a group of square objects

SolVision成功案例

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
  • 如何快速精準辨識多種IC Tray盤字元

    快速辨識多種IC Tray盤字元

    所羅門利用 SolVision學習Tray盤所需辨識的定位點,執行光學字元辨識 (OCR),能夠大幅優化傳統AOI的作業流程,不受識別畫面位移、歪斜及其字元缺陷等限制,精準識別個別料件來源,而隨著AI深度學習件數增加,亦能持續優化AI辨別字元的能力,使辨識字元不再困難。
  • 快速辨識輪胎內胎印刷編碼

    輪胎在製程的環節經歷許多高壓、高負荷與高溫差的工序,使內胎表面字跡模糊且刷色深淺不齊,影響內胎編碼的辨識度,不利於人工辨識與傳統AOI檢測。利用SolVision工具,針對輪胎內胎編碼的數字與形狀進行拍攝,進行AI模型訓練,能成功辨識,有效改善編碼辨識的正確率。
  • 細胞病變辨識及分類解決方案

    切片顯微影像中細胞的外觀不固定,細胞病變發生的位置、型態也十分隨機,導致每位醫師對於癌細胞的判斷及圈選標準不盡一致,更無法透過傳統光學檢測以撰寫邏輯方式判斷癌細胞的型態。資料擴增結合AI深度學習技術可以更快速準確地判讀細胞特徵!
  • 半導體晶片封裝製程接著劑瑕疵檢測解決方案

    固晶接著劑透明,易造成光源折射影響特徵判斷,且爬膠、溢膠不具固定位置及型態,無法創建規則執行傳統光學檢測AOI。運用Solomon SolVision AI影像平台技術建立AI學習模組,自動學習並偵測爬膠、溢膠的特徵及位置。增加多項正確類別提升辨識強度,有效降低環境因素的干擾。