a group of square objects

SolVisionกรณีศึกษา

การตรวจสอบชิปเซมิคอนดักเตอร์ที่บรรจุหีบห่อแล้ว

การเรียนรู้แบบไม่มีผู้ควบคุมของ AI เพื่อการตรวจจับข้อบกพร่องขนาดเล็ก

ชั้นป้องกันภายนอกและกระบวนการบรรจุภัณฑ์

กระบวนการตัดส่งผลต่อคุณภาพของเวเฟอร์เซมิคอนดักเตอร์บางครั้งเกิดข้อบกพร่อง เช่น รอยร้าวบนผิว เมื่อเวเฟอร์ถูกแยกออกเป็นชิ้นเมื่อถูกบรรจุลงในบรรจุภัณฑ์ เวเฟอร์จะถูกยึดไว้กับพลาสติกหรือเซรามิก ทำให้ยากต่อการตรวจสอบรอยร้าวขอบหรือข้อบกพร่องขนาดเล็กภายในด้วยวิธีการแบบเดิม

AI unsupervised learning for detecting micro defects

การตรวจสอบผ่านบรรจุภัณฑ์

เมื่อเวเฟอร์อยู่ในบรรจุภัณฑ์ จะสามารถถ่ายภาพได้เฉพาะโดยใช้แหล่งกำเนิดแสงและเลนส์พิเศษที่สามารถทะลุผ่านได้ภาพที่ได้จะแสดงรอยร้าวที่ขอบและขอบเวเฟอร์ในสีที่ใกล้เคียงกันมาก ทำให้แยกความแตกต่างได้ยากนอกจากนี้ รูปร่างและมุมของรอยร้าวขนาดเล็กมักไม่เป็นแบบแผน ทำให้ระบบตรวจสอบที่อิงตามกฎเกณฑ์แบบเดิมไม่สามารถตรวจจับได้อย่างมีประสิทธิภาพ

การแยกแยะระหว่างผลิตภัณฑ์ที่สมบูรณ์และไม่สมบูรณ์

SolVision ที่ขับเคลื่อนด้วย AI มีฟังก์ชันเฉพาะเพื่อรองรับภารกิจการตรวจสอบที่หลากหลายเครื่องมือ Anomaly Detection ใช้เทคโนโลยี Deep Learning ในการฝึกโมเดล AI ด้วยภาพตัวอย่างของเวเฟอร์ที่ “สมบูรณ์”เครื่องมือ Data Augmentation ช่วยจำลองความเบี่ยงเบนที่อาจเกิดขึ้นของเวเฟอร์ เพื่อขยายฐานข้อมูลของ AI ในบริบทการผลิต และเพิ่มความสามารถในการจดจำหลังจากผ่านการฝึก AI จะสามารถเปรียบเทียบเวเฟอร์ตัวอย่างมาตรฐานกับภาพที่สแกนได้ เพื่อระบุและหาตำแหน่งของข้อบกพร่อง เช่น รอยร้าวขนาดเล็กที่ขอบของชิปที่ถูกบรรจุ โดยไม่ถูกรบกวนจากคุณภาพของภาพหรือความใกล้เคียงของสี

การตรวจสอบด้วย AI

ภาพที่สแกน

ผลการตรวจจับ

Internal defect inspection case of packaged chip
Internal defect inspection case of packaged chip
Internal defect inspection case of packaged chip
Internal defect inspection case of packaged chip
Internal defect inspection case of packaged chip
Internal defect inspection case of packaged chip