Optimisation des inspections de plaquettes et de matrices : Architecture de vision haute vitesse et haute précision
À mesure que l'industrie des semi-conducteurs progresse vers des performances plus élevées et des tailles plus petites, l'inspection des défauts des plaquettes et des matrices devient de plus en plus critique dans les processus d'emballage avancés. En particulier dans les applications de haute technologie telles que la 5G, l'intelligence artificielle (IA) et l'Internet des objets (IoT), la demande de qualité des composants de semi-conducteurs continue d'augmenter, ce qui accroît les exigences en matière de technologies d'inspection de précision.
Cibles d'inspection des plaquettes et des matrices
Dans la fabrication des semi-conducteurs, l'inspection de la surface des plaquettes et l'inspection des matrices sont deux étapes importantes mais distinctes du contrôle de la qualité :
L'inspection de la surface des plaquettes cible l'ensemble de la plaquette et se concentre sur les défauts macroscopiques tels que la contamination, les rayures, le désalignement des motifs et l'intégrité structurelle au cours des processus de fabrication. Les systèmes d'inspection par vision nécessitent un grand champ de vision et des capacités de balayage à grande vitesse pour couvrir toute la surface de la plaquette.
L'inspection des matrices se concentre sur l'analyse détaillée des matrices individuelles, en mettant l'accent sur les défauts microscopiques tels que l'écaillage des bords, les mauvaises coupes et les problèmes structurels internes.
Quatre défis majeurs dans l'inspection AOI des plaquettes et matrices
Goulets d'étranglement de l'unité centrale dans le traitement d'images en temps réel et à grande vitesse
Les inspections de plaquettes et de matrices nécessitent le traitement de volumes massifs d'images à haute résolution - souvent 25 MP ou plus, avec des centaines de milliers d'images par unité. Ces inspections doivent être réalisées en quelques fractions de seconde, en particulier pour l'inspection des matrices (dans un délai de 0,7 seconde). Les systèmes traditionnels basés sur l'unité centrale ont souvent du mal à supporter cette charge, ce qui entraîne des retards, un débit limité et un traitement inefficace des données qui ralentissent à la fois le développement et la production.Manque de flexibilité des algorithmes et faible adaptabilité
Les algorithmes fixes ont du mal à détecter les défauts irréguliers ou peu contrastés. De plus, ils ne peuvent traiter que de manière limitée des matériaux spéciaux tels que le carbure de silicium (SiC) et le nitrure de gallium (GaN), qui possèdent des propriétés de réflexion uniques. Lorsque la taille des puces, les matériaux ou les structures changent, les algorithmes existants ne parviennent pas à s'adapter rapidement. Cela réduit la précision de la détection et allonge le temps de développement.Difficulté à détecter les défauts microscopiques Dans les processus d'emballage avancés, la détection de minuscules défauts de surface - tels que les microfissures ou la contamination - devient de plus en plus difficile, en particulier lorsque la taille des défauts approche les limites de résolution de la caméra et de l'optique.
Complexité de l'inspection des surfaces à haute réflectivité Les surfaces réfléchissantes, telles que les surfaces de plaquettes et de matrices, ainsi que les couches métalliques, sont difficiles à inspecter avec des optiques standard, ce qui entraîne souvent des faux positifs ou des défauts non détectés.