SixSense cierra Serie A de $8.5M para análisis de defectos en semiconductores
SixSense asegura inversión liderada por Peak XV para escalar su plataforma de clasificación de defectos y análisis de causa raíz. La startup reporta una reducción del 90% en inspección manual mediante el uso de modelos de visión computacional y aprendizaje autosupervisado.
SixSense, startup deep tech con sede en Singapur, ha levantado $\$8.5$ millones en una ronda de financiación Serie A liderada por Peak XV’s Surge (anteriormente Sequoia India & SEA). La operación, que eleva la financiación total de la compañía a aproximadamente $12 millones, contó con la participación de Alpha Intelligence Capital y FEBE Ventures. El capital se destinará a expandir su plataforma de inteligencia artificial diseñada para la detección de defectos, clasificación y análisis de causa raíz en líneas de producción de semiconductores.
Fundada en 2018 por Akanksha Jagwani y Avni Agrawal, la compañía busca resolver la fragmentación en los procesos de control de calidad mediante una plataforma no-code que permite a los ingenieros de procesos entrenar y desplegar modelos de IA sin intervención de científicos de datos.
Especificaciones y métricas reportadas
La tecnología de SixSense se integra en estaciones críticas de manufactura como inspección óptica, metrología y pruebas eléctricas. Según la documentación técnica liberada por la empresa, su sistema de clasificación automática de defectos (AI-ADC) utiliza enfoques recientes de computer vision para procesar millones de imágenes.
Entre los datos técnicos y métricas operativas destacan:
- Arquitectura: Integración de vision transformers, aprendizaje autosupervisado y modelos de difusión para soportar múltiples dispositivos con un solo modelo base.
- Rendimiento: Precisión reportada superior al 95% con 0% de fugas (escapees) en producción.
- Eficiencia de datos: Funcionalidad de "Smart data selection" que reduce el volumen de datos de entrenamiento hasta un 70% mediante selección automática de diversidad, permitiendo el despliegue de modelos listos para producción en 2 a 3 días.
- Impacto operativo: Reducción del 90% en la carga de trabajo de inspección manual y una mejora del rendimiento (yield) del 1% al 2%.
- Escala: Más de 100 millones de chips procesados hasta la fecha en clientes como GlobalFoundries, JCET y Raytek.
La plataforma aborda el Análisis de Causa Raíz (RCA) correlacionando señales de herramientas FDC (Fault Detection and Classification) con resultados de inspección y metrología. A diferencia de métodos estadísticos tradicionales que reaccionan a violaciones de límites de control, el sistema detecta combinaciones de desviaciones menores en parámetros de proceso que preceden a fallos posteriores.
"La IA analiza imágenes de inspección a escala y agrupa defectos y obleas basándose en similitud visual y patrones espaciales, para luego correlacionarlos con el historial de la herramienta y los pasos del proceso. Esto hace posible identificar nuevas firmas de defectos de manera temprana y rastrearlas hasta una herramienta, cámara o condición de proceso específica. Problemas que anteriormente requerían múltiples ciclos de revisión y análisis subjetivo pueden acotarse automáticamente."
— SixSense.ai, AI-Driven Root Cause Analysis
Integración en flujos de trabajo actuales
El sector de semiconductores enfrenta una creciente complejidad en los nodos de fabricación y un aumento en el volumen de datos de sensores, lo que limita la eficacia de métodos tradicionales como los gráficos de control SPC univariables o diagramas de Ishikawa.
La propuesta de SixSense se centra en la interoperabilidad con hardware existente. La plataforma es compatible con equipos de inspección que cubren más del 60% del mercado global, lo que permite su adopción en fabs con sistemas heredados. Asimismo, la empresa ha delineado su hoja de ruta para 2026, enfocándose en la clasificación de defectos en tiempo real dentro de la máquina (in-machine) y la expansión hacia el control de desviaciones en toda la fábrica, conectando los resultados de pruebas finales con señales de metrología en línea para predecir fallos a nivel de lote.
La expansión de la compañía coincide con la reconfiguración de la cadena de suministro global y la construcción de nuevas instalaciones de fabricación en el sudeste asiático y Estados Unidos, entornos que, al carecer de sistemas legados rígidos, facilitan la implementación de arquitecturas nativas de IA desde el inicio de operaciones.
Fuentes:
