Поскольку геометрия полупроводников сжимается до 10 нм и ниже, порог между «безобидным» косметическим дефектом и фатальным функциональным дефектом практически исчезает. Незначительные царапины или пятна на поверхности пластины когда-то казались незначительными. Сегодня они представляют серьезный риск для надежности в условиях экстремальных температурных нагрузок. Человеческий контроль больше не является статистически жизнеспособным для современных объемов пластин и упаковки. Операторы просто не могут точно обрабатывать миллионы микроскопических компонентов. Постоянное утомление глаз естественным образом приводит к пропуску аномалий.
Обновление до автоматизированного Оборудование для проверки косметических дефектов в настоящее время является основным требованием для высокопроизводительного производства. Однако расчет истинной рентабельности инвестиций требует более глубокого взгляда. Вы должны смотреть дальше простых показателей выявления дефектов. Вам нужна система, которая идеально сочетает в себе точность, производительность производства и отслеживаемость данных. В этой статье рассматривается, как передовые системы обнаружения защищают производительность и меняют подход к контролю качества на современных производственных предприятиях.
Защита выхода: автоматическое обнаружение поверхностных дефектов предотвращает перерастание поверхностных аномалий (микроцарапин, пятен, сколов) в последующие неисправности.
Сокращение переборов: передовые системы различают критические дефекты и допустимые отклонения, сводя к минимуму ложные срабатывания (переборы), приводящие к потере жизнеспособного кремния.
Прослеживаемость: современное оборудование для визуального контроля напрямую интегрируется с MES/YMS, обеспечивая обратную связь по замкнутому контуру для анализа первопричин.
ИИ против традиционного: Переход от основанного на правилах AOI (автоматического оптического контроля) к моделям глубокого обучения фундаментально меняет то, как производители оценивают решения для контроля.
Мы часто относимся к косметическим недостаткам как к безобидным. Это предположение сегодня опасно. Граница между эстетическими и функциональными дефектами постоянно стирается. Крошечный скол на краю кремния может показаться простой эстетической проблемой. Однако это создает серьезную точку концентрации стресса. Когда компонент подвергается термоциклированию, этот момент выходит из строя. Дефект расширяется до микроскопической трещины. В конце концов, это разрушает функциональную схему. Изменения или небольшие изменения цвета пассивационного слоя часто указывают на основной химический дисбаланс. Вы не можете позволить себе игнорировать эти, казалось бы, поверхностные аномалии в приложениях с высокой мощностью.
Ложноотрицательные результаты случаются, когда система пропускает дефект. Мы называем это «недоубийством». Устранение косметических дефектов влечет за собой тяжелые последствия. Они проникают в конечный продукт незамеченными. Сбои на местах происходят вскоре после развертывания. Клиенты выдают дорогостоящие разрешения на возврат товара (RMA). Что еще более важно, ваш квалификационный статус поставщика серьезно пострадает. Такие учреждения, как Совет по автомобильной электронике, строго соблюдают стандарты надежности, такие как AEC-Q100. Они требуют отсутствия дефектов. Отсутствие одной царапины полностью повредит вашей репутации.
Ложные срабатывания одинаково разрушительны. Мы называем это «чрезмерным убийством». Традиционные инструменты проверки зачастую сверхчувствительны. Они отмечают приемлемые отклонения материалов как критические дефекты. Это искусственно снижает вашу доходность. В конечном итоге вы отказываетесь от вполне жизнеспособного кремния. Альтернативно вы заставляете операторов вручную выполнять вторичную проверку. Это трата времени и высококвалифицированной рабочей силы. Это сводит на нет всю цель автоматизации производства. Вам нужны умные системы, чтобы резко сократить это излишество.
Ситуация в отрасли быстро меняется. Клиенты первого уровня в автомобильной и аэрокосмической отрасли требуют абсолютного совершенства. Теперь они требуют строгого отслеживания по всей цепочке поставок. Они обеспечивают абсолютные допуски на отсутствие дефектов для всех полупроводниковых компонентов. Простая визуальная проверка больше не удовлетворяет требованиям аудита соответствия. Вы должны предоставить неоспоримое цифровое доказательство целостности компонента. Автоматизированная проверка позволяет без особых усилий получить эти поддающиеся проверке данные.
Когда-то пакетный отбор проб был отраслевым стандартом. Сейчас оно полностью устарело. Современные поточные системы обработки проверяют 100% компонентов. Они делают это на полной производственной скорости. Вам больше не придется сталкиваться с узкими местами на станции техосмотра. Оборудование непрерывно обрабатывает тысячи единиц продукции в час. Такое комплексное покрытие гарантирует немедленное устранение дефектов. Вы выявляете аномалии до того, как они перейдут на дорогостоящие этапы упаковки.
Современное производство работает на наноуровне. Автоматизированные системы используют передовую оптику, соответствующую этому масштабу. Они сочетают в себе методы светлого поля, темного поля и интерферометрии. Эти методы освещения выявляют поверхностные аномалии вплоть до нанометрового уровня. Они могут мгновенно обнаружить осаждение частиц размером 10 нм. Крепкий Проверка косметических дефектов гарантирует, что ничто не останется незамеченным. Вы выявляете микроскопические отклонения до того, как они перерастут в серьезные функциональные ошибки.
Инструменты проверки делают больше, чем просто сортируют хорошую стружку от плохой. Они функционируют как мощные узлы сбора данных. Система собирает данные о местоположении дефектов на сотнях пластин. Он легко идентифицирует повторяющиеся шаблоны. Например, повторяющиеся царапины на краях могут указывать на неправильное выравнивание роботизированного манипулятора. Вы сразу заметите дрейф оборудования, расположенного выше по течению. Вы устраняете основную причину, а не просто постоянно фильтруете симптомы.
Использование инженеров по контролю качества вручную ограничивает рост вашего предприятия. Визуальная сортировка утомительна и подвержена ошибкам. Современное оборудование отвлекает этих высококвалифицированных работников от рутинных задач. Они переходят к улучшению процессов и расширенному анализу дефектов. Вы максимизируете ценность своей инженерной команды. Они сосредотачиваются на решении сложных проблем урожайности, а не целыми днями смотрят в микроскопы.
Строгие алгоритмы управляют традиционными системами AOI, основанными на правилах. Вы программируете точные параметры в программное обеспечение. Эти системы отличаются предсказуемыми, высокоструктурированными компонентами. Они прекрасно справляются со строгими геометрическими допусками. Однако им не хватает адаптивности. Они борются с непредсказуемыми органическими формами. Разное происхождение легко сбивает с толку алгоритмы. Различная отражательная способность поверхности пластины постоянно вызывает ложные срабатывания.
Глубокое обучение полностью меняет парадигму проверки. Модели на основе искусственного интеллекта не полагаются на жестко запрограммированные правила. Они прекрасно обрабатывают сложные поверхности и малоконтрастные дефекты. Они преуспевают в минимизации ложных срабатываний. Алгоритмы учатся на огромных наборах данных. Вы кормите их примерами «хороших» и «плохих» компонентов. Они естественным образом адаптируются к приемлемым изменениям от партии к партии. Вы избегаете постоянной и утомительной настройки параметров. Они понимают контекст так же, как человек-оператор.
Иногда вам нужны оба подхода одновременно. Гибридные системы предлагают идеальное автоматизированное решение. Они сочетают в себе детерминированные измерения на основе правил для строгой метрологии. Одновременно они используют искусственный интеллект обнаружение поверхностных дефектов при косметических аномалиях. Вы получаете идеальную геометрическую проверку и интеллектуальное распознавание аномалий за один проход. Эта универсальность делает их очень востребованными на современных упаковочных предприятиях.
Категория системы |
Лучший сценарий применения |
Ключевое техническое преимущество |
Основное ограничение |
|---|---|---|---|
Основанный на правилах AOI |
Предсказуемые, высокоструктурированные компоненты. |
Идеально подходит для строгих геометрических допусков и метрологии. |
Борется с органическими формами и различной отражательной способностью. |
ИИ/Машинное обучение |
Сложные поверхности и малоконтрастные аномалии. |
Адаптируется к вариациям партии; минимизирует ложные срабатывания. |
Для обучения требуются обширные, помеченные наборы данных о дефектах. |
Гибридные системы |
Передовая упаковка и строгие условия соответствия. |
Сочетает в себе точную метрологию и интеллектуальное обнаружение аномалий. |
Более сложные этапы интеграции и развертывания программного обеспечения. |
Вы должны тщательно балансировать скорость и детализацию. Большое оптическое увеличение четко выявляет более мелкие дефекты. Однако это существенно сужает поле зрения камеры. Это значительно замедляет процесс проверки. Вы должны оценить, поддерживает ли система необходимые UPH (единицы в час) при требуемом разрешении. Вы не можете жертвовать производительностью ради ненужного увеличения.
Освещение полностью влияет на процесс проверки или разрушает его. Полупроводниковые материалы по своей природе обладают высокой отражающей способностью. Стандартное освещение создает резкие блики и скрывает критические дефекты. Вы должны тщательно оценить архитектуру освещения системы. Ищите возможности многоугольного и многоспектрального освещения. Передовые инструменты используют 3D-изображения для проникновения в сложные поверхности. Отличный Оборудование для визуального контроля использует специальные длины волн, чтобы полностью обойти проблемы отражательной способности. Это точно отображает точную топографию поверхностного дефекта.
Аппаратное обеспечение представляет собой лишь половину уравнения. Экосистема программного обеспечения диктует удобство использования в реальных условиях и заводскую интеграцию. Оборудование должно легко интегрироваться с существующей инфраструктурой данных. Чтобы обеспечить оптимальную совместимость, перед развертыванием необходимо проверить несколько ключевых требований к программному обеспечению:
Обеспечьте строгое соответствие SECS/GEM для общезаводской связи.
Проверьте готовность API для включения настраиваемого извлечения данных и составления отчетов.
Протестируйте протоколы интеграции с имеющимися у вас системами управления производством (MES).
Убедитесь, что поток данных плавно отображается в существующих системах управления доходностью (YMS).
Системы на базе искусственного интеллекта обеспечивают невероятные результаты проверки. Однако они являются исключительно ресурсоемкими инструментами. Для эффективного обучения им требуются обширные, точно размеченные наборы данных. Вы должны предоставить им тысячи примеров крайних случаев. Вам нужны четкие, разбитые по категориям изображения царапин, пятен и сколов. Создание этой первоначальной библиотеки изображений требует значительного времени и инженерных усилий.
Не ждите мгновенного совершенства в первый же день развертывания. Подтвердите этап начальной настройки и калибровки. Системе требуется время, чтобы изучить конкретные параметры вашего продукта. В течение этого периода калибровки уровень избыточного уничтожения может временно резко возрасти. Модель машинного обучения поначалу допускает излишнюю осторожность. По мере того, как он принимает больше производственных данных, точность значительно возрастает. Вы должны планировать производственные графики с учетом этой кривой обучения.
Модернизация устаревших производственных линий сопряжена с физическими проблемами. Современные системы непрерывно собирают огромные объемы данных с высоким разрешением. Модернизация сетевой инфраструктуры часто необходима для обработки этих огромных объемов полезных данных изображений. Вам также может потребоваться корректировка физического пространства на заводе. Для старых роботизированных погрузчиков часто требуется интеграция индивидуальной обработки. Тщательный планирование проверки полупроводников предотвращает дорогостоящие задержки при развертывании.
Покупатели должны очень внимательно относиться к претензиям поставщиков. Всегда требуйте тщательного подтверждения концепции (PoC), прежде чем переходить на платформу. Успешный PoC требует строгих правил для обеспечения точной оценки производительности в реальных условиях. Выполните следующие шаги в процессе включения в короткий список:
Предоставьте свои конкретные активные производственные пластины для этапа тестирования.
Целенаправленно включайте в выборочную партию известные, крайне сложные дефекты.
Полностью откажитесь от стандартных тестовых образцов поставщиков или оригинальных демонстрационных пластин.
Независимо измерьте как уровень обнаружения дефектов, так и уровень ложных срабатываний.
Проверка косметических дефектов – это уже не только вопрос эстетики. Это критический защитный механизм для надежности полупроводников. Он служит основой для современной оптимизации урожайности и соблюдения требований. Неспособность внедрить расширенные возможности обнаружения делает вашу цепочку поставок уязвимой для сбоев на последующих этапах.
Оценки системы должны выходить за рамки простых спецификаций оборудования. Самая эффективная стратегия оценки игнорирует заявленное количество мегапикселей. Вместо этого основное внимание уделяется проверенной способности системы сокращать как ложные срабатывания, так и время проверки вручную. Интеллектуальное программное обеспечение имеет такое же значение, как и оптика премиум-класса.
Сегодня внимательно посмотрите на текущие процессы проверки. Проведите немедленную проверку текущих показателей перебора и ложных срабатываний. Определите конкретные аномалии поверхности, вызывающие большую часть доработок вручную. Запросите целевые демонстрации системы, полностью основанные на этих проблематичных типах дефектов.
О: Функциональные дефекты вызывают немедленный электрический сбой в компоненте. Косметические дефекты, такие как поверхностные пятна или незначительные микроцарапины, не приводят к немедленному прекращению работы. Однако они указывают на опасное отклонение процесса. Они серьезно рискуют преждевременным выходом поля из строя из-за термического напряжения с течением времени.
Ответ: ИИ гораздо лучше справляется с производственными вариациями. Он понимает визуальный контекст. Это значительно снижает количество ложных срабатываний, вызванных безобидными изменениями цвета или приемлемыми текстурами материалов. Строгие алгоритмы, основанные на правилах, часто спотыкаются об этих незначительных, приемлемых различиях.
О: Да, но для этого требуется узкоспециализированная оптика. Вам нужен глубокий УФ- или электронно-лучевой контроль, а не стандартный оптический визуальный контроль. Эти передовые методы улавливают дефекты размером менее 10 нм, но сопряжены со значительными компромиссами в стоимости и пропускной способности.
