• Contatto vendite Cognex: 02 30578196

  • Contatti

Blog Cognex

Ottenere un vantaggio competitivo nella produzione di semiconduttori utilizzando la visione artificiale e il Deep Learning

Semiconductor Manufacturing Large

La ripresa della domanda di chip ha messo a dura prova la capacità di produzione in tutto il mondo. Tutto ciò che rende il processo di produzione dei chip più veloce, più efficiente e più economico offre un vantaggio competitivo.

Sempre più spesso, sofisticati sistemi di visione dotati di strumenti di deep learning indicano la strada per significativi miglioramenti della capacità a breve, migliorando l'allineamento, la tracciabilità e il rilevamento di difetti.

Allineamento

I wafer di silicio sono fabbricati in una serie di passaggi, ognuno dei quali aggiunge un ulteriore strato di materiale sopra quelli precedenti e tutti questi strati devono allinearsi con precisione.

Allineamento dei semiconduttori

Rilevamento marcatura del wafer

L'allineamento generale dei wafer si ottiene spesso controllando l'orientamento di una marcatura. I metodi tradizionali sono ingombranti, lenti e danno problemi con i sempre più comuni wafer trasparenti.

Il sistema di visione In-Sight di Cognex dotato di algoritmi PatMax si adatta a spazi ristretti e rileva in modo affidabile la marcatura in qualsiasi orientamento.

Allineamento di wafer e stampi

Uno scarso allineamento dei wafer causa problemi durante la fotolitografia, l'ispezione e il collaudo, e il taglio, causando difetti e sprechi.

Gli algoritmi geometrici di rilevamento di strutture PatMax di Cognex localizzano e allineano modelli variabili di wafer e matrici con alta precisione e ripetibilità, migliorando la qualità e la resa.

Identificazione/tracciabilità

Per garantire l'efficienza della produzione, misurare la qualità del prodotto e contrastare la contraffazione, i wafer, i supporti dei wafer, i rivestimenti in piombo, le matrici, i circuiti integrati (IC) e i circuiti stampati (PCB) sono dotati di codici di identificazione leggibili dalla macchina e caratteri alfanumerici leggibili dall'uomo per fini di tracciamento.

Questi codici possono essere difficili da leggere o usurarsi durante il processo di produzione, rendendo la lettura ottica dei caratteri (OCR) e la decodifica difficili e soggette a errori.

Tracciabilità dei semiconduttori

OCR dei wafer

Gli ID alfanumerici o Data Matrix incisi a laser tracciano i wafer di silicio dalla creazione al taglio. Le superfici dei wafer sono riflettenti e il codice può degradarsi durante la mascheratura, l'incisione e la fotolitografia.

I lettori di wafer di Cognex utilizzano algoritmi di rilevamento specifici per i wafer tanto per i codici OCR quanto per quelli 2D. L'illuminazione adattabile integrata e l'elaborazione delle immagini riducono al minimo le mancate letture.

OCR anelli porta wafer

Dato che l'ID inciso a laser sul wafer stesso diventa inutilizzabile dopo il taglio, i wafer sono trasportati dal taglio alla saldatura a filo su un anello porta wafer marcato con un ID. La pulizia dopo il taglio degrada i codici dell'anello portante, causando rallentamenti dell'automazione quando i codici vengono letti in modo errato.

I caratteri alfanumerici ambigui e le variazioni della superficie dell'anello portante rendono difficile il riconoscimento dei codici da parte della visione artificiale tradizionale. Una fotocamera intelligente con lo strumento OCR di Cognex Deep Learning<282/> riconosce anche i codici gravemente danneggiati.

Tracciamento dei circuiti integrati (IC)

I chip nei circuiti integrati sono legati a un substrato metallico, chiamato lead frame, per connettività e supporto. I rivestimenti in piombo sono incisi a laser con codici a barre 2D Data Matrix. La degradazione durante la produzione, il basso contrasto e la bassa riflettività degli stessi fanno sì che sia difficile leggere questi codici.

I lettori di codici a barre a gestione di immagini Cognex con illuminazione e ottica flessibili utilizzano algoritmi leader nel settore per decodificare anche i codici a barre Data Matrix 2D difficili da leggere.

OCR IC

Dopo il collaudo della confezione, ogni chip viene timbrato con un codice alfanumerico per la tracciabilità e la verifica quando i chip vengono assemblati sui circuiti stampati. Questi codici possono essere deformati dalla laminazione ambientale e dalle superfici altamente goffrate che riducono la leggibilità.

Lo strumento OCR del Deep Learning di Cognex è prontamente addestrato alla lettura di codici deformati, obliqui e a basso contrasto su sfondi riflettenti e strutturati e può essere rapidamente riaddestrato su nuove superfici .

Ispezione dei difetti

Identificare i difetti all'inizio del processo di produzione, facendo passare allo stesso tempi i difetti puramente cosmetici, aumenta il tasso di rendimento per wafer riducendo al minimo la rilavorazione e l'ispezione manuale.

 Ispezione di difetti di semiconduttori

Ispezione di difetti di wafer

Ogni strato di wafer deve essere ispezionato prima che venga depositato il successivo. La gamma di difetti è ampia e può apparire ovunque sullo sfondo degli strati precedenti.

Lo strumento di rilevamento difetti del Deep Learning di Cognex si addestra su un set di immagini di strati privi di difetti ed è in grado quindi di trovare e identificare difetti in qualsiasi punto dello strato del wafer e respingere le anomalie.

Marcature sonda

Le sonde utilizzate per il collaudo dei wafer prima della preparazione degli stampi lascia marcature la cui forma può rivelare se la sonda sta esercitando una pressione errata sui wafer, un segno precoce di un guasto della sonda.

Lo strumento di classificazione del Deep Learning di Cognex è in grado di distinguere tra la vasta gamma di marcature conformi e non conformi, consentendo correzioni precoci delle sonde, aumentando sia la vita della sonda sia le rese dei wafer.

Bordo degli stampi

I wafer possono essere scheggiati o presentare bave lungo i loro bordi. Questi difetti sono variabili e difficili da rilevare in modo coerente con la visione artificiale tradizionale.

Lo strumento di classificazione Cognex Deep Learning distingue i difetti dovuti a scheggiatura e alla presenza di bave dalla vasta gamma di normali segni di taglio. Rileva inoltre la graduale usura della lama di taglio, consentendone la sostituzione prima che i tassi di errore aumentino.

Superficie degli stampi

Ogni matrice, o chip, può presentare un'ampia gamma di significativi difetti di superficie , ma anche difetti estetici che non influiscono sul funzionamento. Distinguerli è difficile tanto per la visione artificiale tradizionale quanto per gli ispettori umani.

Lo strumento di rilevamento di difetti del Deep Learning di Cognex rileva e contrassegna le anomalie inaccettabili lasciando invece passare i difetti puramente cosmetici.

Saldatura a filo

La saldatura a filo collega i chip ai rivestimenti in piombo, che poi si collegano ad altri componenti. I difetti possono interrompere la trasmissione del segnale. La gamma di difetti è ampia e può sovrapporsi a difetti estetici che non incidono sul funzionamento.

Una combinazione di strumenti di rilevamento e classificazione di difetti del Deep Learning di Cognex può estrarre regioni di anomalie e quindi distinguere le saldature a filo conformi rispetto a quelle non conformi.

Saldature a filo dei semiconduttori

Parete laterale dei WLCSP (Wafer Level Chip Scale Package)

I Wafer Level Chip Scale Package sono un modo di confezionare un circuito integrato mentre è ancora parte del wafer. Le fratture sulle pareti laterali possono degradare le prestazioni, ma i confini degli strati e le fatture possono essere difficili da distinguere tra loro.

Lo strumento di rilevamento di difetti del Deep Learning di Cognex distingue accuratamente tra le fratture delle pareti laterali e i confini degli strati.

Stampaggio di circuiti integrati (IC)

I circuiti integrati sono incapsulati nella plastica per proteggerli. Varie fratture, deformazioni e vuoti possono compromettere la protezione, ma il processo può lasciare difetti estetici che non indicono sul funzionamento.

Lo strumento di rilevamento di difetti del Deep Learning di Cognex rileva le anomalie funzionali sorvolando invece sui difetti puramente estetici. Lo strumento di classificazione può essere usato per identificare tipi di difetti specifici per affrontare i problemi di produzione.

Conduttori di circuiti integrati (IC)

I piedini di chip mancanti o piegati possono rendere i chip non funzionali. L'ampia gamma di difetti dei pin e le loro posizioni pongono sfide per la tradizionale visione artificiale.

Lo strumento di rilevamento di difetti del Deep Learning di Cognex rileva rapidamente le anomalie e rifiuta i chip con difetti dei pin.

Migliorare la produzione di semiconduttori con la visione artificiale

I sistemi di visione artificiale di Cognex, soprattutto se dotati di strumenti di Deep Learning di Cognex, migliorano l'allineamento dei wafer di silicio, permettono di tracciare accuratamente wafer e chip, e rilevano e classificano una vasta gamma di difetti in ogni fase, dal wafer al circuito stampato. Con un minimo costo capitale, i miglioramenti si possono rilevare in ogni fase della catena di fornitura dei semiconduttori.

Altri post su

OTTIENI L’ACCESSO AD ASSISTENZA E FORMAZIONE IN MERITO AI PRODOTTI E MOLTO ALTRO ANCORA

Entra a far parte di MyCognex

AVETE DELLE DOMANDE?

I rappresentanti Cognex sono disponibili in tutto il mondo per supportarvi nelle vostre necessità di lettura dei codici a barre industriali

CONTATTI