반도체 웨이퍼 결함 검사

각 웨이퍼 레이어에서 결함과 그 밖의 원치 않는 이상을 분석

딥러닝은 양호한 반도체 웨이퍼 검사와 2개의 불량 검사 예시를 구분합니다.

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

반도체 웨이퍼는 다수의 층으로 구성됩니다. 각 층에서는 재료 증착, 레지스트 애플리케이션, 리소그래피, 에칭, 이온 주입 등 복잡하고 정밀한 프로세스가 수행되고, 그런 다음 레지스트가 제거됩니다.

다른 레이어가 적용되기 전에, 새로 에칭되어 주입된 레이어에 결함이 없는지 검사해야 합니다. 웨이퍼 레이어에는 최종 칩 성능에 영향을 주는 긁힘, 스핀 결함, 노출 문제, 입자 오염, 핫스팟, 웨이퍼 엣지 결점, 그 밖의 다양한 결함이 나타날 수 있습니다.

결함이 최종 테스트 단계에서만 발견될 수 있는 경우처럼 레이어 증착 직후 결함이 검출되지 않으면 결과적으로 결함 있는 제품이 생산되므로 소중한 자원을 낭비하는 셈이 됩니다. 설상가상으로 가장 낮은 수준의 결함은 전혀 검출되지 않을 수도 있습니다. 최종 전기 테스트를 통과했어도 발견되지 않은 결점으로 인해 사용 중 신뢰성이 떨어져 조기 고장을 초래할 수 있습니다.

가능한 결함 범위가 넓고, 원형 웨이퍼 어디서나 나타날 수 있습니다. 코팅에서의 결함은 예측할 수 없는 컬러의 변화로 나타날 수 있고, 이전의 적층된 레이어의 복잡한 배경에 대해 반드시 찾아내야 합니다. 이처럼 방대한 오류를 감지하도록 기존의 머신 비전을 프로그래밍하기는 불가능하며, 다층 배경에서 프로그래밍된 결함조차도 정확히 발견하지 못합니다.

제품 데모

수작업 검사는 속도가 느리므로 웨이퍼의 통계적 부분집합에서만 실시할 수 있습니다. 또한 추가적인 웨이퍼 취급이 발생하므로 새롭게 오염이나 손상의 원인이 유입될 수 있습니다. 반면, 코그넥스 딥러닝 소프트웨어는 웨이퍼에서 훨씬 더 방대한 부분에서 자동화 결함 선별검사를 실시합니다. 결함 감지 툴은 웨이퍼 레이어의 어디서든 아주 작은 결함을 감지할 수 있고, 기본적인 레이어는 완전히 무시하면서 모든 이상을 거부합니다. 또한 이중 검사 시스템에서 사용할 수 있어 모호한 원인을 식별해 오프라인 수작업 검사 스테이션으로 보내 추가적인 검토 작업을 실시할 수 있습니다.

 

In-Sight D900은 딥러닝을 이용해 반도체 웨이퍼에 결함 및 기타 원치 않는 외관상 이상을 검사합니다.

 

주요 Cognex 제품

제품 지원 및 교육 신청

MyCognex 가입