Die Genauigkeitsansprüche der Halbleiterfertigung in ­Verbindung mit den hochautomatisierten Prozessen kann nur die industrielle Bildverarbeitung erfüllen. Sie ist im ­Einsatz in Produktion und Qualitätssicherung. ­Insbesondere Deep-Learning-Verfahren spielen hier ihre Stärken aus. 

In vielen Weltregionen werden aktuell schnell Kapazitäten zur Halbleiterfertigung aufgebaut. Die Produktion von Halbleitern ist jedoch aufwendig und umfasst über 1.000 Prozessschritte. Entsprechend komplex und sensibel ist der Aufbau von Produktionskapazitäten. Es bedarf daher flexibler Technologien, die trotz unterschiedlicher Prozesse schnell und übergreifend einen Mehrwert bieten. Eine solche Schlüsseltechnologie ist die industrielle Bildverarbeitung. Ihr Vorteil besteht insbesondere darin, dass bei der hochpräzisen Fertigung der Halbleiter die zahlreichen notwendigen Inspektions- und Ausrichtungsprozesse automatisiert und hochgenau durchgeführt werden können. Je nach Prozessschritt gibt es verschiedene Bildverarbeitungstechnologien, mit denen die Anwendungen umgesetzt werden können.

Machine-Vision-Technologien für die Halbleiterfertigung

In praktisch jedem Produktionsszenario in der Halbleiterfertigung gibt es mindestens einen Schritt, in dem überprüft wird, ob das Produkt funktionale oder kosmetische Defekte aufweist. In den heutigen hochautomatisierten Produktionsumgebungen wird für diese Aufgabe in hohem Maße auf die industrielle Bildverarbeitung zurückgegriffen, da sie zahlreiche Vorteile gegenüber der manuellen Prüfung bietet: Machine Vision ist viel schneller, die Ergebnisse sind objektiv und reproduzierbar – und die Qualität der Inspektion wird nicht durch Ermüdung beeinflusst.

Auch für die Halbleiterfertigung sind Deep-Learning-Technologien interessant, beispielsweise die Deep-Learning-basierte Anomalieerkennung. Sie ermöglicht eine automatisierte Oberflächen­inspektion, etwa, um Defekte zu erkennen und zu segmentieren. 

Im Hinblick auf die Qualitätskontrolle ist neben der Prüfung auf Defekte auch die Bestimmung der Maßhaltigkeit essenziell. Industrielle Bildverarbeitung ermöglicht das subpixelgenaue Vermessen von Kanten entlang von Linien oder Kreissegmenten in weniger als einer Millisekunde.  

Daneben ist auch das ­Finden von Objekten wichtig. Dabei kommt vor allem das subpixelgenaue Shape-Based-Matching zum Einsatz. Diese Technologie findet Objekte präzise und robust in Echtzeit. Das funktioniert sogar, wenn sie rotiert, skaliert, perspektivisch verzerrt, lokal deformiert, teilweise überdeckt oder außerhalb des Bildes liegen.

Für jeden Prozessschritt eine Bildverarbeitungstechnologie – mindestens

Wie geschildert, gibt es bei der Halbleiterfertigung sehr viele Prozessschritte. Beim Dicing beispielsweise handelt es sich um eine Präzisionsbearbeitung, bei der mittels mechanischem Trennschleifen oder Laser die Wafer in einzelne Dies vereinzelt werden. Machine Vision unterstützt den Bediener beim Einrichten der Wafer in der Maschine. Dies muss für jeden Wafer Typ erneut erfolgen, da für das Einrichten die Größe der Wafer bekannt sein muss. Für die Größenbestimmung eignet sich zum Beispiel die Fast Fourier Transformation. Das vereinfacht die Einrichtung deutlich und verringert die Gefahr von Fehlbedienungen.

Anschließend kann es beim Schneiden der Dies vorkommen, dass die Ränder ausbrechen. Hier kann industrielle Bildverarbeitung mit der Deep-Learning-Methode Anomalieerkennung unterstützen. Mit nur wenigen „Gut-Bildern“ kann eine Machine-Vision-Software dahingehend trainiert werden, jegliche Beschädigungen, also Anomalien, an den Dies robust zu erkennen. 

Mehr Informationen darüber, wie industrielle Bildverarbeitung bei der Halbleiterfertigung unterstützt und welche Rolle die Machine-Vision Software Halcon von MVTec dabei spielen kann, enthält das Whitepaper Industrielle Bilderverarbeitung: Das Auge der Halbleiterfertigung.

Autor
Christoph Ruchlak, Market Communication bei MVTec