{"id":81727,"date":"2026-04-13T15:23:59","date_gmt":"2026-04-13T07:23:59","guid":{"rendered":"https:\/\/solomon-3d.mesvr.tw\/?p=81727"},"modified":"2026-04-23T16:33:16","modified_gmt":"2026-04-23T08:33:16","slug":"cmp-quality-inspection-ai","status":"publish","type":"post","link":"https:\/\/solomon-3d.mesvr.tw\/es\/casos-de-exito\/solvision\/cmp-quality-inspection-ai\/","title":{"rendered":"Inspecci\u00f3n de Calidad de CMP con IA"},"content":{"rendered":"
\"Sistema<\/span>

Inspecci\u00f3n de Calidad de CMP con IA<\/h1><\/div><\/div>\n\n\n\n
\n
\n
\n

Resumen del Caso<\/h2>\n\n\n\n

Industria:<\/strong> <\/a>Semiconductores<\/a><\/p>\n\n\n\n

Soluci\u00f3n:<\/strong> SolVision<\/a><\/p>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n

\n
\n
\n

El Caso<\/h2>\n\n\n\n

Garantizar la Calidad Superficial en Procesos de CMP<\/h3>\n\n\n\n

La Planarizaci\u00f3n Qu\u00edmico-Mec\u00e1nica (CMP) es una etapa cr\u00edtica en la fabricaci\u00f3n de semiconductores que planariza las superficies de las obleas y elimina el material excedente entre capas de proceso. Cada oblea debe someterse a CMP para alcanzar la uniformidad superficial requerida para los pasos posteriores de litograf\u00eda y deposici\u00f3n.<\/p>\n\n\n\n

Sin embargo, el proceso de CMP puede introducir defectos superficiales como rayaduras, contaminaci\u00f3n por part\u00edculas y da\u00f1os causados por la lechada abrasiva. Estos defectos pueden afectar el rendimiento y el yield de los dispositivos, por lo que una inspecci\u00f3n de calidad fiable es esencial para mantener la integridad de la oblea.<\/p>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n

\n
\n

El Desaf\u00edo<\/h2>\n\n\n\n
\n

Detecci\u00f3n de Defectos Sutiles en Superficies Complejas de Obleas<\/h3>\n\n\n\n

Los defectos inducidos por CMP, como rayaduras finas, residuos de part\u00edculas y restos de almohadilla de pulido, presentan bajo contraste y distribuci\u00f3n espacial no uniforme, lo que dificulta su aislamiento sobre la superficie de la oblea. El procesamiento CMP tambi\u00e9n genera trazas de pulido superficiales que producen texturas de fondo complejas y no uniformes en las im\u00e1genes de inspecci\u00f3n.<\/p>\n\n\n\n

Los sistemas AOI<\/a> basados en reglas tienen limitaciones para gestionar la variabilidad en la morfolog\u00eda de los defectos y la apariencia de la superficie de la oblea, especialmente en condiciones de baja relaci\u00f3n se\u00f1al-ruido. Como resultado, los enfoques de inspecci\u00f3n convencionales no son suficientes para una inspecci\u00f3n robusta de calidad CMP en entornos de fabricaci\u00f3n de semiconductores de alta precisi\u00f3n.<\/p>\n<\/div>\n<\/div>\n <\/div><\/div>\n\n\n\n

\n
\n

La Soluci\u00f3n<\/h2>\n\n\n\n
\n

Inspecci\u00f3n de Defectos CMP con IA de SolVision<\/h3>\n\n\n\n

SolVision<\/a> aplica inspecci\u00f3n visual con IA para detectar defectos de CMP en obleas de semiconductores.<\/p>\n\n\n\n

Mediante deep learning<\/a>, el sistema se entrena con im\u00e1genes de muestra en las que se etiquetan defectos como rayaduras finas y part\u00edculas. El modelo de IA aprende a distinguir las caracter\u00edsticas de los defectos del complejo fondo de la oblea, permitiendo una detecci\u00f3n fiable en condiciones de inspecci\u00f3n exigentes.<\/p>\n\n\n\n

El sistema de visi\u00f3n por IA identifica:<\/p>\n\n\n\n