SolVisionกรณีศึกษา
การตรวจสอบคุณภาพเฟรมลีดด้วยระบบอัตโนมัติ
การตรวจจับข้อบกพร่องของเฟรมลีดเซมิคอนดักเตอร์ด้วย AI
ส่วนประกอบสำคัญในกระบวนการประกอบเซมิคอนดักเตอร์
ในกระบวนการประกอบเซมิคอนดักเตอร์ เฟรมลีดทำหน้าที่เชื่อมต่อชิปเข้ากับแผงวงจรพิมพ์ (PCB) รวมถึงใช้ในการรองรับชิป เชื่อมต่อวงจร และส่งผ่านสัญญาณ แทบทุกแพ็กเกจเซมิคอนดักเตอร์ล้วนต้องใช้เฟรมลีด ซึ่งผลิตได้จากกระบวนการกัดด้วยแสง (Photochemical Etching) หรือการปั๊มกลไก (Mechanical Stamping) เมื่อการผลิตเซมิคอนดักเตอร์มีความซับซ้อนมากขึ้น กระบวนการสร้างเฟรมลีดก็ต้องได้รับการปรับปรุงให้มีความแม่นยำและอัตราผลิตที่ดีขึ้นตามไปด้วย
พื้นหลังที่ซับซ้อนอาจส่งผลต่ออัตราการตรวจจับ
เพียงข้อบกพร่องเล็กน้อยในเฟรมลีด ก็สามารถทำให้เซมิคอนดักเตอร์ล้มเหลวทั้งชิ้นได้ การตรวจพบข้อบกพร่องตั้งแต่ต้นทางจึงมีความสำคัญอย่างมากต่อผู้ผลิต เพื่อหลีกเลี่ยงการสูญเสียเวลาและทรัพยากร ข้อบกพร่องที่พบบ่อยในเฟรมลีด ได้แก่ ครีบขอบ (Edge Burrs) สิ่งปนเปื้อน คราบ และรอยขีดข่วน เมื่อทำการสแกนผิวของเฟรม ระบบวิชันแบบดั้งเดิมมักสับสนหากข้อบกพร่องมีลักษณะคล้ายกันเกินไป หรือกลืนไปกับพื้นหลัง ซึ่งส่งผลให้ความแม่นยำในการตรวจสอบลดลง
การตรวจจับข้อบกพร่องด้วยปัญญาประดิษฐ์ (AI)
SolVision คือระบบตรวจสอบด้วยภาพที่ขับเคลื่อนด้วย AI ซึ่งสามารถเรียนรู้ข้อบกพร่องที่เกิดขึ้นในกระบวนการผลิตได้หลากหลายรูปแบบ พร้อมลดโอกาสในการตรวจจับผิดพลาด เครื่องมือ Data Augmentation ในซอฟต์แวร์ช่วยขยายขอบเขตการเรียนรู้ของโมเดล AI เพื่อให้สามารถตรวจพบข้อบกพร่องได้แม้ในพื้นหลังที่ซับซ้อนหรือรกรุงรัง รวมถึงสามารถตรวจจับข้อบกพร่องที่ยากต่อการมองเห็น เช่น รอยดำ ขอบดำ และครีบที่ยื่นออกมาได้อย่างแม่นยำ
การตรวจสอบด้วย AI
ตัวอย่างมาตรฐาน
จุดดำและขอบที่นูนออก
