ก้าวข้ามขีดจำกัด Rule-Based: 3 ข้อได้เปรียบหลักของการตรวจสอบทางแสงพลัง AI ในอุตสาหกรรมเซมิคอนดักเตอร์

การใช้ AOI (Automated Optical Inspection) เพื่อตรวจสอบสภาพพื้นผิวเวเฟอร์และตรวจจับเศษโลหะตกค้างหรือรอยขีดข่วนเป็นวิธีการที่พัฒนาจนเสถียรและใช้งานกันอย่างแพร่หลาย อย่างไรก็ตาม เมื่ออุตสาหกรรมเซมิคอนดักเตอร์ก้าวหน้าไปสู่กระบวนการผลิตระดับแนวหน้าที่ล้ำสมัยยิ่งขึ้น มาตรฐานการตรวจสอบก็สูงขึ้นอย่างต่อเนื่อง เทคโนโลยีการตรวจสอบด้วยภาพแบบดั้งเดิมกำลังเผชิญกับความท้าทายที่ไม่เคยมีมาก่อน:

1. ข้อกำหนดด้านความละเอียดสูง

2. อัลกอริทึมที่ตายตัวไม่สามารถปรับตัวตามการเปลี่ยนแปลงของสภาพแวดล้อมที่ซับซ้อนได้

3. ความแม่นยำไม่เพียงพอส่งผลกระทบเชิงลบต่อ yield

การนำ AI เข้ามาผสานรวมกับ AOI ช่วยให้คุณใช้ประโยชน์จากจุดแข็งของการตรวจสอบด้วยภาพ ควบคู่ไปกับการก้าวข้ามข้อจำกัดของอัลกอริทึมแบบอิงกฎ การบูรณาการ AI ไม่เพียงแต่ให้การตรวจจับที่แม่นยำยิ่งขึ้น แต่ยังมอบความยืดหยุ่นในการใช้งานที่เหนือกว่า

3 การประยุกต์ใช้งานหลักที่ขับเคลื่อนด้วย AI ในการตรวจสอบเวเฟอร์

1. การตรวจจับข้อบกพร่องบนเวเฟอร์

เวเฟอร์เซมิคอนดักเตอร์ประกอบด้วยวัสดุหลายชั้นที่ทับถมกันอย่างแม่นยำ โครงสร้างนี้ส่งผลให้ข้อบกพร่องที่อาจเกิดขึ้นมีความหลากหลายและคาดเดาไม่ได้ โดยสามารถปรากฏขึ้นที่จุดใดก็ได้บนเวเฟอร์ ความท้าทายสำคัญประการหนึ่งคือ ข้อบกพร่องของสารเคลือบอาจแสดงการแปรผันของสีที่ไม่สามารถคาดเดาได้ ทำให้ตรวจจับได้ยากเป็นพิเศษเมื่ออยู่บนชั้นพื้นหลังที่ซับซ้อนซึ่งทับถมอยู่ก่อนหน้า ระบบวิชันแบบอิงกฎดั้งเดิมไม่สามารถรับมือกับความหลากหลายดังกล่าวได้อย่างมีประสิทธิภาพ ส่งผลให้การตรวจจับขาดความเสถียรบนพื้นผิวที่มีหลายเลเยอร์

โซลูชันของ DaoAI: AI เรียนรู้จากชิ้นงานตัวอย่างที่ไม่มีข้อบกพร่องเพื่อสร้างโมเดลมาตรฐาน โดยไม่จำเป็นต้องใช้ตัวอย่างข้อบกพร่อง AI สามารถตรวจจับความผิดปกติที่เบี่ยงเบนไปจากเกณฑ์มาตรฐานได้ โดยเป็นอิสระจากกฎเกณฑ์ตายตัวอย่างสิ้นเชิง

การตรวจจับรอยแตกขนาดเล็ก (Micro-Crack) บริเวณผนังด้านข้างของ WLCSP

Wafer-Level Chip-Scale Packaging (WLCSP) ประกอบด้วยเลเยอร์หลายชั้น ซึ่งรอยแตกขนาดเล็กอาจเกิดขึ้นได้จากการจับต้องที่ไม่ถูกต้อง แรงกดที่มากเกินไป (ระหว่างกระบวนการวางลูกบอลบัดกรี) หรือความผิดพลาดระหว่างการขนส่ง วิธีแมชชีนวิชันแบบอิงกฎต้องใช้เวลานาน มีความยุ่งยากซับซ้อน และมักไม่สามารถแยกแยะความแตกต่างระหว่างการเปลี่ยนแปลงของชั้นเลเยอร์กับรอยแตกขนาดเล็กได้

โซลูชันของ DaoAI: ：AI เรียนรู้อย่างต่อเนื่องจากข้อมูลป้อนกลับเพื่อทำความเข้าใจรูปแบบของข้อบกพร่องอย่างเป็นระบบ (เช่น รอยแตกขนาดเล็ก) แม้ในพื้นหลังที่ซับซ้อนและในสภาวะที่มีคอนทราสต์ต่ำ พร้อมให้ความแม่นยำในการตรวจจับระดับพิกเซลเพื่อตอบสนองข้อกำหนดการตรวจสอบความเร็วสูง

การตรวจสอบพื้นผิว Die

ข้อบกพร่องบนพื้นผิว Die เช่น รอยแตก การแตกหัก และรอยไหม้ มีความผันแปรสูงทั้งในด้านรูปลักษณ์และตำแหน่ง ระบบแมชชีนวิชันแบบอิงกฎตรวจจับข้อบกพร่องเหล่านี้ได้อย่างแม่นยำได้ยาก อีกทั้งมักมีความซับซ้อนและกินเวลา

โซลูชันของ DaoAI:：ด้วยการเรียนรู้จากตัวอย่างที่ไม่มีข้อบกพร่องและไม่พึ่งพากฎเกณฑ์ที่ตายตัว AI สามารถระบุความผิดปกติของการเคลือบได้หลากหลายรูปแบบ พร้อมตรวจจับรอยแตก การแตกหัก หรือรอยไหม้ ไม่ว่าจะปรากฏขึ้นที่จุดใดก็ตาม

การนำ AI เข้าสู่ AOI ไม่ใช่แค่การอัปเกรด แต่เป็นก้าวสำคัญสำหรับอุตสาหกรรมการผลิตเซมิคอนดักเตอร์ในการก้าวสู่มาตรฐานที่สูงขึ้น ความสามารถในการเรียนรู้และปรับตัวที่แข็งแกร่งของ AI ช่วยมอบความแม่นยำและประสิทธิภาพในการตรวจสอบเวเฟอร์ในระดับที่ไม่เคยมีมาก่อน กลายเป็นรากฐานที่มั่นคงในการรับประกัน yield ของเซมิคอนดักเตอร์

อย่าปล่อยให้เทคโนโลยีการตรวจสอบแบบเดิมกลายเป็นคอขวด ให้ AI เข้ามาเสริมประสิทธิภาพสายการผลิตของคุณ บรรลุการตรวจสอบที่แม่นยำและมีประสิทธิภาพยิ่งขึ้น พร้อมสร้างความได้เปรียบทางการแข่งขันในกระบวนการผลิตขั้นสูง

ติดต่อเรา ตอนนี้เพื่อเริ่มต้นใช้งาน!

พร้อมอัปเกรด AOI ของคุณแล้วหรือยัง?

ดูว่าระบบ AOI ที่ขับเคลื่อนด้วย AI ของ DaoAI ช่วยลด false reject ลดระยะเวลาการเขียนโปรแกรม และคุ้มค่าการลงทุนได้อย่างไร