Convanit provides a complete solution for AI based image classification to enable companies to automatically analyze images of any type.
Optical microscope and SEM images, CD-SEM, defect wafer maps, electrical test data and other use cases
centralized
One centralized AI-framework for the whole production site
independent
Independent of imaging systems
customizable
optimized algorithms based on use case
Your benefits
one for all
c-Alice can classify all types of images: any type of inspection / microscopy, wafer maps, test maps and others.
fast & accurate
c-Alice generates classification results in seconds. High accuracy is achieved by using fast and optimized algorithms.
complete workflow
c-Alice provides image and recipe management including versioning, monitoring, deployment and meta data integration. Low maintenance effort and reduced manpower ensure efficient classification in production.
easy set-up
c-Alice allows easy recipe set up without further AI knowledge. Users can manage images and context data comfortably in order to train, verify and release recipes.
flexible
c-Alice is based on a modern architecture and can be integrated flexibly in your production environment.
Use Cases
Supervised
classification of failure types in defect images, pattern recognition of defect and binsort wafer map
Semi-Supervised
image sets presorting
Unsupervised
anomaly detection and more
From classification towards characterization
Beyond just image classification, c-alice can process arbitrary data along with the images to characterize defects and other problems.
Who we are
10+ experts are working on the c-Alice project
convanit GmbH & Co. KG
combination with IT and data science
Founded in
in Germany
Experts with more than
years of industry expertise in production control
Projects in more than
manufacturing sites
Our Networks
Cooperation with several local AI expert groups within university and institutes
Silicon Saxony
VDI/GMM
SEF
Smart System Hub
Selection of our clients
Latest publications
Digitale Welt: KI in der Fertigungskontrolle – Herausforderungen und Strategien
Für die Bewertung von Zeitreihen-, Bild- und anderen Daten, ist gerade bei Zuordnungs- und Klassifizierungsaufgaben und der Erkennung von Mustern und Anomalien der Nutzen von KI Methoden hoch. Die dafür notwendige Rechenleistung ist heute ‚bezahlbar‘ und erprobte Mathematik sowie mächtige Open-Source Softwarebibliotheken stehen zur Verfügung. Dieser Artikel beschreibt Herausforderungen bei der Einführung von KI Methoden in der Fertigungskontrolle und die daraus abzuleitenden Strategien.
Silicon Saxony - Smart Systems: Vom individuellen KI Anwendungsfall zur zeitnahen bezahlbaren Umsetzung in der Fertigung
Im KMU Bereich gibt es noch viele ‚ungehobene Schätze‘ im Bereich KI, wie zum Beispiel in der Fertigungskontrolle. Fachwissen, KI Methoden und Daten sind zwar vorhanden, jedoch fehlt für eine produktionsreife Lösung häufig noch das richtige Konzept zur pragmatischen Verbindung dieser Komponenten. Der Weg dahin muss nicht schwer sein, wenn man sich auf das Wesentliche konzentriert.
We are supported by
