a group of square objects

SolVision成功案例

晶粒边缘崩裂检测解决方案

以AI辅助半导体晶粒品质控管

半导体晶芯片尺寸微缩:晶圆切割制程技术的考验

加工完成的晶圆需透过切割(sawing)程将晶粒(die)切割分离以执行后续封装工序。随着现代电子产品的体积越趋轻薄短小,片尺寸亦不断微缩,相同晶圆尺寸內切割的晶粒数量越来越多,切割道也越来越窄,增加晶粒边缘崩裂的风险。因此,確保检出晶圆在切割程(Wafer Die-Saw)中所造成的崩裂对于后续封装程的良率控制至关重要。

Quality control of semiconductor die with AI

晶圆切割程的复杂参数:晶粒边缘崩裂的不確定性

晶圆切割程中可能造成晶粒边缘崩裂(Chipping)瑕疵,影响片强度甚大,严重时可能导致片在后段程受到应力时发生片断裂情形。由于崩裂瑕疵出现的位置及型態不固定,以致传统光学检测(AOI)测无法精准地将瑕疵检出,影响整体产品良率。

为封装程打好基础:透过AI掌握晶粒的崩裂瑕疵

运用SolVision AI影像平台的实例切割技术,将影像样本中的瑕疵特征予以標註並借以训练AI模型,完成训练的AI模型即可自动检出并标注晶粒边缘崩裂瑕疵的位置,大幅降低片在后续封装程中断裂的风险。

晶圆切割检测案例

边缘崩裂

Wafer cutting inspection case

Wafer cutting inspection case
相关文章
  • 鸡蛋蛋壳品质检测分级解决方案

    运用所罗门SolVision AI影像平台的Instance Segmentation技术,定位、标注影像样本中鸡蛋蛋壳裂隙瑕疵位置并以训练AI模型,训练完成后即可透过AI检测蛋壳表面的孔隙及裂痕情形再予以分级,提升鸡蛋食用的安全性及商品价值。
  • black and white labeled box

    晶圆研磨瑕疵检测解决方案

    化学机械平坦化(CMP)是半导体制造中不可或缺的制程之一,然而,研磨液中过大颗粒及微粒凝聚体可能造成晶圆上的微划痕,是CMP制程中最主要的瑕疵类型。传统AOI检测即使耗费大量人力撰写算法,仍无法精准侦测整张晶圆影像瑕疵。运用所罗门SolVision解决方案来精准找到研磨瑕疵
  • 封装晶片边缘微裂瑕疵检测解决方案

    由于晶粒边缘崩裂瑕疵出现的位置及型态不固定,以致传统光学检测无法精准地将瑕疵检出,影响整体产品良率。运用SolVision AI影像技术,将影像样本中的瑕疵特征予以标注,完成训练的AI模型即可自动检出并标注晶粒边缘崩裂瑕疵的位置,大幅降低芯片在后续封装制程中断裂的风险。
  • 高尔夫球杆头品质检测解决方案

    高尔夫球杆头是球具组合中最重要的部份,消费者十分重视杆头完成面的细致程度。运用SolVision AI影像技术,将影像样本中高尔夫球杆头上的细微瑕疵逐一标注,藉以训练AI模型,训练完成后的AI模型即能不受商标、纹路及金属光泽的影响,定位并标注所有细微的表面瑕疵。