a group of square objects

SolVision成功案例

半导体产业

晶粒边缘崩裂检测解决方案

以AI辅助半导体晶粒品质控管

半导体晶芯片尺寸微缩：晶圆切割制程技术的考验

加工完成的晶圆需透过切割(sawing)制程将晶粒(die)切割分离以执行后续封装工序。随着现代电子产品的体积越趋轻薄短小，芯片尺寸亦不断微缩，相同晶圆尺寸內切割的晶粒数量越来越多，切割道也越来越窄，增加晶粒边缘崩裂的风险。因此，確保检出晶圆在切割制程(Wafer Die-Saw)中所造成的崩裂对于后续封装制程的良率控制至关重要。

Quality control of semiconductor die with AI

晶圆切割制程的复杂参数：晶粒边缘崩裂的不確定性

晶圆切割制程中可能造成晶粒边缘崩裂(Chipping)瑕疵，影响芯片强度甚大，严重时可能导致芯片在后段制程受到应力时发生芯片断裂情形。由于崩裂瑕疵出现的位置及型態不固定，以致传统光学检测(AOI)测无法精准地将瑕疵检出，影响整体产品良率。

为封装制程打好基础：透过AI掌握晶粒的崩裂瑕疵

运用SolVision AI影像平台的实例切割技术，将影像样本中的瑕疵特征予以標註並借以训练AI模型，完成训练的AI模型即可自动检出并标注晶粒边缘崩裂瑕疵的位置，大幅降低芯片在后续封装制程中断裂的风险。

晶圆切割检测案例

边缘崩裂

Wafer cutting inspection case

Wafer cutting inspection case
相关文章

  • 医疗器材品质控管：安全针头组装

    安全针头为透明或白色的塑料件，其材质与纹路使得辨识不易，以人眼或AOI方法皆容易造成误判，导致组装错误却无法有效检出。所罗门结合机器视觉与人工智能，使用SolVision工具，针对白色与透明塑料件的各种纹路与形状做AI训练，有效检出塑料件的组装错误，同时提高缺陷检测的效率。

  • 塑胶扣具瑕疵检测解决方案

    射出成型的扣具生产上最为常见的瑕疵为脱模剂油污、白点、毛边及残屑，其中属油污瑕疵最难检出。结合SolVision AI影像平台工具，分别针对各类表面瑕疵型态执行深度学习，训练完成的AI模型即可实时检出射出成型时产生油污与在内的各类瑕疵。

  • 物料管理优化方案，提高产品标签辨识度

    电子产业中，如果料号标签无法辨识会大幅降低作业效率。卷标字体印刷不良卷标上的字体在印刷过程容易产生不规则的细微瑕疵，使得AOI难以辨识。利用SolVision进行缺陷以及字符辨识之AI深度学习，即便卷标字体出现不规则的缺陷仍能正确辨识，大幅降低物料管理的成本支出，提高库存管理正确性。
  • black and white labeled box

    晶圆研磨瑕疵检测解决方案

    化学机械平坦化(CMP)是半导体制造中不可或缺的制程之一，然而，研磨液中过大颗粒及微粒凝聚体可能造成晶圆上的微划痕，是CMP制程中最主要的瑕疵类型。传统AOI检测即使耗费大量人力撰写算法，仍无法精准侦测整张晶圆影像瑕疵。运用所罗门SolVision解决方案来精准找到研磨瑕疵