Обнаружение дефектов размером менее 5 нм остается одной из самых больших проблем в полупроводниковом производстве. Традиционные оптические и электрические методы с трудом справляются со сложностью и размером элементов современной архитектуры микросхем. Когда такие дефекты остаются незамеченными, это приводит к снижению выхода годной продукции, задержкам и необходимости доработок. Для сохранения рентабельности на передовых технологических узлах необходимы более высокое разрешение изображений и более эффективное принятие решений на соответствующих этапах процесса.
Машинное обучение решает эту проблему на всех этапах производственного процесса. Как отмечает Аджай Баранвал, директор Центра глубокого обучения в производстве электроники (CDLe):
«Анализ свойств многомерных полупроводниковых материалов и прогнозирование того, какой материал соответствует требуемым спецификациям и характеристикам, осуществляется с использованием алгоритмов машинного обучения для выбора материалов. Обнаружение и классификация дефектов полупроводниковых пластин и масок показали многообещающие результаты. Также используются автономный и оперативный мониторинг и управление технологическими процессами» .
Применение машинного зрения в полупроводниковом производстве обеспечивает эту возможность за счет сочетания калиброванной оптики, управляемого освещения и моделей, основанных на искусственном интеллекте .
В этой статье рассматривается роль машинного зрения в процессе производства полупроводниковых изделий от пластины до корпуса, почему оно необходимо для контроля качества, какие типы систем контроля качества полупроводников следует использовать на разных этапах производства, а также какие измеримые преимущества можно ожидать в плане выхода годной продукции, количества доработок и времени цикла. Начнем с обзора полупроводникового производства.
Что такое производство полупроводников?
Производство полупроводников превращает сверхчистый кремний в готовые интегральные схемы посредством точно выверенных этапов на фабрике и на заключительном этапе. На начальном этапе транзисторы создаются слой за слоем на кремниевой пластине, а на заключительном этапе изолируются функциональные кристаллы, собираются в корпуса и проверяются их характеристики. Процесс производства полупроводников может включать сотни этапов. Точное число зависит от сложности чипа. В сложных проектах может быть более тысячи этапов, каждый из которых чувствителен к загрязнениям и вариациям.
Подготовка вафель и пленок
Кремниевые слитки разрезаются на пластины, после чего на них наносятся или окисляются тонкие пленки для формирования базовой структуры. На этом этапе обеспечение чистых и однородных поверхностей помогает уменьшить количество дефектов и необходимость доработок в дальнейшем процессе.
Нанесение фоторезистивного покрытия и формирование рисунка
Фоторезист наносится и экспонируется для определения элементов схемы. Точное выравнивание гарантирует, что каждый новый слой ложится поверх предыдущего без нежелательных соединений или разрывов, сохраняя работоспособность устройства.
Травление, имплантация и очистка
Травление удаляет выбранный материал, а ионная имплантация задает электрические свойства. Тщательная очистка после каждого этапа предотвращает образование остатков и добавление частиц, которые могут ухудшить качество последующих слоев.
Планаризация и повтор
Химико-механическая полировка выравнивает поверхность пластины, обеспечивая правильную печать следующего слоя. Этот цикл построения и полировки повторяется много раз для создания устройства.
Тестирование, нарезка кубиками и упаковка
После электрического тестирования пластина разрезается на отдельные чипы. Исправные чипы монтируются на подложку или выводную рамку, соединяются и герметизируются. Усовершенствованная упаковка (например, межсоединительные платы и высокоскоростная память) добавляет гораздо больше соединений и повышает требования к надежности.
Контрольно-пропускные пункты для проверки и метрологии.
На ключевых этапах оптический, электронно-лучевой и другие методы проверяют структуру, размеры и дефекты, чтобы обеспечить соответствие потока техническим требованиям. Для труднообнаружимых дефектов используется параллельный электронно-лучевой контроль для ускорения обнаружения дефектов.
Производство полупроводников требует точного контроля на всех этапах, поэтому контроль качества является критически важной частью процесса. Грамотно расположенные контрольные точки обеспечивают быструю обратную связь, поэтому проблемы устраняются сразу же после их выявления, а качественные изделия поступают на окончательное тестирование и отгрузку.
Почему контроль качества важен в производстве полупроводников?
Контроль качества в производстве полупроводников обеспечивает производительность и надежность продукции до отгрузки микросхем. Он также сокращает объем доработок, которые могут задерживать производство и поставку.
Команды своевременно получают подтверждение того, что каждый новый слой напечатан в нужном месте и что крошечные провода и паяные соединения внутри корпуса выполнены качественно. Это подтверждение происходит до того, как потребуется дополнительное время и материалы, поэтому проблемы устраняются, когда их проще исправить.
Благодаря контролю качества вы можете:
-
Обнарудить то, что не удается выявить при проведении электротехнических испытаний.
Некоторые дефекты, такие как микроскопические трещины и отклонения в размерах, трудно быстро обнаружить с помощью одних только электрических тестов в процессе производства. Внедрение машинного зрения на этапах возникновения дефектов позволит выявлять их на ранней стадии и предотвращать переделки или брак.
-
Использовать данные для ограничения необходимости дополнительных стресс-тестов.
Используйте данные предыдущих проверок, чтобы выявить те немногие устройства, которые еще нуждаются в стресс-тестировании. Остальные устройства можно оставить в процессе производства, чтобы сократить время цикла и избежать излишней нагрузки на исправные устройства.
-
Обнаружить скрытые проблемы с упаковкой без вскрытия деталей.
Такие проблемы, как пустоты или отслоение, могут возникать под поверхностью. Неразрушающий ультразвуковой контроль проверяет каждую единицу продукции на наличие этих рисков перед укладкой или отгрузкой, предотвращая брак в конце производственной линии.
Какие типичные проблемы контроля качества существуют в полупроводниковом производстве, и как машинное зрение может помочь?
В полупроводниковом производстве контроль качества должен обеспечивать баланс между скоростью, точностью и выходом годной продукции. Каждая пластина содержит миллиарды мельчайших элементов, поэтому небольшие отклонения могут привести к дорогостоящим поломкам. Задача состоит в том, чтобы отфильтровывать нормальные отклонения, обнаруживать труднообнаружимые дефекты на ранних стадиях и делать это на скорости производственной линии. Ниже описаны эти проблемы и то, как система машинного зрения решает каждую из них.
-
Ложные срабатывания и ложные сигналы
Естественная текстура, изменения рисунка или безобидные пятна могут выглядеть как дефекты и вызывать слишком много предупреждений.
-
Решение: Внедрить классификацию на основе ИИ поверх проверок по правилам, чтобы отфильтровать вариативность, снизить нагрузку на проверку и сосредоточить действия на реальных дефектах.
-
-
Очень мелкие детали с жесткими целевыми параметрами выравнивания.
По мере уменьшения размеров даже мельчайшие ошибки позиционирования могут привести к коротким замыканиям или обрывам. Поддержание послойного выравнивания при смене смен, использовании разных инструментов и изменениях температуры представляет собой сложную задачу.
-
Решение: Использовать визуальное выравнивание и контроль совмещения, которые точно считывают реперные точки и выемки пластины, отслеживают совмещение в реальном времени и вносят небольшие корректировки с учетом влияния положения и температуры. Регулярная калибровка замыкает цикл, поэтому слои остаются в пределах допустимых значений от партии к партии.
-
-
Пробелы в возможностях обнаружения результатов электротехнических испытаний.
Электронные фильтры могут не выявлять проблем в тонкой поверхностной проводке и в небольших соединениях между расположенными друг над другом компонентами, особенно на ранних стадиях технологического процесса.
-
Решение: Добавить целевые этапы контроля там, где электрические тесты неэффективны, используя оптические методы для обнаружения поверхностных дефектов, инфракрасные или акустические методы для выявления подповерхностных пустот и расслоений, а также рентгеновские методы для обнаружения скрытых проблем с межсоединениями. Определив охват, применять 100% проверки на этапах с высоким риском и использовать выборочный контроль в других местах с четко определенными допустимыми пределами, чтобы дефекты обнаруживались в нужное время и в нужном месте.
-
-
Дрейф частиц и процессов с течением времени.
Субмикронные частицы или небольшие химические изменения могут стать причиной дефектов, которые проявляются на нескольких этапах позже, увеличивая количество брака и задержки.
-
Решение: Установите частые контрольные точки в процессе производства и отслеживайте ключевые показатели, чтобы выявлять небольшие изменения на ранней стадии. Изучайте выявленные тенденции и запускайте четкие действия при превышении пороговых значений, такие как корректировка рецептуры, планирование технического обслуживания оборудования или карантин партий, чтобы проблемы были локализованы до того, как они достигнут последующих этапов.
-
-
Компромисс между скоростью и разрешением
Высокая пропускная способность может привести к размытию мелких деталей, в то время как более медленная, но более высокоразрешающая визуализация может замедлить работу производственных линий.
-
Решение: Хорошо настроенная система контроля полупроводниковых изделий может обеспечить баланс между качеством изображения и скоростью линии, а также использовать более интеллектуальные методы проверки для выявления реальных рисков.
-
В совокупности эти проблемы объясняют, почему современным программам необходимо сочетать улучшенную визуализацию, точный контроль выравнивания и классификацию с помощью ИИ, чтобы уменьшить количество ложных срабатываний, выявлять дефекты на ранних стадиях, поддерживать скорость линии, защищать выход годной продукции и поставлять надежную продукцию в срок.
Какие существуют типы систем машинного зрения в контроле качества в полупроводниковом производстве?
Существуют различные типы систем машинного зрения, использующие комбинации оптики или датчиков, управления движением и аналитики для обнаружения дефектов и проверки размеров на скорости производственной линии. Основные типы систем контроля включают оптические, параллельно-электронно-лучевые, рентгеновские, инфракрасные и сканирующие акустические микроскопы. Каждая из них выполняет определенную функцию, от изготовления пластин до усовершенствованной упаковки, в зависимости от типа дефекта, необходимых параметров контроля и скорости производственной линии.
-
Оптический контроль и метрология (2D/3D)
Система использует высокопроизводительные камеры и измерительные приборы для проверки поверхностей, рисунков и размеров на пластинах и корпусах. В современных технологиях упаковки оптический контроль обеспечивает очень высокую степень охвата на скорости линии для тех элементов, до которых может дотянуться свет, в то время как рентгеновские, акустические или инфракрасные методы охватывают области, недоступные для оптики.
-
Параллельный электронно-лучевой контроль
Для очень мелких или электрически связанных дефектов электронные пучки обеспечивают более высокую чувствительность, чем оптические методы. SPIE (Общество инженеров фотооптической аппаратуры) сообщает о многоколоночных подходах, которые обеспечивают увеличение пропускной способности на порядок по сравнению с одноколоночным электронным пучком, ускоряя изучение дефектов во время нарастания без указания конкретного производителя или количества пучков.
-
Рентгенография и компьютерная томография (КТ)
Рентгеновское сканирование позволяет проникать сквозь металлы и компаунд для заполнения пустот, обнаруживать дефекты, проблемы с проволочными соединениями и скрытые обрывы/короткие замыкания в корпусах типа flip-chip и BGA. По мере усложнения корпусов рентгеновский контроль становится необходимым на отдельных этапах, обеспечивая 100% охват там, где риск оправдан.
-
Инфракрасная (ИК) визуализация и термография
Поскольку кремний пропускает определенные длины волн ИК-излучения, ИК-спектроскопия позволяет обнаруживать подповерхностные трещины и расслоения в пластинах и соединенных многослойных структурах, которые не обнаруживаются поверхностной оптикой. ИК-спектроскопия все чаще используется в производственной линии для проверки соединенных пластин и многослойных кристаллов.
-
Сканирующая акустическая микроскопия (C-SAM)
Ультразвук позволяет обнаруживать пустоты и отслоения внутри упаковок без вскрытия деталей. Источники в отрасли описывают SAM как отраслевой стандарт для 100% контроля рисков, связанных с подповерхностным слоем, и эта технология расширяется на устройства с гибридным соединением.
При наличии пробелов в покрытии (например, соединения внутри межсоединительных плат и тонкая проводка над пластиной) рекомендации полупроводниковой промышленности отдают предпочтение полному покрытию с использованием контроля и метрологии для предотвращения утечек. Используйте оптический контроль для повышения скорости, добавьте ИК-контроль или C-SAM для выявления скрытых рисков, а также применяйте параллельный электронный луч во время наращивания мощности или для обнаружения наиболее сложных дефектов.
Каковы преимущества использования машинного зрения в производстве полупроводников?
Преимущества машинного зрения в производстве полупроводников заключаются в повышении выхода годной продукции с первого раза, более стабильном качестве, более быстром наращивании объемов производства и более надежной автоматизации производственных линий. Машинное зрение улучшает обнаружение дефектов, выравнивание, измерение и отслеживаемость на всех этапах изготовления пластин и окончательной сборки, обеспечивая измеримое повышение выхода полноценной и годной продукции в полупроводниковой промышленности. Производственные группы получают следующие преимущества:
-
Контроль качества и выявление дефектов
Система машинного зрения обнаруживает микроскопические дефекты, которые могут быть пропущены при ручном осмотре, включая царапины, частицы и аномалии рисунка на пластинах и упакованных деталях. Поскольку каждый раз применяются одни и те же критерии, результаты остаются стабильными, а проблемы выявляются в режиме реального времени, что позволяет командам незамедлительно принимать меры.
-
Повышение эффективности и производительности
Система машинного зрения проверяет тысячи единиц продукции в минуту и применяет одни и те же правила допуска или доработки со скоростью производства. Она также автоматизирует повторяющиеся задачи, такие как проверка, сортировка и измерение, что дает инженерам больше времени для анализа и улучшения производственной линии.
-
Снижение затрат
Выявление проблем на ранних стадиях повышает производительность и сокращает количество брака и отходов. Предотвращение попадания необнаруженных дефектов на более поздние этапы ограничивает количество переделок, возвратов и гарантийных претензий, что снижает общие затраты и позволяет соблюдать сроки.
-
Оптимизация процессов и отслеживаемость
Системы машинного зрения выполняют точные измерения и проверки выравнивания как при изготовлении, так и при упаковке кремниевых пластин. Каждая проверка генерирует прослеживаемые данные для настройки процесса и прогнозирующего технического обслуживания, и эти сигналы могут приводить к корректировкам в реальном времени, обеспечивая стабильное качество.
-
Специализированные возможности инспекции
Трехмерное зрение позволяет определять глубину для оценки высоты, соосности и геометрии слоев в современных упаковочных материалах. Гиперспектральная визуализация анализирует материалы в широком диапазоне длин волн, чтобы выявлять незначительные загрязнения или смешение материалов, которые стандартные камеры не могут обнаружить.
-
Масштабируемая автоматизация
Внедрение систем машинного зрения в инструменты и манипуляторы позволяет применять правила контроля качества одинаково на каждой станции и проводить их аудит. Такая согласованность поддерживает автоматизацию производственных линий по выпуску полупроводников, обеспечивая стабильную производительность и сохраняя критерии приемки четкими и подлежащими исполнению.
Машинное зрение против компьютерного зрения: их роль в производственных процессах
Разница между машинным зрением и компьютерным зрением заключается в том, что машинное зрение — это система заводского уровня, которая принимает надежные решения о приемке, доработке или остановке на производственной линии, в то время как компьютерное зрение — это более широкий набор технологий на основе искусственного интеллекта, которые изучают закономерности и помогают классифицировать то, что видят камеры. На заводах машинное зрение создается для обеспечения повторяемости и бесперебойной работы; компьютерное зрение усиливает это за счет обучения обнаружению и более интеллектуальной классификации.
-
Область применения и цель
Машинное зрение — это производственная система: откалиброванная оптика, контролируемое освещение, синхронизация с инструментами и строгие правила принятия решений. Компьютерное зрение обеспечивает уровень обучения, который распознает закономерности и снижает количество ложных срабатываний в разных партиях и при работе с разными инструментами.
-
Как они взаимодействуют друг с другом
Машинное зрение захватывает и измеряет изображения; компьютерное зрение анализирует эти изображения, чтобы отличить реальные дефекты от безобидных отклонений. Вместе они увеличивают охват контроля без замедления производства и помогают поддерживать стабильные результаты в течение всех смен.
-
Выравнивание слоев и управление наложением
Для обеспечения выхода годных изделий необходимо контролировать послойное выравнивание с точностью до нескольких нанометров. Например, сканеры Nikon обеспечивают точность совмещения на одном станке около 1,7 нм. Именно поэтому метрология и выравнивание с помощью машинного зрения являются ключевыми элементами производства.
-
Как система контроля использует оба подхода
Система контроля качества полупроводниковых изделий использует машинное зрение для детерминированных проверок и модели компьютерного зрения там, где обученная классификация повышает эффективность, например, в классификации дефектов или снижении количества ложных срабатываний.
Таким образом, машинное зрение управляет вашей производственной линией, а компьютерное зрение добавляет функцию обучения. В совокупности они обеспечивают выравнивание слоев, снижают количество ложных срабатываний и гарантируют своевременное выполнение заказов.
Сократите количество дефектов и повысьте производительность с помощью системы машинного зрения.
Начните с малого и докажите эффективность там, где это наиболее важно. Установите четкую цель для одной станции или линии: охват, максимально допустимый уровень ложных срабатываний и допустимая задержка при скорости линии. Зафиксируйте алгоритм обработки изображений, протестируйте его на самых сложных участках и регистрируйте каждое решение (пройдено, доработано, отложено), чтобы каждый шаг был отслеживаемым. Используйте двухэтапный процесс: на первом этапе выполняется быстрая предварительная проверка для обозначения областей интереса, а на втором этапе проводится проверка высокого разрешения там, где это необходимо, чтобы сохранить детализацию изображения при сохранении скорости линии.
Правильно подобранная система контроля качества полупроводников позволяет установить четкие правила приемки, поддерживать стабильную производительность и обеспечивать возможность аудита результатов. Профессиональный партнер поможет выбрать подходящие инструменты, разработать освещение и оптику для каждой станции, а также внедрить эти правила на производственной линии.
Обратитесь к специалисту, чтобы проанализировать ваш текущий рабочий процесс и разработать целенаправленный план по сокращению дефектов и повышению производительности.
Часто задаваемые вопросы
1. Каким образом машинное зрение улучшает выравнивание в производстве полупроводников?
Система машинного зрения определяет метки и выемки на пластинах с субмикронной точностью, компенсирует ошибки позиционирования и температурный дрейф, а также поддерживает точность совмещения слоев в пределах заданных параметров на производственной скорости. Добавьте контроль качества совмещения и обратную связь от инструмента, чтобы небольшие смещения автоматически корректировались, сокращая объем доработок и стабилизируя выход годной продукции в разных партиях и сменах.
2. Почему технология линейного сканирования используется в производстве полупроводников?
Технология линейного сканирования используется в производстве полупроводников, поскольку она позволяет получать изображения движущихся поверхностей с высоким разрешением без размытия, вызванного движением. Камера захватывает по одной линии за раз, а датчики движения поддерживают равномерное расстояние между пикселями, что позволяет четко отображать мельчайшие дефекты на скорости линии.
3. Как вы обеспечиваете качество систем машинного зрения для производства полупроводников?
Заранее определите критерии приемки (покрытие, частота ложноположительных результатов, задержка), проверьте воспроизводимость и точность измерений (Gage R&R) и подтвердите пропускную способность на скорости линии с помощью репрезентативных данных. Включите план калибровки и обслуживания модели для предотвращения дрейфа. Обсудите с нами настройку этих параметров для вашей линии; мы сопоставим их с вашими станциями и целевыми показателями ROI.
4. Какой вклад ИИ вносит в системы машинного зрения?
Искусственный интеллект вносит вклад в системы машинного зрения, изучая визуальные закономерности на основе данных для улучшения обнаружения и классификации, а также снижения количества ложных срабатываний. Глубокое обучение отличает истинные дефекты от нормальной текстуры или косметических дефектов, определяет тип и степень серьезности дефекта для более быстрого анализа первопричин и адаптируется к новым продуктам с помощью трансферного обучения, что сокращает время настройки.
