Die Kapazitäten zur Halbleiterfertigung werden weltweit ausgebaut. Die Produktionsprozesse in dieser Branche sind allerdings aufwendig und umfassen mehr als 1.000 verschiedene Schritte. Entsprechend komplex und sensibel ist der Aufbau von Produktionskapazitäten. Gefragt sind daher Technologien, die schnell implementiert und angepasst werden können und gleichzeitig die Effizienz der Fertigung steigern. Eine Schlüsseltechnologie ist hierbei die industrielle Bildverarbeitung (Machine Vision). Ihr Vorteil besteht insbesondere darin, dass bei der hochpräzisen Fertigung der Halbleiter die zahlreichen notwendigen Inspektions- und Ausrichtungsprozesse automatisiert und hochgenau durchgeführt werden können.
Automatisierte Qualitätskontrolle
In praktisch jedem Produktionsszenario in der Halbleiterfertigung gibt es mindestens einen Schritt, in dem überprüft wird, ob ein Produkt funktionale oder kosmetische Defekte aufweist. Die Qualitätskontrolle mit Hilfe von Machine Vision bietet in einer hochautomatisierten Produktionsumgebung verschiedene Vorteile gegenüber der manuellen Prüfung: Machine Vision ist viel schneller, die Ergebnisse sind objektiv und reproduzierbar, und die Qualität der Inspektion läuft nicht Gefahr, durch Ermüdung oder durch die Monotonie der Aufgabe nachzulassen. Für diesen Zweck sind auch Deep-Learning-Technologien geeignet, beispielsweise die Deep-Learning-basierte Anomalieerkennung. Sie ermöglicht etwa eine automatisierte Oberflächeninspektion, u.a. zur Erkennung und Segmentierung von Defekten. Im Hinblick auf die Qualitätskontrolle ist neben der Prüfung auf Defekte auch die Bestimmung der Maßhaltigkeit essenziell. Industrielle Bildverarbeitung ermöglicht die subpixelgenaue Vermessung von Kanten entlang von Linien oder Kreissegmenten in wenigen Millisekunden. Auch die 2D-Messung ist möglich, um Objekte einer bestimmten geometrischen Form zu prüfen. Darüber hinaus gibt es Methoden zur 3D-Vermessung: Disparitätsbilder, Distanzbilder oder die 3D-Koordinaten von Oberflächen können mittels unterschiedlicher Verfahren rekonstruiert werden. In der industriellen Bildverarbeitung stellen PC-basierte Systeme oft eine technische Hürde dar. Die Trennung von Bildaufnahme und Datenverarbeitung führt häufig zu Latenzen, erhöhtem Platzbedarf und einem komplexen Wartungsaufwand. Besonders in schnellen Produktionslinien erschwert die Synchronisation zwischen Sensor und externem Rechner eine stabile Prozesskontrolle. ‣ weiterlesen
Präzise 2D-Inspektion mit nativer Edge-Intelligenz
Finden und Ausrichten
Neben der Qualitätsinspektion ist das Finden bzw. Ausrichten der Wafer und Chips ein weiterer Anwendungsfall, bei dem Machine Vision sehr effektiv unterstützen kann. Dabei kommt vor allem das subpixelgenaue Shape-Based-Matching zum Einsatz. Die Technologie findet Objekte präzise und robust in Echtzeit. Dies funktioniert sogar, wenn sie rotiert, skaliert, perspektivisch verzerrt, lokal deformiert, teilweise überdeckt oder außerhalb des Bildes liegen.
Packaging: Letzte Schritte zum fertigen Chip
Welchen Mehrwert die Technologie bietet, wird am Beispiel des Produktionsschrittes Packaging, bei dem der Chip in ein Kunststoffgehäuse eingekapselt wird, deutlich. Dazu werden die einzelnen Dies zunächst in das Gehäuse eingelegt. Anschließend erfolgt in mehreren Schritten die Verbindung mit den relevanten Kontakten des Gehäuses. Ein wichtiger Prozessschritt, um die anschließende Weiterverarbeitung zu ermöglichen, ist dabei die exakte Bestimmung der Lage der Dies innerhalb des Gehäuses. Dafür eignen sich Shape-Based-Matching-Verfahren. In der Praxis wird dazu das Model eines Dies, etwa über CAD-Daten, eingelernt. Durch den Abgleich zwischen Trainingsdaten und der Originalaufnahme wird der Die gefunden und dessen Lage im Kunststoffgehäuse berechnet, wodurch weitere Bearbeitungen möglich sind.
