เซมิคอนดักเตอร์
การตรวจสอบ AI ของเซมิคอนดักเตอร์เพื่อหาข้อบกพร่องที่อยู่สุดขอบการมองเห็น คอนทราสต์ต่ำ และเข้าใจผิดได้ง่ายว่าเป็นรอยขัดเงาหรือพื้นผิวปกติ การใช้งานเหล่านี้แสดงให้เห็นโรงงานและสายการผลิตบรรจุภัณฑ์ที่จับได้ว่า AOI ทำอะไรเกินกำลังหรือพลาดไป ตั้งแต่รอยขีดข่วนของ CMP ไปจนถึงชิปหั่นลูกเต๋า
การตรวจสอบคุณภาพเฟรมลีดด้วยระบบอัตโนมัติ
เมื่อการผลิตเซมิคอนดักเตอร์มีความซับซ้อนมากขึ้น กระบวนการผลิตเฟรมลีดก็จำเป็นต้องแม่นยำและมีอัตราผลิตที่สูงขึ้นตามไปด้วย
‧
การตรวจสอบกระบวนการบรรจุภัณฑ์เซมิคอนดักเตอร์
SolVision ช่วยให้สามารถตรวจสอบด้วยภาพผ่านการวิเคราะห์ด้วย AI เสริมความน่าเชื่อถือของข้อมูลด้านตำแหน่งและมุม เพื่อระบุผลิตภัณฑ์ที่มีข้อบกพร่องและข้อผิดพลาดในกระบวนการ die bonding ได้อย่างแม่นยำ
‧
การตรวจสอบด้วยภาพของถาดรองเซมิคอนดักเตอร์
การตรวจจับข้อบกพร่องอัตโนมัติด้วย AI สำหรับการตรวจสอบด้วยภาพของถาดรองเซมิคอนดักเตอร์
‧
การตรวจสอบชิ้นส่วนเซมิคอนดักเตอร์ด้วย AI
SolVision ของ Solomon เอาชนะข้อจำกัดของระบบ AOI แบบเดิม ด้วยการทำ OCR ได้อย่างรวดเร็ว โดยไม่ถูกรบกวนจากพื้นหลัง แสง ความซับซ้อน หรือรูปลักษณ์ของหมายเลขซีเรียล
‧
การตรวจสอบด้วยภาพของถาดเซมิคอนดักเตอร์
เครื่องมือ Feature Detection ของ SolVision จะเรียนรู้ตำแหน่งของถาดก่อน แล้วจึงดำเนินการ OCR ได้อย่างยืดหยุ่นกว่าระบบ AOI แบบเดิม
‧
โซลูชันการตรวจสอบ AI สำหรับเวเฟอร์เซมิคอนดักเตอร์
โดยใช้ SolVision’s AI Inspection Solution การตรวจจับข้อบกพร่องขนาดเล็ก เช่น รอยขีดข่วนละเอียด สามารถระบุและทำเครื่องหมายในภาพตัวอย่างเพื่อฝึกโมเดล AI ได้
‧
การควบคุมคุณภาพของการตัดเวเฟอร์
โดยใช้เครื่องมือการแบ่งส่วนอินสแตนซ์ (Instance Segmentation) ของ SolVision ข้อบกพร่องเช่น เส้นที่ไม่สม่ำเสมอและข้อบกพร่องจากการเจาะหลายจุดจะได้รับการทำเครื่องหมายในภาพตัวอย่างเพื่อฝึกโมเดล AI
‧
การตรวจสอบการบัดกรีแบบ BGA ด้วย AI
SolVision AI ตรวจจับข้อบกพร่องในการบัดกรี BGA ได้อย่างแม่นยำ ช่วยยกระดับการตรวจสอบ ความแม่นยำ และการควบคุมคุณภาพสำหรับผู้ผลิต
‧
การตรวจสอบเวเฟอร์เซมิคอนดักเตอร์โดยอัตโนมัติ
เวเฟอร์ที่มีข้อบกพร่องมักจะมีข้อบกพร่องเล็กน้อยที่กระจายอยู่ทั่วพื้นผิว ซึ่งทำให้ระบบ AOI ไม่สามารถตั้งกฎสำหรับการตรวจสอบที่มีประสิทธิภาพได้
‧
การตรวจจับข้อบกพร่องของการยึดติดในเซมิคอนดักเตอร์
กาวที่มากเกินไปอาจจะเหลืออยู่บนชิปหรือไหลล้นออกมาบนแผงวงจรและทำให้ชิปเอียง ส่งผลกระทบต่อความเสถียรของแพ็กเกจเซมิคอนดักเตอร์ทั้งหมด
‧
การตรวจสอบชิ้นส่วนพลาสติกเพื่อการรีไซเคิลด้วย AI
สำรวจว่า META-aivi ใช้ AI ในการเพิ่มประสิทธิภาพการจัดการขยะ ลดข้อผิดพลาดและหลีกเลี่ยงการปนเปื้อน พร้อมทั้งเพิ่มประสิทธิภาพในการรีไซเคิลชิ้นส่วนพลาสติกอย่างไร
‧
การตรวจสอบถาดใส่ IC ด้วย AI
SolVision ใช้เทคโนโลยี AI ในการเพิ่มประสิทธิภาพการตรวจสอบถาด IC เพื่อการตรวจจับที่แม่นยำ และยกระดับมาตรฐานคุณภาพในอุตสาหกรรมเซมิคอนดักเตอร์
‧
การตรวจสอบชิปเซมิคอนดักเตอร์ที่บรรจุหีบห่อแล้ว
เครื่องมือ Anomaly Detection ใช้เทคโนโลยี Deep Learning เพื่อสอนโมเดล AI ด้วยภาพของเวเฟอร์ที่สมบูรณ์
‧
การตรวจจับข้อบกพร่องจากการบิ่นในการตัดเวเฟอร์
ตำแหน่ง ขนาด และรูปร่างของรอยร้าวเปลี่ยนไปในแต่ละครั้ง และการตรวจสอบด้วยระบบภาพแบบดั้งเดิมไม่สามารถระบุข้อบกพร่องที่ไม่แน่นอนได้อย่างแม่นยำ
‧
การจัดการสิ่งอำนวยความสะดวกจากระยะไกลอัจฉริยะ
การมองเห็นเครื่องจักรถูกนำมาใช้เพื่อทำการรู้จำตัวอักษร (OCR) ข้อมูลนี้จะถูกส่งไปยังคลาวด์เพื่อสร้างรายงานการตรวจสอบ ทำให้ผู้ปฏิบัติงานในโรงงานสามารถตรวจสอบการตรวจสอบสิ่งอำนวยความสะดวกได้ง่ายผ่านอุปกรณ์เคลื่อนที่
‧