Inspeção de defeitos de wafer de semicondutor

Analisar cada camada do wafer quanto a defeitos e outras anomalias não desejadas

O deep learning distingue entre um exemplo de boa inspeção de wafer semicondutor e dois maus exemplos de inspeção.

Produtos Relacionados

VisionPro ViDi Software inspecting computer mouse on monitor

VisionPro Deep Learning

Ambiente de programação gráfica para análise de imagem industrial baseada em deep learning

In-Sight D900

In-Sight D900

Baseado na Tecnologia de Software de Visão In-Sight ViDi Deep Learning

Os wafers de semicondutores consistem em várias camadas. Para cada camada, é efetuado um processo complexo e preciso de deposição de material, aplicação de resistência, litografia, gravação e implementação de íons, após o qual a resistência é removida.

Antes de ser aplicada outra camada, a camada recém-gravada e implementada deve ser inspecionada quanto a defeitos. As camadas do wafer podem mostrar arranhões, defeitos de rotação, problemas de exposição, contaminação de partículas, hot spots, imperfeições da borda do wafer e uma ampla variedade de outros defeitos que afetam o eventual desempenho do chip.

Se não forem detectados imediatamente após a deposição da camada, tais defeitos só podem ser detectados no teste final, desperdiçando recursos valiosos à medida que valor adicional é adicionado a um produto defeituoso. Pior ainda, defeitos nos níveis mais baixos podem nem ser detectados. Mesmo que passem o teste elétrico final, as falhas não detectadas podem reduzir a confiabilidade de uso, levando à uma falha prematura.

O campo de possíveis defeitos é grande e eles podem estar localizados em qualquer ponto do wafer circular. Defeitos em revestimentos podem se manifestar como variações imprevisíveis de cor e devem ser detectados contra o fundo complexo de camadas previamente depositadas. Os sistemas de visão convencionais não podem ser programados para detectar uma variedade tão ampla de erros e não são confiáveis na detecção até de defeitos programados contra um fundo multicamadas.

Como a inspeção manual é lenta, ela só pode ser executada em um subconjunto estatístico de wafers. Isso também resulta em manuseio adicional de wafer, o que introduz novas fontes de contaminação e danos. Em contraste, o Software do Cognex Deep Learning realiza a triagem automatizada de defeitos em uma porção muito maior de wafers. A ferramenta de detecção de defeitos pode identificar até mesmo pequenos defeitos em qualquer lugar da camada de wafer, ignorando completamente as camadas subjacentes e rejeitando quaisquer anomalias. Ela também pode ser usada em um sistema de inspeção de duas camadas, onde identifica casos ambíguos e os envia para uma estação de inspeção manual offline para análise posterior.

 

O In-Sight D900 usa o deep learning para inspecionar wafers de semicondutores quanto a defeitos e outras anomalias cosméticas indesejadas.

 

PRODUTOS COGNEX EM DESTAQUE

ACESSE O SUPORTE E TREINAMENTO DE PRODUTOS E MAIS

Junte-se ao MyCognex