การตรวจจับข้อบกพร่องการบิ่นในการหั่นเวเฟอร์

ภาพประกอบ

การตรวจสอบด้วยสายตาของถาดใส่สารกึ่งตัวนำ

ภาพประกอบ

การตรวจสอบถาดเซมิคอนดักเตอร์ด้วยสายตา

การตรวจสอบถาดเซมิคอนดักเตอร์ด้วยสายตา (Visual Inspection of Semiconductor Trays) เป็นขั้นตอนสำคัญในกระบวนการผลิตและการจัดการเซมิคอนดักเตอร์ เพื่อให้แน่ใจว่าถาดที่ใช้ในการบรรจุเวเฟอร์หรือชิ้นส่วนเซมิคอนดักเตอร์มีคุณภาพและไม่มีข้อบกพร่อง การตรวจสอบนี้สามารถทำได้ทั้งด้วยการตรวจสอบด้วยสายตามนุษย์ หรือใช้ระบบ AI และการประมวลผลภาพ (Computer Vision) สำหรับการตรวจสอบอัตโนมัติ

ขั้นตอนการตรวจสอบถาดเซมิคอนดักเตอร์ด้วยสายตา

1. การถ่ายภาพและการจับภาพความละเอียดสูง
   ในการตรวจสอบอัตโนมัติ ระบบจะใช้กล้องความละเอียดสูงหรือกล้องแบบหลายมุมเพื่อถ่ายภาพถาดเซมิคอนดักเตอร์ การถ่ายภาพครอบคลุมทุกมุมของถาดเพื่อให้แน่ใจว่าพื้นผิวของถาดได้รับการตรวจสอบอย่างละเอียด
2. การตรวจจับข้อบกพร่องด้วย Computer Vision
   ข้อบกพร่องที่ตรวจพบได้ในการตรวจสอบถาดเซมิคอนดักเตอร์ ได้แก่:

• รอยขีดข่วนหรือรอยแตกร้าว (Scratches or Cracks) บนพื้นผิวถาด
• การเสียรูป (Deformation) เช่น การงอหรือบิดเบี้ยว
• การเปลี่ยนสี (Discoloration) หรือความไม่สม่ำเสมอของพื้นผิวที่อาจบ่งชี้ถึงปัญหาทางวัสดุ
• สิ่งสกปรกหรือคราบ (Contaminants or Stains) ที่อาจส่งผลกระทบต่อการบรรจุและการปกป้องเซมิคอนดักเตอร์

1. การตรวจสอบขนาดและรูปร่างของถาด
   การตรวจสอบนี้รวมถึงการวัดขนาดของช่องหรือเซลล์ที่อยู่ในถาดเพื่อให้แน่ใจว่ามีขนาดที่ถูกต้องในการรองรับเซมิคอนดักเตอร์และเวเฟอร์ AI จะช่วยวิเคราะห์ว่าแต่ละเซลล์มีขนาดและรูปร่างที่สม่ำเสมอหรือไม่ หากพบการผิดปกติ ระบบสามารถแจ้งเตือนได้ทันที
2. การตรวจสอบตำแหน่งและการจัดเรียง
   ระบบตรวจสอบอัตโนมัติสามารถตรวจสอบว่าถาดมีการจัดเรียงและการวางตำแหน่งเซมิคอนดักเตอร์อย่างถูกต้องหรือไม่ เพื่อป้องกันปัญหาที่อาจเกิดขึ้นจากการเคลื่อนย้ายที่ไม่เหมาะสม หรือการจัดวางที่ไม่ตรงตามมาตรฐาน
3. การตรวจสอบความสะอาดของถาด
   เนื่องจากการปนเปื้อนจากสิ่งสกปรกสามารถสร้างความเสียหายแก่เซมิคอนดักเตอร์ได้ การตรวจสอบด้วยสายตาสามารถช่วยในการระบุสิ่งสกปรกหรือการปนเปื้อนบนถาด เช่น ฝุ่น คราบน้ำมัน หรือสารเคมีที่อาจหลงเหลือจากกระบวนการผลิตหรือการจัดการ
4. การตรวจสอบการติดฉลากและรหัสบาร์โค้ด
   ในหลายกรณี ถาดเซมิคอนดักเตอร์จะต้องมีฉลากหรือรหัสบาร์โค้ดเพื่อการระบุและติดตาม การตรวจสอบด้วยระบบอัตโนมัติจะช่วยให้สามารถตรวจสอบได้ว่ารหัสเหล่านี้ติดตั้งอย่างถูกต้องและอ่านได้ชัดเจนหรือไม่

ประโยชน์ของการตรวจสอบด้วยระบบ AI

• ความแม่นยำสูง: การใช้ AI และการประมวลผลภาพช่วยให้สามารถตรวจจับข้อบกพร่องได้อย่างแม่นยำ และตรวจสอบได้ในระดับที่ละเอียดมากกว่ามนุษย์
• ความรวดเร็ว: ระบบตรวจสอบอัตโนมัติสามารถทำการตรวจสอบถาดเซมิคอนดักเตอร์ได้อย่างรวดเร็วและมีประสิทธิภาพสูง
• ลดข้อผิดพลาดจากมนุษย์: การตรวจสอบด้วยสายตามนุษย์อาจเกิดข้อผิดพลาดได้ง่าย แต่การใช้ AI ช่วยลดความเสี่ยงเหล่านี้ได้

ความท้าทายในการตรวจสอบถาดเซมิคอนดักเตอร์

• การตรวจจับข้อบกพร่องที่ซับซ้อน: ข้อบกพร่องบางประเภท เช่น การเปลี่ยนสีเล็กน้อย หรือการบิดเบี้ยวเล็กน้อย อาจยากต่อการตรวจจับและต้องใช้ระบบ AI ที่มีความละเอียดสูง
• ความท้าทายจากการใช้งานระบบ AI: การพัฒนาโมเดล AI สำหรับการตรวจสอบอาจต้องใช้เวลาในการฝึกฝนและการปรับปรุงโมเดลเพื่อให้สามารถระบุข้อบกพร่องได้แม่นยำยิ่งขึ้น

การนำระบบ AI และการตรวจสอบด้วยภาพเข้ามาช่วยในการตรวจสอบถาดเซมิคอนดักเตอร์ช่วยเพิ่มประสิทธิภาพในการควบคุมคุณภาพ ลดต้นทุน และทำให้การผลิตมีความสม่ำเสมอมากขึ้น

โซลูชันการตรวจสอบ AI สำหรับเวเฟอร์เซมิคอนดักเตอร์

ภาพประกอบ

การตรวจสอบกระบวนการบรรจุภัณฑ์เซมิคอนดักเตอร์

ภาพประกอบ

การตรวจสอบเวเฟอร์เซมิคอนดักเตอร์แบบอัตโนมัติ

การตรวจสอบเวเฟอร์เซมิคอนดักเตอร์แบบอัตโนมัติ (Automated Semiconductor Wafer Inspection) เป็นกระบวนการที่ใช้เทคโนโลยี AI และการประมวลผลภาพในการตรวจจับข้อบกพร่องและความผิดปกติบนเวเฟอร์เซมิคอนดักเตอร์ที่ใช้ในการผลิตชิ้นส่วนอิเล็กทรอนิกส์ กระบวนการนี้มีความสำคัญสูง เนื่องจากเวเฟอร์เป็นส่วนประกอบพื้นฐานของชิปและวงจรรวม (ICs) ที่ต้องการความแม่นยำและคุณภาพสูงมาก

ขั้นตอนการตรวจสอบเวเฟอร์เซมิคอนดักเตอร์แบบอัตโนมัติ

1. การถ่ายภาพและการสแกนเวเฟอร์ ระบบตรวจสอบอัตโนมัติใช้กล้องความละเอียดสูงหรือเครื่องสแกนพิเศษเพื่อตรวจจับภาพเวเฟอร์ โดยการถ่ายภาพเหล่านี้ครอบคลุมทั้งผิวหน้าของเวเฟอร์ ระบบจะสแกนเวเฟอร์ในระยะใกล้และมีความละเอียดสูงเพื่อให้สามารถตรวจจับข้อบกพร่องขนาดเล็กที่ไม่สามารถมองเห็นได้ด้วยตาเปล่า
2. การตรวจจับตำหน่งข้อบกพร่อง (Defect Detection) AI ที่ใช้การประมวลผลภาพ (Computer Vision) จะวิเคราะห์ภาพที่ได้จากการสแกนเพื่อระบุตำแหน่งของข้อบกพร่องหรือความผิดปกติที่เกิดขึ้นบนพื้นผิวเวเฟอร์ ข้อบกพร่องที่สามารถตรวจพบได้รวมถึง:
   • รอยแตกหรือรอยขีดข่วน (Cracks or Scratches)
   • สิ่งสกปรกหรือการปนเปื้อน (Contamination)
   • ความไม่สม่ำเสมอของชั้นฟิล์มบาง (Film Thickness Variations)
   • ความเสียหายที่เกิดจากกระบวนการผลิต (Process-induced Defects)
3. การตรวจสอบความหนาของฟิล์มบาง (Film Thickness Inspection) ระบบตรวจสอบแบบอัตโนมัติสามารถวัดความหนาของชั้นฟิล์มบางที่ใช้ในเวเฟอร์ได้อย่างแม่นยำ โดยอาศัยการวัดจากภาพที่สแกนและการใช้เทคนิคเชิงแสง เช่น Spectroscopic Ellipsometry ซึ่งช่วยให้ทราบความหนาและความสม่ำเสมอของชั้นฟิล์ม
4. การตรวจสอบแบบสามมิติ (3D Inspection) สำหรับเวเฟอร์ที่มีการผลิตโครงสร้างสามมิติ (เช่น FinFET) ระบบ AI สามารถตรวจสอบรูปร่างและความหนาของโครงสร้างในแบบสามมิติ โดยใช้การสแกนที่ละเอียดและการวิเคราะห์เชิงลึก เพื่อให้แน่ใจว่าโครงสร้างทุกส่วนถูกสร้างตามแบบที่กำหนด
5. การวิเคราะห์ความผิดปกติและการแยกประเภท AI ไม่เพียงแค่ตรวจจับข้อบกพร่องเท่านั้น แต่ยังสามารถแยกประเภทของข้อบกพร่องได้ เช่น ข้อบกพร่องที่เกิดจากกระบวนการผลิต, การปนเปื้อนจากสิ่งแวดล้อม, หรือข้อบกพร่องที่เกิดขึ้นจากการจัดการและการขนส่ง ข้อมูลเหล่านี้มีประโยชน์ต่อการวิเคราะห์และปรับปรุงกระบวนการผลิต
6. การตรวจสอบและวิเคราะห์ด้วย AI และ Machine Learning AI สามารถเรียนรู้จากข้อมูลการตรวจสอบเวเฟอร์ในอดีต เพื่อทำให้การตรวจสอบเวเฟอร์ในอนาคตมีความแม่นยำมากขึ้น และช่วยให้ผู้ผลิตสามารถวิเคราะห์ปัญหาที่เกิดขึ้นในกระบวนการผลิตได้ดีขึ้น รวมถึงช่วยในการคาดการณ์ปัญหาที่อาจเกิดขึ้นในอนาคต
7. การบูรณาการกับระบบการผลิต การตรวจสอบแบบอัตโนมัติสามารถบูรณาการเข้ากับสายการผลิตแบบเรียลไทม์ (Real-time Integration) เพื่อให้สามารถตรวจจับข้อบกพร่องได้ในทันทีที่พบ และหยุดการผลิตหากมีปัญหาที่อาจส่งผลกระทบต่อคุณภาพของเวเฟอร์

ประโยชน์ของการตรวจสอบเวเฟอร์เซมิคอนดักเตอร์ด้วย AI

• ความแม่นยำสูง: ระบบตรวจสอบอัตโนมัติสามารถตรวจจับข้อบกพร่องขนาดเล็กมากที่อาจไม่สามารถมองเห็นด้วยตาเปล่าได้ และสามารถประเมินรายละเอียดของเวเฟอร์ในระดับนาโนเมตรได้
• ลดข้อผิดพลาดจากมนุษย์: การตรวจสอบด้วย AI ช่วยลดความผิดพลาดที่อาจเกิดจากมนุษย์ และทำให้การตรวจสอบมีความสม่ำเสมอและแม่นยำ
• การปรับปรุงคุณภาพการผลิต: การใช้ AI และ Machine Learning ช่วยให้สามารถวิเคราะห์ปัญหาในกระบวนการผลิตได้ล่วงหน้า ทำให้สามารถแก้ไขปัญหาได้ก่อนที่จะเกิดการสูญเสียในระดับใหญ่
• การตรวจสอบแบบเรียลไทม์: การตรวจสอบแบบเรียลไทม์ช่วยให้สามารถระบุปัญหาได้ทันที และทำการปรับปรุงกระบวนการผลิตได้อย่างรวดเร็ว

ความท้าทายของการตรวจสอบเวเฟอร์ด้วย AI

• ความซับซ้อนของข้อบกพร่อง: ข้อบกพร่องบางประเภทอาจซับซ้อนและต้องใช้ระบบ AI ที่พัฒนาขึ้นอย่างมากในการตรวจจับและวิเคราะห์
• การปรับปรุงโมเดล AI: การปรับปรุงโมเดล AI และ Machine Learning ต้องการข้อมูลและการฝึกอบรมอย่างต่อเนื่อง เพื่อให้ระบบสามารถตรวจจับและแยกแยะข้อบกพร่องได้อย่างถูกต้อง

การตรวจสอบเวเฟอร์เซมิคอนดักเตอร์แบบอัตโนมัติด้วย AI เป็นเครื่องมือสำคัญที่ช่วยให้กระบวนการผลิตเซมิคอนดักเตอร์มีประสิทธิภาพมากขึ้น ลดข้อผิดพลาด และเพิ่มคุณภาพของผลิตภัณฑ์

การตรวจจับข้อบกพร่องของการยึดเกาะในเซมิคอนดักเตอร์

ภาพประกอบ

การตรวจสอบถาด IC โดยใช้ AI

กรณีศึกษา

หลังจากที่ชิปผ่านกระบวนการตรวจสอบและการซิงกูเลชั่นแล้ว ชิปเหล่านั้นจะถูกถ่ายโอนไปยังช่องที่กำหนดภายในถาด IC ถาดเหล่านี้จะยึดชิปไว้อย่างแน่นหนาจนกว่าจะพร้อมสำหรับการจัดส่งขั้นสุดท้ายให้กับลูกค้า อย่างไรก็ตาม ขนาดที่เล็กและน้ำหนักเบาของเศษทำให้มีแนวโน้มที่จะทำซ้ำ วางผิดที่ เอียง หรือกลับด้านระหว่างการจัดการภายในถาด

โจทย์งาน

ปัญหาชิปเซมิคอนดักเตอร์ที่หายไปหรือวางผิดตำแหน่งทำให้เกิดความท้าทายมากมาย ส่งผลให้มีการจัดวางที่แตกต่างกันไป แตกต่างกันไปตามตำแหน่ง มุม และการวางแนว ระบบที่อิงกฎแบบดั้งเดิมพยายามดิ้นรนเพื่อระบุและจัดหมวดหมู่ตำแหน่งที่มีข้อบกพร่องทุกประเภทอย่างมีประสิทธิภาพ เนื่องจากความซับซ้อนและความแปรปรวนที่เกี่ยวข้อง

วิธีการ

เครื่องมือแบ่งส่วนของ SolVision ใช้การประมวลผลภาพ AI เพื่อวิเคราะห์สถานการณ์การวางตำแหน่งชิปที่หลากหลายบนถาด IC ด้วยการฝึกอบรมที่รวดเร็ว โมเดล AI สามารถระบุและเน้นความเบี่ยงเบนในการวางชิปได้อย่างแม่นยำ ช่วยให้สามารถจดจำและระบุตำแหน่งชิปที่วางผิดปกติได้อย่างแม่นยำด้วยประสิทธิภาพที่ยอดเยี่ยม

ผลที่ได้รับ

การประกันคุณภาพที่ได้รับการปรับปรุงผ่านมาตรฐานที่สูงขึ้นในการวางตำแหน่งชิป ความแม่นยำในการตรวจจับที่ดีขึ้นสำหรับชิปที่วางผิดที่ในถาด IC การตรวจสอบการวางตำแหน่งชิปที่หลากหลายมีความคล่องตัว

ภาพประกอบ

การตรวจสอบชิปเซมิคอนดักเตอร์ที่บรรจุหีบห่อ

ภาพประกอบ