{"id":89410,"date":"2025-02-25T17:27:04","date_gmt":"2025-02-25T09:27:04","guid":{"rendered":"https:\/\/solomon-3d.mesvr.tw\/?p=89410"},"modified":"2025-02-25T17:27:50","modified_gmt":"2025-02-25T09:27:50","slug":"automatiser-les-inspections-des-wafers-de-semi-conducteurs","status":"publish","type":"post","link":"https:\/\/solomon-3d.mesvr.tw\/fr\/etudes-de-cas\/automatiser-les-inspections-des-wafers-de-semi-conducteurs\/","title":{"rendered":"Automatiser les inspections des wafers de semi-conducteurs"},"content":{"rendered":"
\n
<\/span>\"a
\n

SolVision\u00c9tude de cas<\/span><\/h2>\n\n\n\n
\n
\n

<\/span><\/a>Semi-conducteurs<\/a><\/p>\n<\/div>\n<\/div>\n<\/div><\/div>\n\n\n\n

<\/div>\n\n\n

Automatiser les inspections des wafers de semi-conducteurs<\/h1><\/div><\/div>\n\n\n\n

D\u00e9tection intelligente des d\u00e9fauts par IA pour les wafers en silicium<\/strong><\/strong><\/h2>\n\n\n\n
<\/div>\n\n\n\n
\n
\n

\u00c9quilibrer le rendement et la qualit\u00e9 des wafers en silicium<\/strong><\/strong><\/strong><\/h2>\n\n\n\n

Au cours de la production, les wafers de semi-conducteurs subissent des processus tels que la lithographie, la gravure, le d\u00e9p\u00f4t de films, la diffusion et le meulage, et sont expos\u00e9s \u00e0 diff\u00e9rentes substances dans l’environnement qui peuvent provoquer des d\u00e9fauts affectant la qualit\u00e9. Des lasers peuvent \u00eatre utilis\u00e9s pour r\u00e9parer des cellules en silicium avec certains d\u00e9fauts, mais cela est une \u00e9tape inefficace pour les wafers pr\u00e9sentant trop de d\u00e9fauts, car il vaut mieux les \u00e9liminer directement pour \u00e9viter de ralentir la production. Un processus d’inspection est n\u00e9cessaire pour localiser les wafers d\u00e9fectueux susceptibles d’\u00eatre r\u00e9par\u00e9s.<\/p>\n<\/div>\n\n\n\n

\n
\"Intelligent<\/figure>\n<\/div>\n<\/div>\n\n\n\n
<\/div>
<\/div><\/div>
\n

Syst\u00e8mes d’inspection traditionnels rigides<\/strong><\/h2>\n\n\n\n

Les syst\u00e8mes traditionnels bas\u00e9s sur des r\u00e8gles sont facilement influenc\u00e9s par les conditions d’\u00e9clairage externes et incapables de classer les images en pleine taille, de sorte que les wafers excessivement endommag\u00e9s ne peuvent pas \u00eatre \u00e9limin\u00e9s lors de l’\u00e9tape pr\u00e9liminaire. Les wafers d\u00e9fectueux pr\u00e9sentent g\u00e9n\u00e9ralement des d\u00e9fauts subtils \u00e9parpill\u00e9s de mani\u00e8re al\u00e9atoire sur la surface, ce qui emp\u00eache les syst\u00e8mes de vision conventionnels d’\u00e9tablir des r\u00e8gles pour des inspections efficaces.<\/p>\n<\/div><\/div><\/div>\n\n\n\n

<\/div>
<\/div><\/div>
\n

D\u00e9tection flexible des d\u00e9fauts avec SolVision<\/strong><\/h2>\n\n\n\n

Propuls\u00e9 par l’IA, SolVision<\/a> est capable de reconna\u00eetre les caract\u00e9ristiques de diff\u00e9rents d\u00e9fauts et d’identifier les wafers non conformes. Tout d’abord, le syst\u00e8me utilise l’outil de classification pour d\u00e9terminer si un wafer a \u00e9t\u00e9 endommag\u00e9 au-del\u00e0 de la r\u00e9paration. Le traitement d’images divise ensuite les images scann\u00e9es des wafers en sections, et l’outil de segmentation les inspecte minutieusement pour d\u00e9tecter les d\u00e9fauts. Des informations telles que les caract\u00e9ristiques des d\u00e9fauts, leur emplacement, leur taille et d’autres donn\u00e9es sont enregistr\u00e9es pour am\u00e9liorer l’efficacit\u00e9 des r\u00e9parations ult\u00e9rieures.<\/p>\n<\/div><\/div><\/div>\n\n\n\n

<\/p>\n\n\n\n

\n

Inspection par IA<\/strong><\/strong><\/strong><\/strong><\/h2>\n\n\n\n
\n
\n

\u00c9chantillon d’or<\/strong><\/p>\n\n\n\n

\"\"<\/div>\n<\/div>\n\n\n\n
\n

Produit d\u00e9fectueux<\/strong><\/p>\n\n\n\n

\"\"<\/div>\n<\/div>\n<\/div>\n<\/div><\/div>","protected":false},"excerpt":{"rendered":"

Les wafers d\u00e9fectueux pr\u00e9sentent souvent des d\u00e9fauts subtils dispers\u00e9s al\u00e9atoirement sur la surface, ce qui emp\u00eache les syst\u00e8mes d’inspection automatique (AOI) de d\u00e9finir des r\u00e8gles pour des inspections efficaces.<\/p>","protected":false},"author":875,"featured_media":56103,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_gspb_post_css":"#gspb_heading-id-gsbp-d51e703b-ff95{font-size:60px;line-height:100px;text-align:center!important;color:var(--gs-colorone);margin-top:50px}#gspb_heading-id-gsbp-d51e703b-ff95 .gsap-g-line{text-align:center!important}#gspb_heading-id-gsbp-d51e703b-ff95 .gspb_heading_subtitle,#gspb_subheading-id-gsbp-d51e703b-ff95{display:block;line-height:22px;margin-top:5px;font-size:30px;color:var(--wp--preset--color--white, #ffffff)}.gs-titlebox{background:#fff;line-height:24px;font-size:90%;box-shadow:0 10px 10px #00000007;margin-bottom:25px}.gs-titlebox-text>p{margin-bottom:20px!important;margin-top:0}.gs-titlebox-text>p:last-of-type{margin-bottom:0!important}#gspb_titleBox-id-gsbp-0deb1d81-48a5 .gs-titlebox .gs-title-inbox,#gspb_titleBox-id-gsbp-d7f236a4-825c .gs-titlebox .gs-title-inbox{color:var(--wp--preset--color--black, #000000)}#gspb_titleBox-id-gsbp-0deb1d81-48a5 .gs-titlebox .gs-title-inbox svg,#gspb_titleBox-id-gsbp-d7f236a4-825c .gs-titlebox .gs-title-inbox svg{fill:var(--wp--preset--color--black, #000000)}.gs-titlebox .gs-title-inbox{display:flex;align-content:center;padding:15px 20px;font-weight:700;font-size:115%}.gs-titlebox .gs-title-inbox-label{flex-grow:1}.gs-titlebox .gs-titlebox-text{padding:20px}#gspb_image-id-gsbp-05c7652 img,#gspb_image-id-gsbp-d74d5a5 img{vertical-align:top;display:inline-block;box-sizing:border-box;max-width:100%;height:auto}","footnotes":""},"categories":[3620,3594,3600,3670,3688],"tags":[],"class_list":["post-89410","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-etudes-de-cas","category-classification","category-detection-de-defauts","category-semiconductors","category-solvision"],"acf":[],"lang":"fr","translations":{"fr":89410,"en":32252,"es":81665,"tw":32440,"zh":56950,"jp":78476,"pt":86693,"de":88621,"tr":90602,"vi":91720,"th":96594,"it":97885,"ko":95106},"_links":{"self":[{"href":"https:\/\/solomon-3d.mesvr.tw\/fr\/wp-json\/wp\/v2\/posts\/89410","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/solomon-3d.mesvr.tw\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/solomon-3d.mesvr.tw\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/solomon-3d.mesvr.tw\/fr\/wp-json\/wp\/v2\/users\/875"}],"replies":[{"embeddable":true,"href":"https:\/\/solomon-3d.mesvr.tw\/fr\/wp-json\/wp\/v2\/comments?post=89410"}],"version-history":[{"count":0,"href":"https:\/\/solomon-3d.mesvr.tw\/fr\/wp-json\/wp\/v2\/posts\/89410\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/solomon-3d.mesvr.tw\/fr\/wp-json\/wp\/v2\/media\/56103"}],"wp:attachment":[{"href":"https:\/\/solomon-3d.mesvr.tw\/fr\/wp-json\/wp\/v2\/media?parent=89410"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/solomon-3d.mesvr.tw\/fr\/wp-json\/wp\/v2\/categories?post=89410"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/solomon-3d.mesvr.tw\/fr\/wp-json\/wp\/v2\/tags?post=89410"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}