사전 설정된 규칙과 기존 이미지 처리 기술을 기반으로 하는 자동 광학 검사(AOI) 시스템은 일반적으로 빠르고 정확한 검사가 가능합니다. 그러나 때때로 시스템은 다이 성능에 영향을 주지 않는 프로세스 변화로 인한 외관상의 이상을 감지합니다. AOI 시스템의 감지 기준을 충족하지 못하기 때문에 결함이 있는 것으로 표시됩니다.

허용 가능한 결함이 있는 다이를 일상적으로 폐기하면 심각하고 불필요한 낭비가 발생할 수 있습니다. 점점 더 많은 웨이퍼 파운드리에서는 낭비를 방지하고 수율을 향상시키기 위해 이러한 과잉 결함을 줄이는 방법을 찾고 있습니다.

파운드리 사례 연구

실제 사용 사례를 살펴보겠습니다. 웨이퍼 제조 과정에서 크랙은 일반적으로 최종 제품의 신뢰성을 저하시킬 수 있는 심각한 결함으로 간주됩니다. 그러나 동일한 위치에서 AOI 과잉 결함을 초래하는 다른 시각적 변형이 있을 수 있습니다. 스필오버를 예로 들면, 스필오버는 일반적으로 다이의 성능에 영향을 주지 않으며 허용 가능한 결함으로 간주됩니다. 그러나 균열과 스필오버는 색상이나 패턴이 매우 유사해 보이므로 기존 AOI에서는 추상화 기능 부족으로 인해 스필오버를 균열로 잘못 판단하는 경우가 많아 예기치 않게 과도한 과잉 결함이 발생합니다. 검토 후, 실제 균열의 비율은 결함의 10%만을 차지할 수 있지만, 허용 가능한 스필오버는 90%에 달할 수 있어 과잉 결함 수가 엄청나게 많습니다.

다이 오분류 방지를 위해 AOI와 AI 결합

기존의 규칙 기반 AOI가 실제 결함과 허용 가능한 외관상 이상을 구별할 수 없게 되면 AOI의 기능을 강화하기 위해 보다 다양한 인공지능(AI) 도구가 필요합니다.
AI와 AOI 검사의 주요 차이점은 AI에는 규칙 수립이 필요하지 않다는 것입니다. 효과적인 결함 라벨링과 딥러닝을 통해 컴퓨터는 수많은 가변 기능으로부터 상호 연결된 정보를 학습할 수 있어 시스템이 정확한 판단을 내릴 수 있습니다.

이 경우 '균열'과 '패턴 스필오버'를 먼저 라벨링하고 별도로 학습합니다. 자동화된 생산 검사 중에 AOI는 다양한 관심 영역(ROI)에서 검사를 수행합니다. AOI가 감지한 결함에는 균열과 패턴 스필오버가 모두 포함될 수 있습니다. 그런 다음 AI 추론을 사용하여 정확한 분류를 수행함으로써 스필오버 제품을 '양품'으로 재분류하여 과잉 결함 및 그에 따른 낭비를 방지할 수 있습니다.

AI와 AOI를 결합함으로써 Chroma 7945는 많은 웨이퍼 파운드리에서 직면한 오랜 문제를 성공적으로 해결했습니다. 이 솔루션은 다음과 같은 목표를 달성합니다:

1. 과잉 결함 비율이 90%에서 2%로 크게 감소했습니다.
2. AOI 과잉 결함을 줄이기 위한 원스톱 솔루션으로 실시간으로 과잉 결함을 양품으로 재분류할 수 있습니다.
3. 특정 다이를 재분류하면 AI 처리 시간에 미치는 영향을 최소화하는 데 도움이 됩니다.

Chroma 7945 공정 중 웨이퍼 검사 시스템은 AI 딥 러닝을 구현하여 AOI 감지 결과를 정확하게 분류합니다. 이는 AOI가 추상적인 규칙을 통합할 수 없는 문제를 효과적으로 해결하고 허용 가능한 변형에 대한 잘못된 판단으로 인한 과잉 결함을 방지합니다.

제품 및 솔루션에 대한 자세한 내용을 확인하려면 웹사이트에 연락 정보를 남겨주십시오. 고객이 만족할 수 있는 서비스를 제공해 드리겠습니다!