在如今競爭異常激烈的半導體行業(yè)里,在設計和開發(fā)過程中保持可追溯性,既能確保質(zhì)量,管控變更的影響,又能規(guī)避安全風險,且可確保滿足合規(guī)要求。而缺乏可追溯性不僅會給組織帶來嚴重問題,在某些情況下還易造成極為高昂的代價。因此實現(xiàn)全面的可跟蹤性至關(guān)重要。
通常晶圓、晶圓載體、引線框架、晶片和成品封裝都有識別碼,以便流程的每一步進行讀取和驗證,從而防止問題進一步發(fā)生在下游。根據(jù)不同的應用,康耐視機器視覺系統(tǒng)或深度學習光學字符識別工具可快速、準確地讀取字母數(shù)字字符或條形碼,從而實現(xiàn)半導體的全面可追溯性。下面就介紹幾種常見問題與解決方案:
1晶圓字符識別
常見問題
晶圓上有激光標記的ID號碼,放置在硅盤的一小塊區(qū)域中。這些代碼是字母數(shù)字字符或DataMatrix代碼,用于通過前端工藝跟蹤晶圓,直到它們被切割。但在各種掩模、蝕刻和光刻過程中,晶圓ID很可能會退化,且晶圓的反光背景而導致難以解碼。
解決方案
康耐視In-Sight 1740系列晶圓讀碼器采用專為晶圓識別開發(fā)的優(yōu)異算法,可在切割晶圓前提供光學字符識別 (OCR)和二維讀碼功能。這些晶圓讀碼器使用集成并可調(diào)的照明與圖像處理技術(shù),為多種標記方法提供良好成像系統(tǒng),包括字母數(shù)字和SEMI-T7 DataMatrix碼。In-Sight 1740能夠自動適應由各種工藝步驟引起的標記外觀變化,從而減少不讀取的情況, 最大限度地減少機器輔助的需求并最大限度地延長機器正常運行時間。
2晶圓載體環(huán)的可追溯性
常見問題
一旦晶圓被切割,晶圓ID就不再可用。為了保持先前在晶圓上創(chuàng)建的晶片的可追溯性,一個標有識別號的載體環(huán)會攜帶經(jīng)過切割的硅晶圓,直到將它們從載體環(huán)上移除,以便進行引線接合。切割過程中,鋸開的碎片會散落在晶片和環(huán)上,因此必須對它們進行清洗。反復的清洗會使載體環(huán)的表面退化,從而降低了代碼的可讀性。表面和字符的變化使基于規(guī)則的視覺技術(shù)很難隨著時間的推移準確讀取這些代碼。像0和O或l和1這樣的字符,如果褪色或磨損,就很難分辨出來。無法讀取的環(huán)會導致自動化過程中的速度減慢,從而影響產(chǎn)量。使用字符識別讀取晶圓環(huán)上的代碼,可以使它們使用更長時間,并保持自動化流程的運行。
解決方案
康耐視深度學習工具使制造商能夠準確地讀取晶圓載體環(huán)上的識別碼,即使它們因多次清洗而退化了。同時使用智能相機和深度學習軟件,利用光學字符識別(OCR)破譯損壞的代碼。憑借深度學習預訓練字體庫,軟件內(nèi)的深度學習讀取工具開箱即用,能夠大幅減少開發(fā)時間。用戶只需設置感興趣區(qū)域并設置字符大小。即使引入了新字符,無需視覺專業(yè)知識也可以對這個可靠的工具進行重新訓練,使其讀取傳統(tǒng)OCR工具無法解碼的應用特定字符。
3集成電路封裝的可追溯性
常見問題
引線框架是一層薄薄的金屬,它將半導體表面的微小電器端子的線路連接到電氣設備和電路板上的大規(guī)模電路。芯片與該引線框架的金屬引線以電線連接。二維DataMatrix條碼通常被激光刻在每個引線框架上,這樣框架和芯片就可以在整個裝配和拋光處理中被跟蹤。通常情況下,由于生產(chǎn)過程中的退化以及金屬背景的低對比度和反射率,這些代碼讀取起來非常困難。
解決方案
康耐視DataMan圖像讀碼器配備了業(yè)界領(lǐng)先的算法和防靜電保護外殼,即使在最具挑戰(zhàn)性的條件下也能可靠地讀取二維DataMatrix碼。靈活的照明和光學器件提供了最清晰的圖像和最高的讀取率,能夠承受大量的安裝和照明限制。DataMatrix技術(shù)已經(jīng)成為可追溯性應用的標準,它存儲了所有關(guān)于引線框架的必要信息,如制造商、產(chǎn)品編碼、批號,甚至僅有的序列號,以確保有效的可追溯性。
4讀取IC上的字符和代碼
常見問題
在經(jīng)歷了費力的封裝測試過程后,半導體芯片最終擁有了它的識別號,其中包含了制造商信息和IC技術(shù)規(guī)格。這個字母數(shù)字代碼被印在IC頂部表面。這一信息的可讀性對于半導體制造商的內(nèi)部和外部可追溯性至關(guān)重要。下游各方,如系統(tǒng)設計公司和電路板組裝公司,都會讀取這些代碼,以驗證他們是否收到了正確的芯片,以及正確的芯片是否連接到了PCB上。識別和確認這些信息傳統(tǒng)上是由基于規(guī)則的機器視覺完成的。然而,傳統(tǒng)的算法難以讀取激光標記或化學蝕刻在集成電路上的小和可變的文本字符串。其他影響可讀性的常見問題是高度紋理表面和環(huán)境層壓,使圖像中的字符變形。
康耐視深度學習技術(shù)解決了基于規(guī)則的圖像處理技術(shù)所不能解決的挑戰(zhàn)。康耐視深度學習字符識別工具使用內(nèi)置庫讀取彎曲的字符串、低對比度的字符以及變形、歪斜和蝕刻質(zhì)量差的代碼,該庫預先訓練了一千多個字符。字符識別工具還提供重新訓練的能力, 因此用戶可以解決第一次沒有自動識別的新字符或特定字符。快速而準確地讀取芯片的識別碼可以提高可追溯性,并確保捕捉到正確的信息,使其在未來需要時可以使用。