코그넥스 블로그

머신 비전 및 딥러닝을 사용해 반도체 제조에서 경쟁 우위 확보

Semiconductor Manufacturing Large

칩의 급격한 수요 증가는 전세계적으로 제조 용량을 크게 압박하고 있습니다. 칩 제조 프로세스의 속도를 높이고, 보다 효율적이면서 저렴한 가격으로 제품을 공급할 수 있다면 경쟁상의 우위를 차지할 수 있을 것입니다.

딥러닝 툴을 갖춘 정교한 비전 시스템은 점점 더 명백하게 단시간 내에 성능을 대폭 개선할 수 있는 방안을 보여주고 있으며, 그 결과 얼라인먼트, 이력 추적, 결함 감지 기능을 크게 향상시켜줍니다.

얼라인먼트

실리콘 웨이퍼는 일련의 단계에 따라 제조되며, 각 단계마다 재료층이 계속해서 쌓이게 되므로 이러한 레이어가 정밀하게 정렬되어야 합니다.

반도체 얼라인먼트

웨이퍼 노치 검출

전체 웨이퍼 얼라인먼트는 종종 노치의 방향을 확인하는 식으로 이루어집니다. 기존의 방법은 다루기가 힘들고, 느리며, 점점 보편화되고 있는 투명 웨이퍼에서는 문제를 일으킵니다.

PatMax 알고리즘을 탑재한 Cognex In-Sight 비전 시스템은 극히 좁은 공간에서 사용하기 적합하고 어떤 방향으로든 노치를 정확히 감지합니다.

웨이퍼 및 다이 얼라인먼트

웨이퍼 얼라인먼트가 잘못되면 포토리소그래피, 프로빙 및 테스트, 다이싱 중에 문제를 초래하여 결함이 발생하고 결국엔 웨이퍼를 사용할 수 없어 폐기에 이르게 됩니다.

코그넥스의 PatMax 기하구조 패턴 찾기 알고리즘은 높은 정확도와 반복성으로 다양한 웨이퍼와 다이 패턴을 찾아서 일렬로 맞추므로 품질과 생산량을 개선해줍니다.

식별/추적 가능성

제조 효율을 확보하고, 제품 품질을 측정하며, 제품 위조를 방지하기 위해서 웨이퍼, 웨이퍼 캐리어, 리드 프레임, 다이, 집적회로(IC), 인쇄회로기판(PCB)의 이력을 추적할 수 있도록 머신 판독 가능한 식별 코드와 육안으로 판독 가능한 영숫자 문자를 새겨야 합니다.

이러한 코드는 판독하기가 까다롭고 제조 프로세스 중에 마모될 수 있어 광학 문자 판독(OCR) 및 디코딩이 힘들고 오류가 발생하기 쉽습니다.

반도체 추적 가능성

웨이퍼 OCR

레이저 마킹 영숫자 또는 Data Matrix ID는 생성에서부터 다이싱까지 실리콘 웨이퍼를 추적합니다. 웨이퍼 표면은 반사성을 가지며, 마스킹, 에칭, 포토리소그래피 과정 중에 코드의 품질이 저하될 수 있습니다.

코그넥스 웨이퍼 리더기는 OCR 및 2D 바코드 모두에 대해 웨이퍼 고유의 감지 알고리즘을 사용합니다. 통합 조절식 조명 및 이미지 처리는 판독불가를 최소화합니다.

웨이퍼 캐리어 링 OCR

웨이퍼 자체의 레이저 마킹 ID는 다이싱 후 사용할 수 없게 되므로 ID 마킹 캐리어 링을 사용해 다이싱에서 와이어 본딩까지 웨이퍼가 전달됩니다. 다이싱 후 세척은 캐리어 링 코드를 손상시켜 코드가 잘못 판독되면 자동화 속도가 느려지게 됩니다.

모호한 영숫자 문자, 캐리어 링 표면의 변형 등 때문에 기존의 머신 비전으로 코드를 인식하기가 어렵습니다. 코그넥스 딥러닝의 OCR 툴을 갖춘 스마트 카메라는 심하게 손상된 코드도 인식할 수 있습니다.

IC(집적회로) 추적

IC의 칩은 연결과 지탱을 위해 리드 프레임이라고 하는 금속 기판에 결합됩니다. 리드 프레임에는 레이저로 2D Data Matrix 바코드가 표시됩니다. 생산 중 품질 저하, 저대비, 리드 프레임의 반사성은 이러한 코드를 판독하기 어렵게 만듭니다.

유연한 조명 및 광학장치를 갖춘 코그넥스 이미지 기반 바코드 리더기는 업계 최고의 알고리즘을 이용해 판독이 까다로운 2D Data Matrix 바코드도 해독할 수 있습니다.

IC OCR

패키지 테스트 후, 각 칩에는 칩이 PCB에 조립될 때 이력 추적과 검증을 위해 영숫자 코드가 찍힙니다. 이러한 코드는 주변의 적층물과 매우 거친 표면으로 변형되어 가독성이 떨어질 수 있습니다.

코그넥스 딥러닝의 OCR 툴은 반사 표면과 거친 표면에서 변형되고 비뚤어지거나 저대비 코드를 판독하도록 손쉽게 트레이닝할 수 있고, 새로운 표면에서 신속하게 다시 트레이닝이 가능합니다.

결함 검사

순전히 외관상 결점은 통과시키면서 생산 프로세스에서 조기에 결함을 식별하면 재작업과 육안 검사를 최소화함으로써 웨이퍼당 생산량을 늘릴 수 있습니다.

 반도체 결함 검사

웨이퍼 결함 검사

각 웨이퍼 레이어는 다음 층을 쌓기 전에 검사를 실시해야 합니다. 발생 가능한 결함은 범위가 넓고 이전 레이어 배경에서 어디서나 나타날 수 있습니다.

코그넥서 딥러닝의 결함 감지 툴은 결함이 없는 레이어의 이미지 세트에서 트레이닝되며, 그런 다음 웨이퍼 레이어 내의 어디서나 결함을 찾아 식별하고 이상을 거부할 수 있습니다.

프로브 마크

다이 준비 전에 웨이퍼 테스트에 사용되는 프로브는 마크를 남기는데, 이 모양은 프로브가 웨이퍼에 잘못된 압력을 가하고 있는지를 나타내어 조기에 프로브 오류를 알 수 있습니다.

코그넥스 딥러닝의 분류 툴은 광범위한 종류의 양호한 마크와 불량한 마크를 구분할 수 있어 조기에 프로브를 수정하고 프로브 수명과 웨이퍼 수율 모두를 증가시킬 수 있습니다.

다이 엣지

웨이퍼 다이는 절단 부위를 따라 치핑 또는 날카로운 부분이 생길 수 있습니다. 그러한 결함은 다양하며 기존의 머신 비전으로는 일관되게 검출하기가 힘듭니다.

코그넥스 딥러닝의 분류 툴은 광범위한 종류의 정상 절단 마크로부터 치핑 및 날카로운 결함을 구분합니다. 또한 절단날에서 점진적인 마모를 감지하여 오류율이 높아지기 전에 날을 교체할 수 있습니다.

다이 표면

각 다이 또는 칩에는 다양한 종류의 커다란 표면 결함이 나타날 수 있지만, 기능에 영향을 주지 않는 외관상의 결점도 존재합니다. 기존의 머신 비전과 검사자가 이 두 가지를 구분하기는 어렵습니다.

코그넥스 딥러닝의 결함 감지 툴은 허용할 수 없는 문제를 감지에 표시하고, 순전히 외관상의 결함은 통과시킵니다.

와이어 본딩

와이어 본딩은 칩을 리드 프레임에 연결한 다음, 다른 구성품에 연결합니다. 여기에 결함이 발생하면 신호 전송을 중단시킬 수 있습니다. 결함의 범위가 넓고 기능에 영향을 주지 않는 외관상 결함과 겹칠 수 있습니다.

코그넥스 딥러닝의 결함 감지와 분류 툴을 함께 사용하면 문제의 범위를 추출해서 불량 와이어 본딩으로부터 양호한 본딩을 구분할 수 있습니다.

반도체 와이어 본딩

WLCSP(Wafer Level Chip Scale Package) 측벽

WLCSP(Wafer Level Chip Scale Package)는 집적회로를 패키징하는 한 가지 방식으로, 여전히 웨이퍼의 한 부분입니다. 측벽 균열이 발생하면 성능이 저하될 수 있지만, 레이어 경계와 균열은 서로 구분하기가 어려울 수 있습니다.

코그넥스 딥러닝의 결함 가지 툴은 측벽 균열과 레이어 경계를 정확히 구분합니다.

IC(집적회로) 성형

집적회로는 보호를 위해 플라스틱 안에 밀폐됩니다. 다양한 균열, 변형, 공극 등이 보호 기능을 손상시킬 수 있지만, 프로세스에서 기능에 영향을 주지 않는 외관상 결함을 남길 수 있습니다.

코그넥스 딥러닝의 결함 감지 툴은 기능상 이상을 감지하고, 순전히 외관상의 결점은 통과시킵니다. 분류 툴은 특정 결함 유형을 식별하는 데 사용하여 생산 과정에서 문제를 해결할 수 있습니다.

IC(집적회로) 리드

칩 핀이 누락되거나 구부러지면 칩이 기능을 하지 못할 수 있습니다. 핀 결함의 종류가 광범위하고 위치도 제각각이기 때문에 기존 머신 비전으로는 해결하기가 어렵습니다.

코그넥스 딥러닝의 결함 가지 툴은 이상을 빠르게 감지하여 핀 결함이 있는 칩을 거부합니다.

머신 비전을 통한 반도체 제조 처리량 개선

코그넥스 머신 비전 시스템은 특히 코그넥스 딥러닝 툴을 탑재했을 때 실리콘 웨이퍼 얼라인먼트를 개선하고, 정확한 웨이퍼와 칩의 추적을 가능하게 해주며, 웨이퍼부터 PCB(인쇄회로기판)까지 각 단계에서 다양한 종류의 결함을 감지해 분류합니다. 최소한의 자본 비용으로 반도체 공급망의 각 단계에서 개선을 확인할 수 있습니다.

추가 게시물 -

제품 지원 및 교육 신청

MyCognex 가입

질문이 있으십니까?

전 세계 어디에서든 코그넥스 담당자들이 여러분의 비전과 산업용 바코드 판독 관련 문제를 지원합니다.

연락처