Superando los límites basados en reglas: 3 ventajas clave de la inspección óptica con AI en semiconductores

El uso de AOI (Automated Optical Inspection) para verificar el estado de la superficie de las obleas y detectar residuos metálicos o rayaduras es ya un método maduro y ampliamente utilizado. Sin embargo, a medida que la industria de los semiconductores avanza hacia procesos más avanzados, los estándares de inspección siguen aumentando. Las tecnologías tradicionales de inspección visual se enfrentan a desafíos sin precedentes:

1. Requisitos de alta resolución

2. Algoritmos rígidos incapaces de adaptarse a cambios ambientales complejos

3. Precisión insuficiente que impacta negativamente en el rendimiento

Al introducir la AI en el AOI, puede aprovechar las fortalezas de la inspección visual liberándose de las limitaciones de los algoritmos basados en reglas. La integración de la AI no solo ofrece una detección más precisa, sino también una mayor flexibilidad en la aplicación.

Las tres principales aplicaciones impulsadas por AI en la inspección de obleas

1. Detección de defectos en obleas

Las obleas de semiconductores están compuestas por múltiples capas de materiales depositados con precisión. Esta estructura hace que los defectos potenciales sean tan diversos como impredecibles, capaces de aparecer en cualquier parte de la oblea. Un desafío clave es que los defectos de recubrimiento pueden presentar variaciones de color impredecibles, lo que dificulta enormemente su detección sobre fondos complejos de capas previamente depositadas. Los sistemas tradicionales de visión basados en reglas tienen dificultades para gestionar dicha diversidad, lo que genera una detección poco fiable incluso en fondos multicapa.

Solución de DaoAI: la AI aprende a partir de muestras sin defectos para establecer un modelo estándar. Sin necesidad de ejemplos de defectos, la AI puede detectar anomalías que se desvían de la norma, de forma completamente independiente de reglas rígidas.

Detección de microfisuras en paredes laterales de WLCSP

El encapsulado a nivel de oblea (WLCSP) involucra múltiples capas, y pueden producirse microfisuras debido a una manipulación inadecuada, presión excesiva (durante el procesado de bolas de soldadura) o percances en el transporte. Los métodos de visión artificial basados en reglas consumen mucho tiempo, son complejos y a menudo no logran distinguir entre variaciones de capas y fisuras diminutas.

Solución de DaoAI: la AI aprende continuamente de la retroalimentación humana para comprender gradualmente los patrones de defectos (como microfisuras), incluso en fondos saturados y situaciones de bajo contraste, y logra una precisión a nivel de píxel en la detección para cumplir con los requisitos de inspección a alta velocidad.

Inspección de la superficie del die

Los defectos en las superficies del die —como fisuras, fracturas y marcas de quemaduras— varían enormemente en apariencia y ubicación. La visión artificial basada en reglas tiene dificultades para detectar con precisión estos defectos, resultando frecuentemente compleja y lenta.

Solución de DaoAI: al aprender de ejemplos sin defectos y sin depender de reglas rígidas, la AI puede reconocer una amplia gama de anomalías de recubrimiento y detectar fisuras, fracturas o marcas de quemaduras dondequiera que aparezcan.

Introducir la AI en el AOI no es solo una actualización: es un paso fundamental para que la fabricación de semiconductores alcance estándares más elevados. La gran capacidad de aprendizaje y adaptación de la AI aporta una precisión y eficiencia sin precedentes a la inspección de obleas, convirtiéndose en una base sólida para asegurar el rendimiento en semiconductores.

No permita que las tecnologías de inspección tradicionales se conviertan en un cuello de botella. Permita que la AI impulse su línea de producción, logrando una inspección más precisa y eficiente, y brindándole una ventaja competitiva en procesos avanzados.

Contáctenos ahora para comenzar.

¿Listo para actualizar su AOI?

Descubra cómo el AOI impulsado por AI de DaoAI reduce los falsos rechazos, disminuye drásticamente el tiempo de programación y se amortiza por sí mismo.