SolVisionÉtude de cas

Automatiser les inspections des wafers de semi-conducteurs

Détection intelligente des défauts par IA pour les wafers en silicium

Équilibrer le rendement et la qualité des wafers en silicium

Au cours de la production, les wafers de semi-conducteurs subissent des processus tels que la lithographie, la gravure, le dépôt de films, la diffusion et le meulage, et sont exposés à différentes substances dans l’environnement qui peuvent provoquer des défauts affectant la qualité. Des lasers peuvent être utilisés pour réparer des cellules en silicium avec certains défauts, mais cela est une étape inefficace pour les wafers présentant trop de défauts, car il vaut mieux les éliminer directement pour éviter de ralentir la production. Un processus d’inspection est nécessaire pour localiser les wafers défectueux susceptibles d’être réparés.

Intelligent AI defect detection for silicon wafers

Systèmes d’inspection traditionnels rigides

Les systèmes traditionnels basés sur des règles sont facilement influencés par les conditions d’éclairage externes et incapables de classer les images en pleine taille, de sorte que les wafers excessivement endommagés ne peuvent pas être éliminés lors de l’étape préliminaire. Les wafers défectueux présentent généralement des défauts subtils éparpillés de manière aléatoire sur la surface, ce qui empêche les systèmes de vision conventionnels d’établir des règles pour des inspections efficaces.

Détection flexible des défauts avec SolVision

Propulsé par l’IA, SolVision est capable de reconnaître les caractéristiques de différents défauts et d’identifier les wafers non conformes. Tout d’abord, le système utilise l’outil de classification pour déterminer si un wafer a été endommagé au-delà de la réparation. Le traitement d’images divise ensuite les images scannées des wafers en sections, et l’outil de segmentation les inspecte minutieusement pour détecter les défauts. Des informations telles que les caractéristiques des défauts, leur emplacement, leur taille et d’autres données sont enregistrées pour améliorer l’efficacité des réparations ultérieures.