SolVisionกรณีศึกษา
การตรวจสอบชิปเซมิคอนดักเตอร์ที่บรรจุหีบห่อแล้ว
การเรียนรู้แบบไม่มีผู้ควบคุมของ AI เพื่อการตรวจจับข้อบกพร่องขนาดเล็ก
ชั้นป้องกันภายนอกและกระบวนการบรรจุภัณฑ์
กระบวนการตัดส่งผลต่อคุณภาพของเวเฟอร์เซมิคอนดักเตอร์บางครั้งเกิดข้อบกพร่อง เช่น รอยร้าวบนผิว เมื่อเวเฟอร์ถูกแยกออกเป็นชิ้นเมื่อถูกบรรจุลงในบรรจุภัณฑ์ เวเฟอร์จะถูกยึดไว้กับพลาสติกหรือเซรามิก ทำให้ยากต่อการตรวจสอบรอยร้าวขอบหรือข้อบกพร่องขนาดเล็กภายในด้วยวิธีการแบบเดิม
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