a group of square objects

SolVision成功案例

半導體業

晶粒邊緣崩裂檢測解決方案

以AI輔助半導體晶粒品質控管

半導體晶片尺寸微縮：晶圓切割製程技術的考驗

加工完成的晶圓需透過切割(sawing)製程將晶粒(die)切割分離以執行後續封裝工序。隨著現代電子產品的體積愈趨輕薄短小，晶片尺寸亦不斷微縮，相同晶圓尺寸內切割的晶粒數量愈來愈多，切割道也愈來愈窄，增加晶粒邊緣崩裂的風險。因此，確實檢出晶圓在切割製程(Wafer Die-Saw)中所造成的崩裂對於後續封裝製程的良率控制至關重要。

AI瑕疵檢測

晶圓切割製程的複雜參數：晶粒邊緣崩裂的不確定性

晶圓切割製程中可能造成晶粒邊緣崩裂(Chipping)瑕疵，影響晶片強度甚鉅，嚴重時可能導致晶片在後段製程受到應力時發生晶片斷裂情形。由於崩裂瑕疵出現的位置及型態不固定，以致傳統光學檢測(AOI)測無法精準地將瑕疵檢出，影響整體產品良率。

為封裝製程打好基礎：透過AI掌握晶粒的崩裂瑕疵

運用SolVision AI影像平台的Segmentation技術，將影像樣本中的瑕疵特徵予以標註並藉以訓練AI模型，完成訓練的AI模型即可自動檢出並標註晶粒邊緣崩裂瑕疵的位置，大幅降低晶片在後續封裝製程中斷裂的風險。

晶圓切割檢測案例

邊緣崩裂

相關文章
  • vials of medication are lined up on a conveyor belt

    透過AI進行輸液袋異物檢測

    探索SolVision如何在IV袋中實現100%的異物檢測準確率。了解我們關於醫療保健領域高效AI檢測的案例研究。

  • 緞帶品質AI檢測解決方案

    緞帶色彩繽紛的特性使得AOI檢測容易因為花紋和顏色變化而發生瑕疵漏檢或誤判。使用SolVision檢測各種顏色、花紋的緞帶，能夠精確找出裂孔、脫絲等瑕疵的位置、大小及形狀，不論是檢測速度或是精準度都能達到標準。而透過記錄與分析瑕疵的樣態，可回溯找出製作過程中的問題所在，改善產品製程。

  • 商品外包裝印刷瑕疵檢測解決方案

    做為商品外包裝材料，軟質的鋁箔袋常在印刷過程中產生印刷錯誤、歪斜、脫落及漏印等情形。統光學檢測和人工的方式出錯率高。運用SolVision的Anomaly Detection工具，訓練完成的模型即可針對印刷文字、圖案上的形狀、顏色等特徵差異執行比對，偵測並標註瑕疵所在位置。

  • SMT製程的回焊短路檢測解決方案

    SMT製程回焊過程中，過多錫膏量或是印刷偏移可能導致錫球間短路，過去以人工方式檢測，效率不彰。SMT多餘錫膏在高溫下的流動型態無法預測，難以傳統AOI檢出。運用SolVision AI技術，將SMT製程影像樣本中的回焊短路瑕疵定位並標註，訓練AI模型。可輕易檢出錫球間短路情形。