半導体製造用ダイサ検査

半導体製造工場でダイサ作業を実行する際は、ダイが後工程のパッケージングとテストを確実に通過できるようにするために、エッジの品質検査が重要です。ダイシングプロセスでは、デバイスの完全性を損なうような過度の欠け、エッジのバリ、または微細なひび割れのない、クリーンな切断面を実現しなければなりません。検査に合格するダイには、レイヤーリソグラフィ、エッチングといった工程への多大な投資が行われています。そのため、歩留まりの保護と長期的な信頼性の両方にとって、正確な欠陥検出が不可欠なのです。

欠け、異物、側壁の亀裂などの欠陥は、チップの性能と寿命に直接影響します。ウェーハハレベルチップスケールパッケージ（WLCSP）では、薄いダイは特に取り扱い時のストレスに対して脆弱であり、標準的なダイもまた、配線などの工程のために完璧なエッジを必要とします。いずれの場合も、エッジの欠陥は深刻な信頼性リスクをもたらします。高スループット要件と厳格なクリーンルーム組み込み基準が組み合わさることで、従来の手動検査では不十分となり、半導体製造専用の自動高速検査ソリューションの必要性が高まっています。 

微細なスケールでのダイサ検査は、通常の切断マークと真の欠陥を区別することが課題となり、特に困難になります。ウェーハの切断プロセスでは、ダイごとに外観が異なるチッピングとエッジのバリが、変動性の高い欠陥を自然に生成します。さらに、WSCSPの側面検査では、微細なひび割れを不明瞭にするような複雑な構造層が課題となります。従来のルールベースのビジョンシステムでは、許容可能範囲内のダイシングの変動と品質に直結する重大な欠陥とを確実に区別することができません。

従来のダイサ検査を制限する主な課題には、以下のようなものがあります。

• マイクロスケールの検出要件：ミクロン単位で計測されるエッジの欠けやバリの形成には、極めて微細な光学解像度が不可欠です
• 変動する欠陥パターン：ウェーハの材料特性、ダイシング方法、ソーブレードの摩耗によって異なる外観を示す欠けとバリ
• 分かりにくい背景：視覚的なノイズや低コントラストな状態を作り出し、ひび割れの検出を妨げるWLCSPの構造層
• 高いスループット要件：検査は、クリーンルームの生産速度に追随し、即座に品質判定を下す必要があります
• 誤却下のコスト：誤って欠陥と判定されたダイは、不必要な歩留まりの損失と投資の浪費を招きます

結局のところ、ルールベースの検査はダイサの複雑さにまで対応できません。絶えず変化する切断特性と無数の許容可能な変動がある中で、あらゆるエッジ条件をプログラミングしようとすることは実用的でなく、��ストもかかります。 

コグネックスのAI搭載テクノロジは、半導体製造工場向けに構築された信頼性の高い自動品質制御により、ダイサ検査における困難でエラーが発生しやすいタスクを変革します。当社のAIツールは、許容可能なダイのエッジと欠陥のあるエッジの両方の代表的な画像を学習することで、半導体製造工場が必要とする高速な検査速度を維持しながら、真の品質に直結する欠陥と通常のダイシングマークを識別します。

コグネックスAIによるダイサ検査の改善する方法：

• インテリジェントな欠陥分類：許容範囲外の欠けやエッジのバリを通常の切断マークから自動的に分離します
• マイクロクラック検出：WLCSPパッケージの側壁にあるひび割れを識別し、構造層のパターンを正確に除外します
• 適応型学習：最小限の再学習で、変化する切断状態、ブレードの摩耗、新しいダイ設計に適応します
• ​クリーンルームの互換性：汚染リスクなしに工場環境にシームレスに統合できます

この結果、一貫したエッジ品質と最大の歩留まりが実現します。また、欠陥のあるダイのみが排除されるため、従来のルールベースのシステムで誤って分類される可能性のある貴重なデバイスも確実に保護されます。WLCSPアプリケーションの場合、これは誤検出を発生させることなく、市場での故障を防止する信頼性の高いマイクロクラック検出を意味します。

ソーイング品質の監視、ブレード摩耗の追跡、組み立て前のダイのエッジ検証など、コグネックスは、製造を遅らせることなく、工場に必要な検査精度を提供します。そして、生産を最高速度で稼働させ続けることができるよう、サポートエキスパートのグローバルネットワークと、必要な時にいつでも利用できる膨大な学習ライブラリとヘルプコンテンツで製品をサポートします。