晶圆制造企业中大量的数据是以非结构化的形式,也即图片的形式存在的。尤其是与良率相关的数据。而这些非结构化数据的信息提取严重依赖人工,效率非常低下,造成了良率分析的瓶颈。
而缺陷图片是非结构化数据中的主要部分。晶圆厂希望能利用计算机视觉技术的识别功能,对晶圆厂的缺陷图片进行识别以及分类,且能适应于多种缺陷图片类型: SEM(电子显微镜)以及OM(光学显微镜)图片,这就是我们研发的ADC产品。
缺陷处理速度的优势,对晶圆厂而言尤为重要,要维持提高良率,必须对产线进行24小时的监控,因此发现问题到处理完成的时效性,对晶圆厂的经济指标非常重要。我们的ADC产品可以实现近20倍的提速,可以将处理缺陷问题的效率提高将近67%,为晶圆厂带来巨大的经济收益。
目前我们的ADC产品已经在国内头部的晶圆厂中进行了部署,并得到了实地验证,取得了良好的效果。
人工解读信息存在着速度比较慢的缺点,而且稳定性差,同一图片所获取的信息因人而异,因时间心情而异。而AI ADC不仅处理速度快,对图片分类的速度是人工的20倍。稳定性也有保证,有自学习以及迁移学习能力,只需付出一定的硬件资源,便能适用绝大部分良率问题识别的场景,实现快速、自动、稳定的输出,同时有着很高的性价比。
80%的晶圆厂良率问题都是以缺陷图片为载体呈现,当前一些ADC软件(非机器视觉技术)虽然也能处理部分的图片解析,但缺失自学习能力,只能适用极小部分场景,灵活性差。而AI ADC通过有效的训练学习,能够处理当前晶圆厂各种类型的图片数据。