半导体产业

  • META-aivi 智能厂务管理

    巡检制度是否落实、管理执行效率高低、异常讯息上报速率等因素,都与企业生产效率与安全性息息相关,也因此巡检、维修成为各行业工厂,最重要的工作之一,越来越受管理单位的重视。但由于长期以来机电设施的维护还存在规范不足、制度不清晰、涵盖范围不完全等问题,为了满足设备管理单位对机电设备管理日益增加的需求,将运行中的机电设备的仪表数值建入设备维护管理系统,已成为厂务设施能否进行智慧化管理的重要过程。
  • 球柵阵列封装假焊瑕疵检测解决方案

    运用SolVision AI影像平台的Instance 实例切割技术,将X光影像中锡球重迭的假焊瑕疵予以标注并藉以执行AI模型的深度学习。经训练后的AI即可在具背景噪声、无明显影像边缘的条件下,将假焊瑕疵精准检出。
  • 芯片收纳(In-Tray)跳料检测解决方案

    芯片于晶盘中跳料的情形系属随机,所致的瑕疵型态多样且难以预测瑕疵所产生的位置。运用SolVision AI影像平台技术,以具迭料、空料、歪斜错置、反转等瑕疵的影像样本训练AI模型,AI训练完成后即可轻易且迅速地辨识并标注晶盘上产生收纳异常的位置。
  • 封装晶片边缘微裂瑕疵检测解决方案

    由于晶粒边缘崩裂瑕疵出现的位置及型态不固定,以致传统光学检测无法精准地将瑕疵检出,影响整体产品良率。运用SolVision AI影像技术,将影像样本中的瑕疵特征予以标注,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。
  • a group of square objects

    晶粒边缘崩裂检测解决方案

    由于晶粒边缘崩裂瑕疵出现的位置及型态不固定,以致传统光学检测无法精准地将瑕疵检出,影响整体产品良率。运用SolVision AI影像技术,将影像样本中的瑕疵特征予以标注,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。
  • 晶圆切割刀体外观品质控管解决方案

    晶圆切割系半导体及光电业界非常重要的制程,若无法在切割制程中维持高良率、高效率并保有芯片特性,将大幅影响整体产能。晶圆切割刀的质量控管主要透过外观瑕疵的检测,常见的外观瑕疵包括刀体上的不规则纹路、多钻等情形。由于有环状条纹,形成复杂影像背景,严重影响机器视觉对于瑕疵的侦测。