black and white labeled box

SolVision成功案例

晶圆研磨瑕疵检测解决方案

化学机械平坦化(CMP)的AI辅助品质管控

半导体制造关键:
化学机械平坦化(CMP)影响晶元良率

化学机械平坦化(Chemical Mechanical Planarization, CMP)是半导体制造中不可或缺的製程之一,目的是为改善前製程的微小缺陷。于晶圆上完成一层积体电路后,需透过CMP将表面研磨整平,方可制作下一层积体电路。然而,研磨液中过大的颗粒及微粒凝聚体可能造成晶圆上的微划痕,是CMP製程中最主要的瑕疵类型。

Quality control of chemical mechanical polishing (CMP) processes

CMP制程中,晶圆研磨痕迹让传统AOI难以检测瑕疵

CMP製程中的瑕疵包括微划痕、微粒残留及研磨垫碎屑等。研磨完成后,晶圆会生成极浅且轨跡雷同的研磨痕迹跡,形成影像中的复杂背景,又由于各式瑕疵的形态及位置不固定,使微划痕等瑕疵无法被轻易检出。除了微划痕外,晶圆表面常见瑕疵还包含白色脏污、黑色脏污、水痕、气泡等,种类繁多且复杂,没有既定的特征点,更没有固定的形态,传统AOI即使耗费大量人力撰写编写算法,仍无法精准检测整张晶圆影像的瑕疵资讯。

所罗门AI瑕疵检测,让晶圆瑕疵无所遁形

运用所罗门 SolVision  AI影像平台的实例切割技术,定位并標註晶圆上的微划痕以及脏污等影像特徵,并借以训练AI模型。即便在具有研磨痕迹的影像背景之下,依然可以借由AI视觉轻易地检出深、浅的微划痕及其他脏污瑕疵,并精准地检测出瑕疵所在位置与面积。

晶圆研磨瑕疵检测案例

刮痕

Wafer grinding defect detection case

Wafer grinding defect detection case
相关文章
  • 安规认证标章印刷瑕疵检测

    国内外安规认证的标章众多,例如CE、EAC等,各有不同的标章图示。过多的版面信息在大量印刷过程中不易检出多印或漏印的情形,可能影响商品的贩卖及使用。应用SolVision AI影像工具,训练AI模型。训练完成的AI模型即会自动检出并标示所有差异地方,即为版面的印刷瑕疵。
  • multicolored electronic part

    电源供应器内部线材组接解决方案

    电源供应器内部组件及线路多元且复杂,检测接点时容易受到背景干扰而影响视觉判断。额外使用人工及AOI传统光学检测皆不易执行,难以于产线端有效管控产品质量。经训练的AI模型可以精准地侦测并定位线材错接的电源供应器接线瑕疵,实时将不良品检出。
  • 渐层玻璃瓶瑕疵检测

    渐层玻璃瓶皆经过喷砂制程雾面处理,制作过程常见的瑕疵类型为色泽不均或者瓶身出现黑点,而这些瑕疵因无法明确定义且样式不固定,难以采用AOI方法进行检测。训练完成的AI模型即可快速检出玻璃瓶身各角度之瑕疵分布,并标注出缺陷位置。
  • AI检测螺丝纹面瑕疵

    有螺纹的金属套件,容易因搬运造成工件碰撞受伤,或在加工过程中留下刀痕,即使搭配强光与显微设备,以人眼检测不易,容易发生误检与漏检。使用SolVisionl非监督式检测工具,可学习刀痕与碰撞瑕疵的特征,在AI训练完成后便可轻易检测出人眼不易辨识的瑕疵,挑出瑕疵对象,让出货质量更好。