WLCSP의 측벽에서 미세 균열 검출

결함을 개선하여 칩의 품질, 성능 및 수명을 개선

Vision system detecting micro cracks on WLCSP

관련 제품

VisionPro ViDi Software inspecting computer mouse on monitor

VisionPro Deep Learning

딥러닝 기반 산업용 이미지 분석을 위한 그래픽 프로그래밍 환경

In-Sight D900

In-Sight D900

In-Sight ViDi 딥러닝 기반 비전 소프트웨어로 작동

와이어 레벨 칩 스케일 패키지(WLCSP)는 여러 층으로 구성되며 잘못된 취급, 과도한 스트레스(즉, 솔더 볼 마운트) 또는 거친 운송으로 인한 손상으로 미세 균열이 진행될 수 있습니다. 프로세스 조기에 발견하지 못하면 이러한 균열이 칩의 품질, 성능, 지속성에 영향을 줄 수 있습니다.

이러한 구조적 위험으로 인해 WLCSP를 검사해야 합니다. WLCSP의 측벽을 따라 결함을 검사할 때 층의 변화와 미세 균열 간을 구분하기가 힘듭니다. 규칙 기반 머신 비전의 경우에는 요란한 저대비 배경 때문에 측면에서 WLCSP를 볼 때 패턴이 혼동되어 이를 구분하기가 어렵습니다. 예를 들어 균열의 위치가 각기 다르고 구조층의 불규칙한 라인으로 보일 수 있습니다.

제품 데모

규칙 기반 머신 비전을 사용해 WLCSP의 미세 균열을 올바로 검출하는 작업은 시간 소모적인 까다로운 일입니다. 코그넥스 딥러닝 툴은 지능형 알고리즘을 적용해 정상적인 구조층과 결함 간의 차이를 인식함으로써 보다 효율적으로 미세 균열을 발견할 수 있습니다.

이 소프트웨어는 WLCSP 내의 미세 균열을 나타내는 광범위한 이미지를 비롯해 정상적인 층을 나타내는 이미지 세트를 사용해 트레이닝됩니다. 결함 감지 툴이 정상 층의 변화를 인식해 결함(미세 균열)을 보다 종합적으로 이해합니다.

딥러닝을 사용하면 매우 정확한 검사가 가능하므로 NG로 잘못 분류되었을 수 있는 양호한 칩 패키지를 선별해 생산량 증가를 가져올 수 있습니다. 이와 반대로, 딥러닝은 기존의 방법으로는 검사에 통과했던 WLCSP의 미세 균열을 검출할 수 있어 제품 실패를 미연에 방지할 수 있습니다.

 

양호한 WLCSP 및 미세 균열이 있는 불량한 WLCSP의 예

 

주요 Cognex 제품

제품 지원 및 교육 신청

MyCognex 가입