전력 전자 장치 및 RF 모듈 제조는 위험성이 높은 환경에서 운영됩니다. 여기서는 사소한 기판 결함이라도 급속히 치명적인 열적 또는 전기적 고장으로 이어집니다. 수년 동안 제조업체는 이러한 중요한 결함을 파악하기 위해 수동 현미경 검사에 크게 의존했습니다. 그러나 인간 운영자는 필연적으로 눈의 피로, 일관되지 않은 판단, 용납할 수 없을 정도로 낮은 처리량으로 고통받습니다. 수동 방법만으로는 대용량 정밀도를 확장할 수 없습니다. 이러한 운영상의 병목 현상으로 인해 현대 제조 라인에서는 자동 광학 검사로의 전환이 필수입니다. 이 가이드에서는 AOI 시스템을 효과적으로 구성하고 평가하는 방법을 자세히 설명합니다. 우리는 알루미나, 질화알루미늄, 질화규소 기판의 고유한 광학 특성을 처리하는 방법을 탐구합니다. 검사 로직을 최적화하기 위한 입증된 전략을 배우게 됩니다. 궁극적으로 비용이 많이 드는 허위 거부율을 높이지 않고도 탐지 정확도를 향상시킬 수 있습니다.
효과적인 세라믹 기판 AOI 검사에는 재료별 광학 구성이 필요합니다. 모든 용도에 적합한 단일 조명 설정은 높은 오탐률을 초래합니다.
Al2O3, AlN 및 Si3N4는 각각 반투명도 및 눈부심(Al2O3)부터 낮은 대비 및 어두운 배경(AlN, Si3N4)에 이르기까지 고유한 이미징 문제를 제시합니다.
신뢰할 수 있는 세라믹 기판 결함 감지는 베어 기판 결함(마이크로 균열, 핀홀)과 금속화/결합 결함(DBC/AMB 보이드, 에칭 오류)을 모두 설명해야 합니다.
AOI 솔루션을 평가할 때는 허위 호출 완화 알고리즘, 자동화된 처리 안전성 및 기존 제조 실행 시스템(MES)과의 통합 기능을 우선시해야 합니다.
전력 모듈 제조에는 모든 단계에서 절대적인 정밀도가 요구됩니다. 자동화 구현 세라믹 기판 결함 감지는 제조 마진을 근본적으로 보호합니다. 주요 재무 기준은 잘못된 거부에 대한 수익 보호의 균형을 맞추는 것입니다. AOI 시스템은 결함을 효율적으로 찾는 것을 목표로 합니다. 그러나 '오버 킬링'도 최소화해야 합니다. 오버 킬은 엄격한 시스템 민감도로 인해 완벽하게 좋은 기판을 거부하는 것을 의미합니다. 과잉 거부는 알루미늄 질화물 및 실리콘 질화물과 같은 고가 재료의 마진을 직접적으로 침식합니다. 최적화된 광학 검사 시스템은 실제 이상 현상과 허용 가능한 외형 변형을 완벽하게 구별합니다.
결함을 조기에 포착하면 제품의 중요한 다운스트림 신뢰성이 보장됩니다. 기판 수준의 작은 가장자리 칩은 처음에는 사소해 보일 수 있습니다. 그러나 IGBT 또는 SiC MOSFET과 같은 최종 전력 모듈에서는 비용이 많이 드는 현장 오류가 발생하는 경우가 많습니다. 캡슐화 또는 와이어 본딩이 시작되기 전에 이러한 문제를 차단해야 합니다. 결함을 조기에 식별하면 제조업체가 불운한 기판에 값비싼 실리콘 부품을 추가하는 것을 방지할 수 있습니다.
또한 엄격한 산업 규정에서는 포괄적인 규정 준수 및 추적성을 요구합니다. IATF 16949와 같은 자동차 프레임워크에서는 엄격한 품질 문서를 요구합니다. 항공우주 표준은 똑같이 엄격한 생산 기록을 요구합니다. AOI 시스템은 자동화된 이미지 보관 및 정밀한 결함 매핑을 통해 이러한 요구 사항을 충족합니다. 생산 품질의 안정적인 디지털 트윈을 구축합니다. 이 보관된 데이터를 사용하면 공급업체 감사 중에 규정 준수를 쉽게 입증할 수 있습니다.
다양한 세라믹은 독특한 방식으로 물리적, 광학적으로 상호 작용합니다. 모든 기판 재료에 범용 조명 설정을 사용할 수는 없습니다. 믿을 수 있는 세라믹 기판 AOI 검사는 특정 광학 물리학에 지속적으로 적응해야 합니다.
알루미나는 들어오는 빛을 심하게 산란시킵니다. 결정 구조는 반투명 표면층을 생성합니다. 이러한 반투명성은 기존의 직접 조명이 예측할 수 없게 반사되는 원인이 됩니다. 결과적으로 카메라 센서는 과도한 눈부심이나 흐릿한 추적 가장자리를 포착하는 경우가 많습니다. 이 문제를 해결하려면 AOI에 특정 하드웨어 조정이 즉시 필요합니다. 다중 각도 조명과 밀접하게 결합된 동축 조명을 사용해야 합니다. 동축광은 이미지 센서를 날려버리지 않고 세라믹 표면을 약간 투과합니다. 다중 각도 LED는 표면 토폴로지를 명확하게 정의하는 데 도움이 됩니다. 이는 표면 아래 그레인 반사로 인한 잘못된 긍정을 방지합니다.
질화알루미늄은 완전히 다른 검사 장애물을 제시합니다. AlN은 일반적으로 자연적으로 더 어둡고 불투명한 외관을 나타냅니다. 이 어두운 배경은 순수 세라믹과 에칭된 구리 트레이스 사이의 시각적 대비를 심각하게 감소시킵니다. 기존 카메라는 뚜렷한 경계선을 정확하게 찾는 데 어려움을 겪습니다. 낮은 대비를 극복하려면 특정 AOI 하드웨어 조정을 구성해야 합니다. 여기에서는 HDR(High-Dynamic Range) 이미징이 절대적으로 필요합니다. HDR은 다양한 노출을 병합하여 숨겨진 추적 세부 정보를 표시합니다. 또한 특정 파장의 조명을 사용하면 가시성이 크게 향상됩니다. 파란색 또는 UV 광선을 배치하면 표면 가장자리 감지가 크게 향상됩니다. 이러한 짧은 파장은 산란을 줄여 불투명한 배경에 또렷한 윤곽선을 제공합니다.
Silicon Nitride는 매우 높은 파괴인성을 자랑합니다. 이러한 인상적인 기계적 강도에도 불구하고 눈에 띄지 않는 미세 균열이 발생하기 쉽습니다. Si3N4는 또한 주목할만한 표면 질감 변화를 특징으로 합니다. 무광택 회색 또는 어두운 배경은 지형학적 이상을 매우 잘 숨깁니다. 이 거친 질감에 대한 미세한 스크래치를 감지하는 것은 매일 표준 광학에 도전합니다. AOI 조정에는 강력한 암시야 조명이 포함되어야 합니다. 암시야 조명은 광원을 수평에 매우 가깝게 각도 조절합니다. 이 기술은 지형학적 이상을 완벽하게 강조합니다. 긁힘이나 미세한 균열은 낮은 각도의 빛을 포착하여 어두운 배경에 밝게 빛납니다.
광학 특성 요약 차트
재료 유형 |
주요 광학 과제 |
권장 조명 설정 |
핵심 이미징 기술 |
|---|---|---|---|
알루미나(Al2O3) |
투명도가 높아 눈부심이 심함 |
다중 각도 및 동축 조명 |
반사 방지 광학 필터링 |
질화알루미늄(AlN) |
불투명한 표면으로 인해 추적 대비가 낮아짐 |
단파장(청색/UV) LED |
HDR(High-Dynamic Range) 이미징 |
실리콘 질화물(Si3N4) |
미세한 미세한 균열이 숨어있는 거친 질감 |
저각 암시야 조명 |
고해상도 지형 스캐닝 |
적절한 이미징은 검사 문제의 절반만을 해결합니다. 또한 캡처된 이미지를 정확하게 해석하려면 강력한 감지 논리를 설정해야 합니다. 우리는 주요 대상을 베어 세라믹 이상과 금속화 결함으로 나눕니다.
결합되지 않은 기판을 검사하려면 고유한 구조적 약점을 사전에 찾아내야 합니다.
균열 및 모서리 치핑: 싱귤레이션 또는 다이싱 공정 중에 기계적 손상이 자주 발생합니다. 검사 논리에는 이러한 작은 균열을 포착하기 위한 가장자리별 조명이 필요합니다. 비스듬한 각도로 배치된 카메라는 들쭉날쭉한 칩이 있는지 주변을 지속적으로 모니터링합니다.
핀홀: 구조적 타협점을 찾으려면 극도의 정밀도가 필요합니다. 이 작업을 수행하려면 투과된 빛이 재료를 완전히 통과해야 합니다. 또는 고해상도 하향식 이미징을 배포할 수 있습니다. 소프트웨어는 누락된 세라믹 재료를 나타내는 어두운 점을 자동으로 표시합니다.
오염 및 얼룩: 제조 환경에서는 필연적으로 이물질이 유입됩니다. 감지 알고리즘은 무해한 변색과 중요한 이물질을 구별해야 합니다. 색상 기반 임계값은 실제 파괴적인 잔해에서 허용 가능한 처리 얼룩을 필터링하는 데 도움이 됩니다.
구리가 세라믹에 직접 결합되면 새로운 결함 등급이 나타납니다. DBC(Direct Bonded Copper) 및 AMB(Active Metal Brazing) 공정에서는 뚜렷한 이상 현상이 발생합니다.
구리 박리 및 박리: 극심한 열 스트레스로 인해 구리 층이 천천히 분리됩니다. 이러한 물집 같은 형태를 식별하려면 고급 체적 측정 기술이 필요합니다. 3D AOI 또는 구조화된 조명은 그리드 패턴을 대상 표면에 투사합니다. 그리드의 왜곡은 내부 박리로 인해 허용할 수 없는 높이 변화를 나타냅니다.
에칭 결함(단락/개방): 화학적 에칭 공정에서는 종종 원치 않는 구리가 남거나 너무 많은 재료가 제거됩니다. 여기에 표준 2D 기하학적 규칙 기반 알고리즘을 배포합니다. 소프트웨어는 트레이스 폭과 간격을 정확하게 측정합니다. 모든 치수가 설계 공차 내에서 안전하게 유지되는지 확인합니다.
산화: 과도한 표면 산화는 나중에 납땜 성능을 저하시킵니다. 우리는 색상 기반 검사 논리를 사용하여 허용할 수 없는 수준의 구리 산화를 감지합니다. 시스템은 설정된 임계값을 초과하는 진한 갈색 또는 보라색 색조를 나타내는 패널을 거부합니다.
표준결함 평가표
결함 카테고리 |
특정 결함 |
필수 검사 로직 |
|---|---|---|
베어 세라믹 |
가장자리 치핑 |
경사각 카메라 모니터링 |
베어 세라믹 |
핀홀 |
투과광 또는 하향식 스캐닝 |
금속화 |
박리 |
3D 구조화된 조명 프로젝션 |
금속화 |
에칭 반바지 |
2D 기하학적 규칙 알고리즘 |
검사 시스템을 확보하려면 신중한 기술 조사가 필요합니다. 하드웨어와 소프트웨어가 취약한 고가치 구성요소를 얼마나 잘 처리하는지 평가해야 합니다.
프로그래밍 가능한 다중 영역, 다중 색상 LED 조명은 타협할 수 없는 하드웨어 요구 사항을 나타냅니다. 혼합 재료 생산 라인은 알루미나와 질화규소 배치 사이를 자주 전환합니다. 배치마다 라이트 돔을 물리적으로 변경할 여유가 없습니다. 소프트웨어로 제어되는 조명으로 즉각적인 레시피 전환이 가능합니다. 이러한 유연성은 각 특정 기판 유형에 대한 광학 대비를 최적화하는 동시에 높은 처리량을 유지합니다.
엔지니어들은 제조 속도와 이미징 세부 사항의 균형을 지속적으로 유지합니다. 위험한 가는 균열을 안정적으로 포착하려면 미크론 미만의 해상도가 필요합니다. 그러나 고해상도 스캐닝은 사이클 시간을 상당히 느리게 만듭니다. 대량 제조에 필요한 엄격한 UPH(시간당 단위) 요구 사항을 충족해야 합니다. 가장 작은 중요 결함 크기를 먼저 계산하는 것이 좋습니다. 그런 다음 해당 결함에 정확히 3~4개의 픽셀을 매핑하는 카메라 센서를 선택합니다. 이 비율은 불필요한 이미지 데이터를 처리하지 않고도 안정적인 감지를 보장합니다.
최신 플랫폼은 두 가지 서로 다른 분석 접근 방식을 결합하여 정확성을 극대화합니다.
규칙 기반 논리: 이 전통적인 접근 방식은 엄격한 기하학적 측정에 가장 적합합니다. 트레이스 폭 확인, 금지 구역 확인, 패드 정렬 보장에 탁월합니다. 논리는 매번 엄격한 수학적 매개변수를 완벽하게 따릅니다.
AI 및 딥 러닝: 주관적인 결함을 정확하게 분류하는 데 인공 지능이 중요해졌습니다. 스크래치 심각도 수준 간의 미묘한 차이를 학습합니다. AI는 무해한 물 얼룩과 심각한 전기 화상 자국을 쉽게 구별합니다. 딥러닝을 적극적으로 활용하면 오탐률이 낮아집니다.
우리는 물리적 통합 능력을 철저히 평가해야 합니다. 세라믹은 깨지기 쉬운 재료로 악명 높습니다. AOI 기계는 저응력 클램핑 메커니즘만을 갖추고 있어야 합니다. 또는 진공 운송 벨트를 찾아야 합니다. 이러한 시스템은 가장자리에 강한 압력을 가하지 않고도 보드를 고정합니다. 검사 중 새로운 기계적 응력이 발생하는 것을 방지하는 것이 가장 중요합니다.
새로운 검사 플랫폼을 통합하는 것이 하루아침에 완벽하게 이루어지는 경우는 거의 없습니다. 갑작스러운 생산 지연을 방지하려면 특정 배포 문제를 예상해야 합니다.
모든 광학 시스템에는 초기 학습 곡선이 필요합니다. 우리는 이 중요한 시기를 라이브러리 튜닝 단계라고 부릅니다. 엔지니어가 AI 모델을 적절하게 교육할 수 있도록 적절한 시간을 할당해야 합니다. 그들은 허용 가능한 것과 허용되지 않는 외관 변형을 보여주는 수백 개의 이미지를 시스템에 공급해야 합니다. 이 단계를 서두르면 나중에 엄청난 거짓 거부 스파이크가 발생합니다. 설정하는 동안 인내심을 가지면 장기적인 안정성이 보장됩니다.
혹독한 공장 환경은 민감한 광학 교정을 지속적으로 위협합니다. 공장 주변 조명은 고감도 광학 센서를 쉽게 방해할 수 있습니다. 지나가는 지게차의 그림자나 깜박이는 머리 위 조명으로 인해 이미지 대비가 예측할 수 없게 변경됩니다. 게다가, 공기 중 먼지가 렌즈와 기판에 쌓여 매일 가짜 결함이 발생합니다. 적절한 기계 인클로저를 구현하면 이러한 문제가 효과적으로 해결됩니다. 또한 즉시 검사 구역 주변에서는 엄격한 클린룸 표준을 준수할 것을 적극 권장합니다.
고해상도 카메라는 엄청난 양의 파일을 빠르게 생성합니다. 이로 인해 공장 네트워크가 즉시 압도될 심각한 위험이 발생합니다. IT 인프라는 매분마다 압축되지 않은 기가바이트의 이미지 데이터를 스트리밍하는 데 어려움을 겪는 경우가 많습니다. 데이터 보존에 대한 엄격한 지침을 조기에 수립해야 합니다. 전달되는 이미지를 적극적으로 압축하고 거부된 보드에 대해서만 무손실 파일을 저장합니다. SECS/GEM과 같은 표준 MES 통합 프로토콜을 활용하여 원활한 통신을 보장합니다.
자동화된 광학 검사를 배포하면 기판 제조가 사후 문제 해결에서 사전 품질 관리로 전환됩니다. 성공적인 출시를 보장하려면 다음과 같은 결정적인 조치에 직접 집중하세요.
재료 기능에 따라 엄격하게 후보 목록을 작성하세요. 특정 기판 재료를 이미지화하는 입증 가능한 능력을 기반으로 AOI 공급업체를 선택하세요. 이상적인 실험실 환경뿐만 아니라 실제 생산 조건에서 테스트해 보세요.
전문 광학 기술을 미리 요구하십시오. 진지한 상업적 논의에 들어가기 전에 하드웨어가 암시야, 동축 및 다파장 조명을 지원하는지 확인하십시오.
구조화된 개념 증명(PoC) 실행: AOI 공급업체에 알려진 한계 결함 배치와 함께 '골든 보드'를 제공합니다. 이를 사용하여 자본 지출 전에 거짓 긍정 및 거짓 부정 비율을 안전하게 벤치마킹합니다.
강력한 네트워크 대역폭 계획: 고해상도 광학 스캐닝으로 생성된 대용량 데이터 페이로드를 처리하려면 서버 인프라를 미리 업그레이드하세요.
순수한 광학 성능과 함께 물리적 핸들링 시스템을 평가하는 데 시간을 투자하십시오. 취성 재료 운송을 이해하는 공급업체와 협력하면 취급으로 인한 파손을 예방할 수 있습니다. 초기 벤치마크 테스트를 위한 최악의 결함 샘플을 준비하여 오늘 공급업체 평가를 시작하세요.
A: 잘못된 호출 비율은 자료 유형 및 알고리즘 성숙도에 따라 크게 다릅니다. 기존의 규칙 기반 시스템은 종종 세라믹 텍스처로 인해 어려움을 겪으며 때로는 허위 거부율이 10%를 초과합니다. 그러나 현대 시설에서는 일반적으로 잘못된 호출이 3% 미만인 것을 목표로 합니다. 이처럼 매우 낮은 비율을 달성하려면 강력한 결함 라이브러리에서 훈련된 최적화된 딥 러닝 시스템을 활용해야 합니다.
A: 2D AOI는 주로 대비와 색상 변화에 의존합니다. 표면적을 측정하고 변색을 발견하는 데 효과적입니다. 그러나 구리 박리를 확실하게 감지할 수는 없습니다. 높이 변화를 측정하려면 3D AOI 또는 구조 조명 시스템이 필요합니다. 3D 매핑만이 내부 박리의 특징인 실제 기포 형성을 정확하게 식별합니다.
A: 예, 두께는 광학 검사 프로세스에 큰 영향을 미칩니다. 이러한 영향은 특히 알루미나 기판의 경우 반투명도와 관련하여 가장 두드러지게 나타납니다. 기판이 두꺼울수록 더 많은 빛을 차단하여 눈부심을 감소시키지만 더 높은 조명 전력이 필요합니다. 두께가 다양하면 작업자가 상향식 조명 강도를 조정하거나 초점 심도를 지속적으로 재보정해야 할 수도 있습니다.
