Obtenha uma Vantagem Competitiva na Produção de semicondutores usando Sistemas de Visão e Deep Learning

Semiconductor Manufacturing Large

A recuperação da demanda por chips afetou severamente a capacidade de produção em todo o mundo. Qualquer coisa que torne o processo de produção de chips mais rápido, eficiente e barato, proporciona vantagem competitiva.

Sistemas de visão cada vez mais sofisticados, equipados com ferramentas de deep learning, estão mostrando o caminho para melhorias significativas de capacidade em horizontes de curto prazo, melhorando o alinhamento, a rastreabilidade e a detecção de defeitos.

Alinhamento

Os wafers de silício são fabricados numa série de etapas, cada uma colocando outra camada de material sobre as camadas anteriores, e estas camadas devem ser alinhadas com exatidão.

Alinhamento de Semicondutor

Detecção de encaixe do wafer

O alinhamento geral do wafer é muitas vezes alcançado por meio da verificação da orientação de um encaixe. Os métodos tradicionais são muito volumosos, lentos e têm problemas com os wafers transparentes cada vez mais comuns.

Um sistema de visão Cognex In-Sight equipado com os algoritmos PatMax se encaixa nos espaços restritos e detecta de maneira confiável o encaixe em qualquer orientação.

Alinhamento de Wafer e Molde

O alinhamento deficiente do wafer causa problemas durante a fotolitografia, sondagem e testes, e corte em cubos, levando a defeitos e desperdício.

Os algoritmos de localização de padrão geométrico PatMax’da Cognex’localizam e alinham padrões variáveis de wafer e matriz com alta precisão e repetibilidade, melhorando a qualidade e o rendimento.

Identificação/rastreabilidade

Para garantir a eficiência na produção, medir a qualidade do produto e combater a falsificação, wafers, transportadores de wafer, molduras de chumbo, matrizes, circuitos integrados (CIs) e placas de circuito impresso (PCIs) transportam códigos de identificação legíveis por máquina e caracteres alfanuméricos legíveis por humanos para rastreamento.

Esses códigos podem ser difíceis de ler ou sofrer desgaste durante o processo de produção, tornando a leitura óptica de caracteres (OCR) e a decodificação difíceis e propensas a erros.

Rastreabilidade de semicondutores

OCR de Wafer

Identificações alfanuméricas marcadas a laser ou Data Matrix rastreiam wafers de silício desde a criação até o corte em cubos. As superfícies dos wafers são reflexivas e o código pode ficar degradado durante o mascaramento, a gravação e a fotolitografia.

Os leitores de wafer da Cognex usam algoritmos específicos de wafer tanto para OCR como para códigos de barras 2D A iluminação adaptável integrada e o processamento de imagem minimizam a falta de leituras.

OCR do Anel Transportador de Wafer

Uma vez que a ID marcada a laser no próprio wafer se torna inutilizável após o corte em cubos, os wafers são levados ao corte em cubos até a colagem do fio por um anel transportador marcado a laser. Após o corte em cubos, a limpeza degrada os códigos do anel transportador, causando lentidão na automação quando os códigos são lidos incorretamente.

Os caracteres alfanuméricos ambíguos e as variações da superfície do anel transportador tornam difícil para sistemas de visão reconhecerem os códigos. Uma câmera inteligente com a ferramenta de’ OCR do Cognex Deep Learning reconhece até mesmo códigos seriamente danificados.

Rastreamento de CI (Circuito Integrado)

Os chips nos CIs são vinculados a um substrato metálico, chamado de estrutura de chumbo para conectividade e suporte. As estruturas de chumbo são gravadas a laser com códigos de barras 2D Data Matrix. A degradação durante a produção e o baixo contraste e refletividade das próprias estruturas de chumbo fazem destes códigos um desafio de leitura.

Os leitores de código de barras por imagem com iluminação e óptica flexíveis da Cognex utilizam algoritmos líderes da indústria para decodificar até mesmo códigos de barras 2D Data Matrix desafiadores.

OCR DO CI

Após a testagem de pacote, cada chip é marcado com um código alfanumérico para rastreabilidade e verificação conforme os chips são montados nas placas de circuito impresso. Esses códigos podem ser deformados pela laminação ambiente e superfícies altamente texturizadas, reduzindo a rastreabilidade.

A ferramenta de OCR do ’ Cognex Deep Learning está prontamente treinada para ler códigos deformados, inclinados e de baixo contraste contra fundos reflexivos e texturizados, e pode ser rapidamente retreinada em novas superfícies.

Inspeção de Defeito

A identificação de defeitos no início do processo de produção ao passar por falhas puramente cosméticas aumenta a taxa de rendimento por wafer, minimizando o retrabalho e a inspeção manual.

 Inspeção de defeito de semicondutores

Inspeção de defeito do wafer

Cada camada de wafer deve ser inspecionada antes de a próxima ser depositada. A variedade de defeitos é grande e pode aparecer em qualquer lugar contra o cenário das camadas anteriores.

A ferramenta de detecção de defeitos do ’ Cognex Deep Learning treina em um conjunto de imagens de camadas livres de defeitos e pode então encontrar e identificar defeitos em qualquer parte da camada do wafer e rejeitar anomalias.

Marcas de sonda

As sondas utilizadas para testes de wafer antes da preparação do molde deixam marcas cujas formas podem mostrar se a sonda está exercendo pressão incorreta sobre os wafers, um sinal antecipado de falha da sonda.

A ferramenta de classificação do ’ Cognex Deep Learnings pode diferenciar entre a ampla gama de boas e más marcas, permitindo correções antecipadas nas sondas, aumentando tanto a vida útil da sonda quanto o rendimento do wafer.

Borda do molde

Os moldes de wafer podem estar raspados ou ter rebarbas ao longo de suas guias. Esses defeitos são variáveis e difíceis de detectar consistentemente com sistemas de visão tradicionais.

A ferramenta de classificação do ’ Cognex Deep Learning distingue os defeitos de raspas e rebarbas da grande variedade de marcas de corte normais. Também detecta o desgaste gradual na lâmina de corte, possibilitando a substituição antes que as taxas de erro aumentem.

Superfície do molde

Cada molde pode ter uma ampla variedade de defeitos significativos na superfície, mas também falhas cosméticas que não afetam a função. É difícil tanto para sistemas de visão tradicionais quanto para inspetores humanos distinguirem entre eles.

A ferramenta de detecção de defeitos do’Cognex Deep Learning detecta e marca anomalias inaceitáveis ao passar por defeitos puramente cosméticos.

Ligação de fio

A conexão do fio liga chips a estruturas de chumbo, que depois se conectam a outros componentes. Os defeitos podem interromper a transmissão de sinal. A variedade de defeitos é ampla e pode se sobrepor a defeitos cosméticos que não afetam a função.

Uma combinação de ferramentas de detecção e classificação de defeitos do Cognex Deep Learning pode extrair regiões de anomalias e, em seguida, distinguir as conexões de fio boas das ruins.

Conexões de fio do semicondutor

Parede lateral do WLCSP (Pacote de Escala de Chip de Nível de Wafer)

Os Pacotes de Escala de Chip de Nível de Wafer são uma forma de embalar um circuito integrado enquanto ainda é parte do wafer. Rachaduras nas paredes laterais podem degradar o desempenho, mas os limites das camadas e as rachaduras podem ser difíceis de distinguir uns dos outros.

A ferramenta de detecção de defeitos do’Cognex Deep Learning distingue com precisão as rachaduras nas paredes laterais e os limites das camadas.

Moldagem do CI (Circuito Integrado)

Os circuitos integrados são encapsulados em plástico para protegê-los. Várias rachaduras, deformações e lacunas podem comprometer a proteção, mas o processo pode deixar defeitos cosméticos que não afetam o funcionamento.

A ferramenta de detecção de defeitos do ’Cognex Deep Learning detecta anomalias de funcionamento enquanto passa por falhas puramente cosméticas. A ferramenta de classificação pode ser usada para identificar tipos de defeito específicos para abordar as questões de produção.

Condutores do CI (Circuito Integrado)

Pinos de chip em falta ou dobrados podem tornar os chips não funcionais. A ampla variedade de defeitos de pino e locais desafia os sistemas de visão tradicionais.

A ferramenta de detecção de defeitos do ’Cognex Deep Learning detecta rapidamente as anomalias e rejeita chips com defeitos nos pinos.

Melhore o rendimento da fabricação de semicondutores com sistemas de visão

Os sistemas de visão da Cognex, particularmente quando equipados com as ferramentas do Cognex Deep Learning, melhoram o alinhamento de wafer de silício, possibilitam rastreamento preciso de wafers e chips e detectam e classificam uma ampla variedade de defeitos em cada etapa do wafer para as placas de circuito impresso (PCB). Com um custo de capital mínimo, melhorias podem ser vistas em cada etapa da cadeia de suprimento do semicondutor.

Mais Publicações em

ACESSE O SUPORTE E TREINAMENTO DE PRODUTOS E MAIS

Junte-se ao MyCognex