Fehlerprüfung von Halbleiter-Wafern

Analyse jeder einzelnen Waferschicht auf Fehler und andere unerwünschte Abweichungen

Deep Learning unterscheidet zwischen einer Prüfung von ordnungsgemäßen Halbleiter-Wafern und zwei schlechten Prüfbeispielen.

Ähnliche Produkte

VisionPro ViDi Software inspecting computer mouse on monitor

VisionPro Deep Learning

Grafische Programmierumgebung für Deep Learning-basierte industrielle Bildanalyse

In-Sight D900

In-Sight D900

Ausgestattet mit der In-Sight ViDi Deep-Learning-basierten Bildverarbeitungssoftware

Halbleiter-Wafer bestehen aus vielen Schichten. Für jede Schicht wird ein komplexes und präzises Verfahren von Materialabscheidung, Fotolack-Auftrag, Lithographie, Ätzung und Ionenimplantation durchgeführt, nach welchem der Fotolack entfernt wird.

Bevor eine neue Schicht aufgebracht wird, muss die frisch geätzte und implantierte Schicht auf Fehler geprüft werden. Waferschichten können Kratzer, Rotationsfehler, Belichtungsprobleme, Verunreinigungen durch Partikel, Hot Spots, optische Mängel am Waferrand und viele andere Fehler aufweisen, die letztlich die Chipleistung beeinträchtigen können.

Werden solche Fehler nicht unmittelbar nach dem Schichtaufbau erkannt, können sie möglicherweise erst bei der Endkontrolle entdeckt werden. So werden wertvolle Ressourcen verschwendet werden, da zusätzlicher Wert in ein mangelhaftes Produkt fließt. Noch schlimmer, Fehler auf den niedrigsten Ebenen werden möglicherweise gar nicht entdeckt. Selbst wenn sie die elektrische Endkontrolle bestehen, können unentdeckte Mängel die Zuverlässigkeit der Anwendung reduzieren und zu vorzeitigen Ausfällen führen.

Die Bandbreite möglicher Fehler ist groß und sie können sich überall am runden Wafer befinden. Mängel in Beschichtungen können sich als unvorhersehbare Farbabweichungen äußern und müssen vor dem komplexen Hintergrund der zuvor aufgebrachten Schichten entdeckt werden. Herkömmliche industrielle Bildverarbeitung kann für eine so große Fehlerbandbreite nicht programmiert werden und ist selbst beim Erkennen programmierter Fehler vor einem mehrschichtigen Hintergrund unzuverlässig.

Da manuelle Prüfungen langsam sind, können sie nur an einer statistischen Stichprobe der Wafer durchgeführt werden. Sie führen auch zu zusätzlichem Wafer-Handling, was neue VQuellen für Verunreinigung und Beschädigung mit sich bringt. IDie Deep-Learning-Software von Cognex führt dagegen eine automatisierte Fehlerprüfung an einem viel größeren Teil der Wafer durch. Das Defekterkennungstool kann sogar kleine Fehler überall auf der Waferschicht erkennen und dabei darunter liegende Schichten völlig ignorieren. So können Abweichungen als nicht zulässig identifiziert werden. Das Tool kann auch in einem zweistufigen Prüfsystem zum Einsatz kommen. Dort erkennt es Zweifelsfälle und sendet diese an eine manuelle Offline-Prüfstation zur weiteren Überprüfung.

 

Das In-Sight D900 nutzt Deep Learning zur Prüfung von Halbleiter-Wafern auf Fehler und andere unerwünschte optische Anomalien.

 

Empfohlene Cognex-Produkte

ERHALTEN SIE ZUGANG ZU SUPPORT & TRAINING FÜR PRODUKTE & MEHR

Werden Sie Teil von MyCognex