반도체의 기하학적 구조가 10nm 이하로 줄어들면서 '무해한' 외관상의 결함과 치명적인 기능적 결함 사이의 경계가 실질적으로 사라집니다. 웨이퍼 표면의 작은 긁힘이나 얼룩은 한때 무시할 수 있는 것처럼 보였습니다. 오늘날 극심한 열 스트레스로 인해 심각한 신뢰성 위험이 발생합니다. 최신 웨이퍼 및 패키징 볼륨에 대해 인간 검사는 더 이상 통계적으로 실행 가능하지 않습니다. 작업자는 수백만 개의 미세한 구성 요소를 정확하게 처리할 수 없습니다. 지속적인 눈의 피로는 자연스럽게 이상 징후를 놓치게 만듭니다.
자동화로 업그레이드 중 외관상의 결함 검사 장비는 이제 고수율 제조를 위한 기본 요구 사항입니다. 그러나 실제 투자수익률을 계산하려면 좀 더 심층적인 조사가 필요합니다. 단순한 결함 포착률 그 이상을 살펴봐야 합니다. 정확성, 생산 처리량 및 데이터 추적성이 완벽하게 균형을 이루는 시스템이 필요합니다. 이 기사에서는 고급 감지 시스템이 어떻게 수율을 보호하고 현대 제조 시설에서 품질 관리를 재정의하는지 살펴봅니다.
수율 보호: 자동화된 표면 결함 감지를 통해 표면 이상(미세 긁힘, 얼룩, 칩핑)이 후속 고장으로 악화되는 것을 방지합니다.
과잉 감소: 고급 시스템은 심각한 결함과 허용 가능한 차이를 구별하여 실행 가능한 실리콘을 낭비하는 거짓 긍정(과잉)을 최소화합니다.
추적성: 최신 시각적 검사 장비는 MES/YMS와 직접 통합되어 근본 원인 분석을 위한 폐쇄 루프 피드백을 제공합니다.
AI 대 기존: 규칙 기반 AOI(자동 광학 검사)에서 딥 러닝 모델로의 전환은 제조업체가 검사 솔루션을 평가하는 방식을 근본적으로 변화시키고 있습니다.
우리는 종종 미용상의 결함을 무해한 것으로 간주합니다. 이러한 가정은 오늘날 위험합니다. 미적 결함과 기능적 결함 사이의 경계는 끊임없이 모호해집니다. 실리콘 가장자리의 작은 칩은 단순한 미적 문제처럼 보일 수 있습니다. 그러나 이는 심각한 응력 집중 지점을 생성합니다. 구성 요소가 열 순환을 겪을 때 이 지점이 실패합니다. 결함은 미세한 균열로 확장됩니다. 결국 기능 회로가 파괴됩니다. 패시베이션 층 변형이나 약간의 변색은 종종 근본적인 화학적 불균형을 나타냅니다. 고전력 애플리케이션에서는 표면적으로 보이는 이러한 이상 현상을 무시할 수 없습니다.
거짓 부정은 시스템이 결함을 놓쳤을 때 발생합니다. 우리는 이것을 '미달'이라고 부릅니다. 외관상의 결함을 피하는 것은 심각한 결과를 초래합니다. 그들은 감지되지 않은 채 최종 제품에 미끄러집니다. 현장 오류는 배포 직후에 발생합니다. 고객은 비용이 많이 드는 RMA(반품 승인)를 발행합니다. 더 중요한 것은 공급업체 자격 상태가 큰 타격을 받는다는 것입니다. Automotive Electronics Council과 같은 기관에서는 AEC-Q100과 같은 신뢰성 표준을 엄격하게 시행합니다. 그들은 제로 결함을 요구합니다. 흠집 하나라도 놓치면 평판이 완전히 손상됩니다.
거짓 긍정(false positive)도 똑같이 파괴적입니다. 우리는 이것을 '과잉'이라고 부릅니다. 기존 검사 도구는 종종 매우 민감합니다. 허용 가능한 재료 차이를 심각한 결함으로 표시합니다. 이는 인위적으로 수율을 저하시킵니다. 결국 완벽하게 실행 가능한 실리콘을 폐기하게 됩니다. 또는 운영자에게 수동으로 2차 검토를 하도록 강제할 수도 있습니다. 이는 시간과 고도로 숙련된 노동력을 낭비합니다. 이는 공장 자동화의 전체 목적을 무너뜨리는 것입니다. 이러한 과잉을 대폭 줄이려면 스마트 시스템이 필요합니다.
산업 환경은 빠르게 변화하고 있습니다. Tier 1 자동차 및 항공우주 고객은 완벽한 완벽함을 요구합니다. 이제 그들은 공급망 전반에 걸쳐 엄격한 추적성을 요구합니다. 이는 모든 반도체 구성 요소에 대해 절대 무결점 허용 오차를 적용합니다. 단순한 시각적 점검으로는 더 이상 규정 준수 감사를 충족할 수 없습니다. 구성 요소 무결성에 대한 부인할 수 없는 디지털 증거를 제공해야 합니다. 자동화된 검사를 통해 검증 가능한 데이터 추적을 쉽게 얻을 수 있습니다.
일괄 샘플링은 한때 업계 표준이었습니다. 이제는 완전히 쓸모가 없습니다. 최신 인라인 처리 시스템은 구성 요소를 100% 검사합니다. 그들은 이를 최대 생산 속도로 수행합니다. 더 이상 검사소에서 병목 현상이 발생하지 않습니다. 장비는 시간당 수천 개의 단위를 지속적으로 처리합니다. 이 포괄적인 적용 범위는 즉각적인 결함 억제를 보장합니다. 값비싼 포장 단계로 넘어가기 전에 이상 징후를 포착할 수 있습니다.
현대 제조는 나노 규모로 운영됩니다. 자동화 시스템은 이 규모에 맞춰 고급 광학 장치를 사용합니다. 이는 명시야, 암시야 및 간섭계 기술을 결합합니다. 이러한 조명 방법은 표면 이상 현상을 나노미터 수준까지 드러냅니다. 10nm 입자 증착을 즉시 감지할 수 있습니다. 건장한 외관상 결함 검사를 통해 눈에 띄지 않는 부분이 없도록 보장합니다. 심각한 기능 오류로 발전하기 전에 미세한 편차를 식별합니다.
검사 도구는 양호한 칩과 불량 칩을 분류하는 것 이상의 역할을 합니다. 이들은 강력한 데이터 수집 노드로 기능합니다. 이 시스템은 수백 개의 웨이퍼에 걸쳐 결함 위치 데이터를 집계합니다. 반복되는 패턴을 쉽게 식별합니다. 예를 들어 반복되는 가장자리 긁힘은 잘못 정렬된 로봇 핸들링 암을 나타낼 수 있습니다. 업스트림 장비 드리프트를 즉시 발견할 수 있습니다. 증상을 지속적으로 필터링하는 것이 아니라 근본 원인을 해결합니다.
수동 QA 엔지니어에게 의존하면 공장 성장이 제한됩니다. 시각적 정렬은 지루하고 오류가 발생하기 쉽습니다. 현대 장비는 고도로 숙련된 작업자를 반복적인 작업에서 벗어나게 합니다. 그들은 프로세스 개선과 고급 결함 분석으로 이동합니다. 엔지니어링 팀의 가치를 극대화합니다. 그들은 하루 종일 현미경을 들여다보는 대신 복잡한 수율 문제를 해결하는 데 중점을 둡니다.
엄격한 알고리즘은 기존 규칙 기반 AOI 시스템을 관리합니다. 소프트웨어에 정확한 매개변수를 프로그래밍합니다. 이러한 시스템은 예측 가능하고 고도로 구조화된 구성 요소에 탁월합니다. 엄격한 기하학적 공차를 완벽하게 처리합니다. 그러나 적응력이 부족합니다. 그들은 예측할 수 없는 유기적 형태로 인해 어려움을 겪습니다. 다양한 배경은 알고리즘을 쉽게 혼동시킵니다. 웨이퍼 표면 전반에 걸쳐 반사율이 다양해지면 잘못된 경보가 지속적으로 발생합니다.
딥러닝은 검사 패러다임을 완전히 바꿉니다. AI 기반 모델은 하드코딩된 규칙에 의존하지 않습니다. 복잡한 표면과 대비가 낮은 결함을 아름답게 처리합니다. 오탐을 최소화하는 데 탁월합니다. 알고리즘은 대규모 데이터 세트에서 학습합니다. '좋은' 및 '나쁜' 구성 요소의 예를 제공합니다. 수용 가능한 배치 간 변형에 자연스럽게 적응합니다. 지속적이고 지루한 매개변수 조정을 피할 수 있습니다. 그들은 인간 운영자와 마찬가지로 상황을 이해합니다.
때로는 두 가지 접근 방식이 동시에 필요한 경우도 있습니다. 하이브리드 시스템은 최고의 자동화 솔루션을 제공합니다. 엄격한 계측을 위해 결정론적 규칙 기반 측정을 결합합니다. 동시에 AI 기반을 활용한다. 표면 결함 감지 . 외관 이상에 대한 단일 패스로 완벽한 기하학적 검증과 지능형 이상 인식을 얻을 수 있습니다. 이러한 다재다능함 덕분에 현대 첨단 포장 공장에서 높은 인기를 얻고 있습니다.
시스템 카테고리 |
최고의 애플리케이션 시나리오 |
주요 기술적 이점 |
주요 제한 사항 |
|---|---|---|---|
규칙 기반 AOI |
예측 가능하고 고도로 구조화된 구성 요소입니다. |
엄격한 기하학적 공차 및 계측에 적합합니다. |
유기적인 형태와 다양한 반사율로 인해 어려움을 겪고 있습니다. |
AI/머신러닝 |
복잡한 표면과 대비가 낮은 이상 현상. |
배치 변형에 적응합니다. 오탐지를 최소화합니다. |
훈련하려면 광범위하고 레이블이 지정된 결함 데이터 세트가 필요합니다. |
하이브리드 시스템 |
고급 패키징 및 엄격한 규정 준수 환경. |
정밀한 계측과 지능형 이상 감지를 결합합니다. |
더욱 복잡한 소프트웨어 통합 및 배포 단계. |
속도와 세부 사항의 균형을 신중하게 유지해야 합니다. 높은 광학 배율은 더 작은 결함을 명확하게 드러냅니다. 그러나 카메라의 시야가 크게 줄어듭니다. 이로 인해 검사 프로세스가 상당히 느려집니다. 시스템이 필요한 해상도에서 필요한 UPH(시간당 단위)를 유지하는지 평가해야 합니다. 불필요한 확대 수준으로 인해 생산 처리량을 희생할 수 없습니다.
조명은 검사 프로세스를 완전히 만들거나 망칠 수 있습니다. 반도체 재료는 본질적으로 반사율이 높습니다. 표준 조명은 눈부심을 유발하고 심각한 결함을 숨깁니다. 시스템의 조명 아키텍처를 철저하게 평가해야 합니다. 다중 각도 및 다중 스펙트럼 조명 기능을 찾으십시오. 고급 도구는 3D 이미징을 사용하여 복잡한 표면을 관통합니다. 훌륭한 육안 검사 장비는 특수 파장을 사용하여 반사 문제를 완전히 우회합니다. 이는 표면 결함의 정확한 지형을 정확하게 매핑합니다.
하드웨어는 방정식의 절반만을 나타냅니다. 소프트웨어 생태계는 실제 사용성과 공장 통합을 결정합니다. 장비는 기존 데이터 인프라와 원활하게 통합되어야 합니다. 최적의 상호 운용성을 보장하려면 배포하기 전에 몇 가지 주요 소프트웨어 요구 사항을 확인해야 합니다.
공장 전체의 기계 통신에 대한 엄격한 SECS/GEM 규정 준수를 보장합니다.
맞춤형 데이터 추출 및 보고를 활성화하려면 API 준비 상태를 확인하세요.
현재 MES(제조 실행 시스템)를 사용하여 통합 프로토콜을 테스트하세요.
기존 YMS(수율 관리 시스템)에 대한 원활한 데이터 흐름 매핑을 확인하세요.
AI 기반 시스템은 놀라운 검사 결과를 제공합니다. 그러나 이는 유난히 데이터를 많이 사용하는 도구입니다. 효과적으로 훈련하려면 광범위하고 정확하게 레이블이 지정된 데이터 세트가 필요합니다. 수천 개의 극단적인 사례를 그들에게 제공해야 합니다. 긁힘, 얼룩, 흠집 등을 명확하고 분류된 이미지가 필요합니다. 이 초기 이미지 라이브러리를 구축하려면 상당한 시간과 엔지니어링 노력이 필요합니다.
배포 첫날부터 즉각적인 완벽함을 기대하지 마십시오. 초기 설정 및 교정 단계를 확인합니다. 시스템이 특정 제품 매개변수를 학습하는 데 시간이 필요합니다. 이 교정 기간 동안 과잉 처리율이 일시적으로 급등할 수 있습니다. 머신러닝 모델은 처음에는 주의를 기울이는 실수를 범합니다. 더 많은 생산 데이터를 수집할수록 정확도가 크게 향상됩니다. 이 학습 곡선을 중심으로 생산 일정을 계획해야 합니다.
레거시 생산 라인을 업그레이드하면 물리적인 문제가 발생합니다. 최신 시스템은 막대한 양의 고해상도 데이터를 지속적으로 캡처합니다. 이러한 대규모 이미지 데이터 페이로드를 처리하려면 네트워크 인프라 업그레이드가 필요한 경우가 많습니다. 공장 현장의 물리적 설치 공간 조정이 필요할 수도 있습니다. 구형 로봇 로더에는 맞춤형 핸들링 통합이 필요한 경우가 많습니다. 철저한 반도체 검사 계획을 통해 비용이 많이 드는 배포 지연을 방지할 수 있습니다.
구매자는 공급업체의 클레임을 매우 신중하게 탐색해야 합니다. 플랫폼에 커밋하기 전에 항상 엄격한 개념 증명(PoC)을 요구하십시오. 성공적인 PoC에는 정확한 실제 성능 평가를 보장하기 위한 엄격한 지침이 필요합니다. 후보자 등록 과정에서 다음 단계를 따르세요.
테스트 단계를 위해 구체적이고 활동적인 생산 웨이퍼를 제공하십시오.
의도적으로 샘플 배치에 알려진 매우 어려운 엣지 케이스 결함을 포함합니다.
일반 벤더 테스트 샘플이나 깨끗한 데모 웨이퍼를 완전히 거부하십시오.
결함 포착률과 위양성률을 모두 독립적으로 측정합니다.
외관상의 결함 검사는 더 이상 미적인 부분에만 국한되지 않습니다. 이는 반도체 신뢰성을 위한 중요한 방어 메커니즘입니다. 이는 현대적인 수율 최적화 및 규정 준수를 위한 기반 역할을 합니다. 고급 탐지 기능을 채택하지 못하면 공급망이 다운스트림 오류에 취약해집니다.
시스템 평가는 단순한 하드웨어 사양을 넘어 발전해야 합니다. 가장 효과적인 평가 전략은 청구된 메가픽셀 수를 무시합니다. 대신, 오탐지와 수동 검토 시간을 모두 줄이는 시스템의 입증된 능력에 중점을 둡니다. 지능형 소프트웨어는 프리미엄 광학 제품만큼 중요합니다.
지금 현재 검사 프로세스를 자세히 살펴보세요. 현재의 과잉 공격 비율과 오탐률에 대해 즉시 감사를 수행하십시오. 대부분의 수동 재작업을 유발하는 특정 표면 이상을 식별합니다. 문제가 있는 결함 유형을 전적으로 기반으로 한 대상 시스템 데모를 요청하십시오.
A: 기능적 결함으로 인해 구성 요소에 즉각적인 전기적 오류가 발생합니다. 표면 얼룩이나 사소한 미세 긁힘과 같은 외관상 결함이 있어도 기능이 즉시 중단되지는 않습니다. 그러나 이는 위험한 프로세스 드리프트를 나타냅니다. 시간이 지남에 따라 열 스트레스로 인해 조기 현장 고장의 위험이 심각합니다.
A: AI는 제조상의 변화를 훨씬 더 효과적으로 처리합니다. 시각적 맥락을 이해합니다. 이는 무해한 색상 변화나 허용 가능한 재료 질감으로 인해 발생하는 오탐지를 대폭 줄입니다. 엄격한 규칙 기반 알고리즘은 이러한 사소하고 허용 가능한 차이로 인해 문제가 발생하는 경우가 많습니다.
A: 그렇습니다. 하지만 고도로 전문화된 광학 장치가 필요합니다. 표준 광학 육안 검사보다는 심층 UV 또는 전자빔 검사가 필요합니다. 이러한 고급 방법은 10nm 미만의 결함을 포착하지만 비용과 처리량이 상당히 상충됩니다.
