مزایای تجهیزات بازرسی عیوب آرایشی برای اجزای نیمه هادی

همانطور که هندسه های نیمه هادی به 10 نانومتر و کمتر کاهش می یابد، آستانه بین یک نقص زیبایی 'بی ضرر' و یک نقص عملکردی کشنده عملا ناپدید می شود. خراش ها یا لکه های جزئی روی سطح ویفر زمانی ناچیز به نظر می رسید. امروزه، آنها تحت تنش های حرارتی شدید، خطرات قابل اعتمادی جدی دارند. بازرسی انسانی دیگر از نظر آماری برای حجم ویفر و بسته بندی مدرن قابل اجرا نیست. اپراتورها به سادگی نمی توانند میلیون ها جزء میکروسکوپی را به طور دقیق پردازش کنند. خستگی مداوم چشم به طور طبیعی منجر به ناهنجاری های از دست رفته می شود.

ارتقا به خودکار تجهیزات بازرسی عیوب آرایشی اکنون یک نیاز پایه برای تولید با بازده بالا است. با این حال، محاسبه بازده واقعی سرمایه نیاز به نگاه عمیق تری دارد. شما باید فراتر از نرخ های ثبت نقص ساده نگاه کنید. شما به سیستمی نیاز دارید که دقت، توان تولید و قابلیت ردیابی داده را کاملاً متعادل کند. این مقاله به بررسی این موضوع می‌پردازد که چگونه سیستم‌های تشخیص پیشرفته از عملکرد محافظت می‌کنند و کنترل کیفیت را در تاسیسات ساخت مدرن بازتعریف می‌کنند.

خوراکی های کلیدی

• حفاظت از عملکرد: تشخیص خودکار عیب سطحی از ترکیب شدن ناهنجاری‌های سطحی (ریز خراش‌ها، لکه‌ها، بریدگی) به خرابی‌های پایین دست جلوگیری می‌کند.

• کاهش بیش از حد کشتار: سیستم های پیشرفته بین عیوب بحرانی و واریانس قابل قبول تمایز قائل می شوند و موارد مثبت کاذب (بیش از حد) را که سیلیکون زنده را هدر می دهند به حداقل می رساند.

• قابلیت ردیابی: تجهیزات بازرسی بصری مدرن مستقیماً با MES/YMS ادغام می شوند و بازخورد حلقه بسته را برای تجزیه و تحلیل علت اصلی ارائه می دهند.

• هوش مصنوعی در مقابل سنتی: تغییر از AOI مبتنی بر قانون (بازرسی نوری خودکار) به مدل‌های یادگیری عمیق اساساً نحوه ارزیابی سازندگان راه‌حل‌های بازرسی را تغییر می‌دهد.

مورد تجاری: چرا عیوب آرایشی بر بازدهی پایین تاثیر می گذارد؟

ما اغلب نقص های آرایشی را بی ضرر می دانیم. این فرض امروز خطرناک است. مرز بین نقص های زیبایی شناختی و عملکردی به طور مداوم محو می شود. یک تراشه کوچک روی لبه سیلیکون ممکن است یک مشکل زیبایی شناختی ساده به نظر برسد. با این حال، یک نقطه تمرکز استرس شدید ایجاد می کند. هنگامی که قطعه تحت چرخه حرارتی قرار می گیرد، این نقطه از کار می افتد. این نقص به شکاف میکروسکوپی تبدیل می شود. در نهایت، مدار عملکردی را از بین می برد. تغییرات لایه غیرفعال یا تغییر رنگ جزئی اغلب نشان دهنده عدم تعادل شیمیایی اساسی است. شما نمی توانید این ناهنجاری های ظاهراً سطحی را در برنامه های پرقدرت نادیده بگیرید.

منفی های کاذب زمانی اتفاق می افتد که یک سیستم نقصی را از دست بدهد. ما به این می‌گوییم «کم‌کشی». فرار از نقص‌های آرایشی عواقب سنگینی دارد. آنها بدون شناسایی به محصول نهایی می لغزند. خرابی های میدانی اندکی پس از استقرار رخ می دهد. مشتریان مجوزهای بازگشت کالا (RMA) پرهزینه صادر می کنند. مهمتر از آن، وضعیت صلاحیت فروشنده شما ضربه بزرگی می خورد. موسساتی مانند شورای الکترونیک خودرو به شدت استانداردهای قابلیت اطمینان مانند AEC-Q100 را اجرا می کنند. آنها عیوب صفر را طلب می کنند. از دست دادن یک خراش به شهرت شما صدمه می زند.

مثبت های کاذب به همان اندازه مخرب هستند. ما این را 'بیش از حد' می نامیم. ابزارهای بازرسی سنتی اغلب بسیار حساس هستند. آنها واریانس های قابل قبول مواد را به عنوان عیب های مهم علامت گذاری می کنند. این به طور مصنوعی نرخ بازدهی شما را کاهش می دهد. شما در نهایت سیلیکون کاملاً قابل دوام را دور می اندازید. از طرف دیگر، شما اپراتورها را مجبور به بررسی ثانویه دستی می‌کنید. این باعث اتلاف وقت و نیروی کار بسیار ماهر می شود. تمام هدف اتوماسیون کارخانه را شکست می دهد. شما به سیستم های هوشمند نیاز دارید تا این افزایش بیش از حد را به شدت کاهش دهید.

چشم انداز صنعت به سرعت در حال تغییر است. مشتریان Tier-1 خودرو و هوافضا به کمال مطلق نیاز دارند. آنها اکنون ردیابی دقیق را در سراسر زنجیره تامین الزامی می کنند. آنها تحمل صفر مطلق را برای تمام اجزای نیمه هادی اعمال می کنند. یک بررسی ساده بصری دیگر ممیزی های انطباق را برآورده نمی کند. شما باید گواهی دیجیتال غیرقابل انکار یکپارچگی اجزا را ارائه دهید. بازرسی خودکار این دنباله داده قابل تأیید را بدون زحمت به شما می دهد.

مزایای اصلی تجهیزات مدرن بازرسی عیوب آرایشی

نمونه برداری دسته ای زمانی استاندارد صنعت بود. اکنون کاملاً منسوخ شده است. سیستم های پردازش درون خطی مدرن 100% قطعات را بازرسی می کنند. آنها این کار را با سرعت کامل تولید انجام می دهند. دیگر در ایستگاه بازرسی با تنگنا مواجه نمی شوید. این تجهیزات هزاران واحد در ساعت را به طور مداوم پردازش می کند. این پوشش جامع مهار فوری نقص را تضمین می کند. شما قبل از اینکه به مراحل بسته بندی گران قیمت بروید، ناهنجاری ها را تشخیص می دهید.

تولید مدرن در مقیاس نانو کار می کند. سیستم های خودکار از اپتیک های پیشرفته برای مطابقت با این مقیاس استفاده می کنند. آنها تکنیک های میدان روشن، میدان تاریک و تداخل سنجی را با هم ترکیب می کنند. این روش‌های نورپردازی ناهنجاری‌های سطحی را تا سطح نانومتر نشان می‌دهند. آنها می توانند رسوب ذرات 10 نانومتری را فورا تشخیص دهند. قوی بازرسی نقص لوازم آرایشی تضمین می کند که هیچ چیز بدون توجه باقی نمی ماند. شما انحرافات میکروسکوپی را قبل از اینکه به خطاهای عملکردی اصلی تبدیل شوند، شناسایی می کنید.

ابزارهای بازرسی بیشتر از دسته بندی تراشه های خوب از تراشه های بد انجام می دهند. آنها به عنوان گره های جمع آوری داده قدرتمند عمل می کنند. این سیستم داده های مکان نقص را در صدها ویفر جمع می کند. الگوهای تکرار شونده را به راحتی شناسایی می کند. به عنوان مثال، خراش‌های مکرر لبه ممکن است نشان‌دهنده ناهماهنگی بازوی رباتیک باشد. شما فوراً متوجه رانش تجهیزات بالادست می شوید. شما به جای فیلتر کردن مداوم علائم، علت اصلی را برطرف می کنید.

تکیه بر مهندسین دستی QA رشد کارخانه شما را محدود می کند. مرتب سازی بصری خسته کننده و بسیار مستعد خطا است. تجهیزات مدرن این کارگران بسیار ماهر را از کارهای تکراری دور می کند. آنها به سمت بهبود فرآیند و تجزیه و تحلیل پیشرفته نقص حرکت می کنند. شما ارزش تیم مهندسی خود را به حداکثر می رسانید. آنها به جای خیره شدن در طول روز از طریق میکروسکوپ، بر حل چالش های پیچیده عملکرد تمرکز می کنند.

دسته های راه حل: انتخاب تجهیزات بازرسی بصری مناسب

الگوریتم‌های دقیق بر سیستم‌های AOI مبتنی بر قوانین سنتی حاکم هستند. شما پارامترهای دقیق را در نرم افزار برنامه ریزی می کنید. این سیستم ها با اجزای قابل پیش بینی و بسیار ساختار یافته برتر هستند. آنها کاملاً تحمل های هندسی سخت را کنترل می کنند. با این حال، آنها فاقد سازگاری هستند. آنها با اشکال ارگانیک غیرقابل پیش بینی مبارزه می کنند. پس زمینه های متنوع به راحتی الگوریتم ها را گیج می کنند. انعکاس متفاوت در سطح ویفر به طور مداوم آلارم های کاذب را ایجاد می کند.

یادگیری عمیق پارادایم بازرسی را به کلی تغییر می دهد. مدل‌های مجهز به هوش مصنوعی به قوانین سخت‌کد تکیه نمی‌کنند. آنها سطوح پیچیده و عیوب کم کنتراست را به زیبایی مدیریت می کنند. آنها در به حداقل رساندن موارد مثبت کاذب عالی هستند. الگوریتم ها از مجموعه داده های عظیم یاد می گیرند. شما نمونه‌هایی از اجزای 'خوب' و 'بد' را به آنها می‌دهید. آنها به طور طبیعی با تغییرات دسته به دسته قابل قبول سازگار می شوند. از تنظیم پارامترهای ثابت و خسته کننده اجتناب می کنید. آنها زمینه را بسیار شبیه به یک اپراتور انسانی درک می کنند.

گاهی اوقات شما به هر دو رویکرد به طور همزمان نیاز دارید. سیستم های هیبریدی بهترین راه حل خودکار را ارائه می دهند. آنها اندازه گیری های قطعی مبتنی بر قوانین را برای اندازه گیری دقیق ترکیب می کنند. به طور همزمان، آنها از AI-driven استفاده می کنند تشخیص عیب سطحی برای ناهنجاری های زیبایی شما با یک پاس تأیید کامل هندسی و تشخیص ناهنجاری هوشمند را دریافت می کنید. این تطبیق پذیری باعث می شود که آنها در بسته بندی های پیشرفته مدرن به شدت مورد توجه قرار گیرند.

معیارهای ارزیابی راه حل های بازرسی نیمه هادی

شما باید سرعت و جزئیات را با دقت متعادل کنید. بزرگنمایی نوری بالا عیوب کوچکتر را به وضوح نشان می دهد. با این حال، میدان دید دوربین را به میزان قابل توجهی کاهش می دهد. این امر روند بازرسی را به میزان قابل توجهی کند می کند. شما باید ارزیابی کنید که آیا سیستم UPH (واحد در ساعت) لازم را در وضوح مورد نیاز حفظ می کند یا خیر. شما نمی توانید توان تولید را فدای سطوح بزرگنمایی غیر ضروری کنید.

نورپردازی فرآیند بازرسی شما را به طور کامل می سازد یا خراب می کند. مواد نیمه رسانا ذاتاً بسیار بازتابنده هستند. نور استاندارد تابش خیره کننده ای ایجاد می کند و عیوب مهم را پنهان می کند. شما باید معماری روشنایی سیستم را به طور کامل ارزیابی کنید. به دنبال قابلیت های نورپردازی چند زاویه ای و چند طیفی باشید. ابزارهای پیشرفته از تصویربرداری سه بعدی برای نفوذ به سطوح پیچیده استفاده می کنند. عالی تجهیزات بازرسی بصری از طول موج های تخصصی برای دور زدن مسائل بازتابی به طور کامل استفاده می کنند. این توپوگرافی دقیق یک نقص سطح را به دقت ترسیم می کند.

سخت افزار تنها نیمی از معادله را نشان می دهد. اکوسیستم نرم افزار قابلیت استفاده در دنیای واقعی و ادغام کارخانه را دیکته می کند. تجهیزات باید به طور یکپارچه با زیرساخت داده موجود شما یکپارچه شوند. برای اطمینان از قابلیت همکاری بهینه، باید چندین الزام کلیدی نرم افزار را قبل از استقرار بررسی کنید:

• از انطباق دقیق SECS/GEM برای ارتباطات دستگاه در سطح کارخانه اطمینان حاصل کنید.

• برای فعال کردن استخراج و گزارش دهی سفارشی، آمادگی API را تأیید کنید.

• پروتکل های یکپارچه سازی را با سیستم های اجرایی فعلی تولید (MES) خود آزمایش کنید.

• نگاشت روان جریان داده را در سیستم های مدیریت عملکرد (YMS) موجود خود تأیید کنید.

واقعیت های پیاده سازی و ریسک های پذیرش

سیستم های مبتنی بر هوش مصنوعی نتایج بازرسی باورنکردنی را ارائه می دهند. با این حال، آنها به طور استثنایی ابزار تشنه داده هستند. آنها برای آموزش مؤثر به مجموعه داده‌های گسترده و با برچسب دقیق نیاز دارند. شما باید هزاران نمونه حاشیه ای را به آنها بدهید. شما به تصاویر واضح و طبقه بندی شده از خراش ها، لکه ها و بریدگی ها نیاز دارید. ساخت این کتابخانه تصویری اولیه به زمان و تلاش مهندسی قابل توجهی نیاز دارد.

در روز اول استقرار انتظار کمال فوری نداشته باشید. مرحله راه اندازی و کالیبراسیون اولیه را تایید کنید. سیستم برای یادگیری پارامترهای محصول خاص شما به زمان نیاز دارد. در طول این دوره کالیبراسیون، نرخ بیش از حد ممکن است به طور موقت افزایش یابد. مدل یادگیری ماشینی در ابتدا با احتیاط اشتباه می کند. همانطور که داده های تولید بیشتری را دریافت می کند، دقت به طور چشمگیری بهبود می یابد. شما باید برنامه های تولید را حول این منحنی یادگیری برنامه ریزی کنید.

ارتقاء خطوط تولید قدیمی چالش های فیزیکی را به همراه دارد. سیستم‌های مدرن مقادیر عظیمی از داده‌های با وضوح بالا را به طور مداوم ضبط می‌کنند. به روز رسانی زیرساخت شبکه اغلب برای مدیریت این حجم عظیم داده های تصویر ضروری است. همچنین ممکن است به تنظیمات ردپای فیزیکی در کف کارخانه نیاز داشته باشید. یکپارچه سازی مدیریت سفارشی اغلب برای لودرهای رباتیک قدیمی مورد نیاز است. کامل برنامه ریزی بازرسی نیمه هادی از تاخیرهای پرهزینه استقرار جلوگیری می کند.

خریداران باید ادعاهای فروشنده را با دقت بررسی کنند. همیشه قبل از متعهد شدن به یک پلتفرم، یک اثبات دقیق مفهوم (PoC) بخواهید. یک PoC موفق نیاز به دستورالعمل‌های سخت‌گیرانه برای اطمینان از ارزیابی دقیق عملکرد در دنیای واقعی دارد. این مراحل را در طول فرآیند فهرست نهایی خود دنبال کنید:

1. ویفرهای تولیدی فعال و خاص خود را برای مرحله آزمایش ارائه دهید.

2. عیب های شناخته شده و بسیار دشوار لبه مورد را در دسته نمونه به طور هدفمند وارد کنید.

3. نمونه های آزمایشی فروشنده عمومی یا ویفرهای نمایشی دست نخورده را به طور کامل رد کنید.

4. هم نرخ ثبت نقص و هم نرخ مثبت کاذب را به طور مستقل اندازه گیری کنید.

نتیجه گیری

بررسی عیوب آرایشی دیگر فقط جنبه زیبایی ندارد. این یک مکانیسم دفاعی حیاتی برای قابلیت اطمینان نیمه هادی است. این به عنوان پایه ای برای بهینه سازی عملکرد و انطباق مدرن عمل می کند. عدم استفاده از قابلیت‌های تشخیص پیشرفته، زنجیره تامین شما را در برابر خرابی‌های پایین دست آسیب‌پذیر می‌کند.

ارزیابی سیستم باید از مشخصات سخت افزاری ساده گذشته باشد. موثرترین استراتژی ارزیابی تعداد مگاپیکسل ادعا شده را نادیده می گیرد. درعوض، بر توانایی اثبات شده سیستم برای کاهش هر دو مثبت کاذب و زمان بازبینی دستی تمرکز می کند. نرم افزار هوشمند به همان اندازه که اپتیک ممتاز اهمیت دارد.

امروز با دقت به فرآیندهای بازرسی فعلی خود نگاه کنید. یک ممیزی فوری از نرخ های بیش از حد فعلی و موارد مثبت کاذب خود انجام دهید. ناهنجاری‌های سطحی خاص را که باعث بیشترین کار مجدد دستی می‌شوند، شناسایی کنید. دموی سیستم هدفمند را کاملاً بر اساس انواع نقص مشکل ساز درخواست کنید.

سوالات متداول

س: تفاوت بین یک نقص آرایشی و یک نقص عملکردی در ساخت نیمه هادی چیست؟

پاسخ: عیوب عملکردی باعث خرابی فوری الکتریکی در قطعه می شود. عیوب آرایشی، مانند لکه های سطحی یا خراش های کوچک، فوراً عملکرد را متوقف نمی کنند. با این حال، آنها نشان دهنده رانش خطرناک فرآیند هستند. آنها در طول زمان به شدت در معرض خطر شکست زودرس میدان تحت تنش حرارتی هستند.

س: هوش مصنوعی چگونه تشخیص نقص سطح را نسبت به AOI سنتی بهبود می بخشد؟

پاسخ: هوش مصنوعی تغییرات تولید را بسیار بهتر مدیریت می کند. زمینه بصری را درک می کند. این به شدت مثبت های کاذب ناشی از تغییرات رنگ بی ضرر یا بافت مواد قابل قبول را کاهش می دهد. الگوریتم‌های مبتنی بر قوانین سخت‌گیرانه اغلب بر روی این تفاوت‌های جزئی و قابل قبول ظاهر می‌شوند.

س: آیا تجهیزات بازرسی نقص آرایشی می توانند ناهنجاری های زیر 10 نانومتر را مدیریت کنند؟

پاسخ: بله، اما به اپتیک بسیار تخصصی نیاز دارد. شما نیاز به بازرسی عمیق UV یا پرتو الکترونی دارید تا بازرسی بصری نوری استاندارد. این روش‌های پیشرفته نقص‌های زیر 10 نانومتری را ثبت می‌کنند، اما با هزینه و توان عملیاتی قابل توجهی همراه هستند.