auto
- A6.2 Aplicabilitatea inovatiilor Gen AI pentru constructia si testarea software-ului din industria Automotive
- A6.3 Tehnici de optimizare a consumului de resurse pentru modelele lingviste de mari dimensiuni (LLM)
- A6.4 Propunerea unor tehnici de îmbunătățire a comunicării cu modelele lingvistice mari (Prompt Engineering)
- A6.5 Propunerea unor solutii asupra utilizarii agenților LLM/AI în industria auto pentru analiza specificațiilor, generarea de scenarii de test, testarea automată a sistemelor și identificarea erorilor de software.
|
7
|
- D6.1 Raport Stiintific Studiu asupra inovațiilor Inteligenței Artificiale Generative (Gen AI)
- D6.2 Raport Stiintific Gen AI pentru constructia si testarea software-ului din industria Automotive
- D6.3 Raport Stiintific Tehnici de optimizare a consumului de resurse
- D6.4 Raport Stiintific Tehnici de îmbunătățire a comunicării cu modelele lingvistice mari
- D6.5. 2 Publicații științifice indexate Web of Science (WOS), IEEE, Science Direct, Springer, Scopus
- D6.6 Raport Stiintific final
|
RO
EN
