[go: up one dir, main page]

CN118372382B - 一种基于机器视觉的半导体晶圆智能切割系统 - Google Patents

一种基于机器视觉的半导体晶圆智能切割系统 Download PDF

Info

Publication number
CN118372382B
CN118372382B CN202410833739.4A CN202410833739A CN118372382B CN 118372382 B CN118372382 B CN 118372382B CN 202410833739 A CN202410833739 A CN 202410833739A CN 118372382 B CN118372382 B CN 118372382B
Authority
CN
China
Prior art keywords
wafer
cutting
abnormal
defect
blade
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202410833739.4A
Other languages
English (en)
Other versions
CN118372382A (zh
Inventor
朱士峰
邵玉坤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Huaxin Zhizao Semiconductor Co ltd
Original Assignee
Jiangsu Huaxin Zhizao Semiconductor Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu Huaxin Zhizao Semiconductor Co ltd filed Critical Jiangsu Huaxin Zhizao Semiconductor Co ltd
Priority to CN202410833739.4A priority Critical patent/CN118372382B/zh
Publication of CN118372382A publication Critical patent/CN118372382A/zh
Application granted granted Critical
Publication of CN118372382B publication Critical patent/CN118372382B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B28—WORKING CEMENT, CLAY, OR STONE
    • B28D—WORKING STONE OR STONE-LIKE MATERIALS
    • B28D5/00—Fine working of gems, jewels, crystals, e.g. of semiconductor material; apparatus or devices therefor
    • B28D5/0058—Accessories specially adapted for use with machines for fine working of gems, jewels, crystals, e.g. of semiconductor material
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B28—WORKING CEMENT, CLAY, OR STONE
    • B28D—WORKING STONE OR STONE-LIKE MATERIALS
    • B28D5/00—Fine working of gems, jewels, crystals, e.g. of semiconductor material; apparatus or devices therefor
    • B28D5/0058—Accessories specially adapted for use with machines for fine working of gems, jewels, crystals, e.g. of semiconductor material
    • B28D5/0076—Accessories specially adapted for use with machines for fine working of gems, jewels, crystals, e.g. of semiconductor material for removing dust, e.g. by spraying liquids; for lubricating, cooling or cleaning tool or work
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B28—WORKING CEMENT, CLAY, OR STONE
    • B28D—WORKING STONE OR STONE-LIKE MATERIALS
    • B28D5/00—Fine working of gems, jewels, crystals, e.g. of semiconductor material; apparatus or devices therefor
    • B28D5/02—Fine working of gems, jewels, crystals, e.g. of semiconductor material; apparatus or devices therefor by rotary tools, e.g. drills
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30148—Semiconductor; IC; Wafer

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Processing Of Stones Or Stones Resemblance Materials (AREA)

Abstract

本发明属于半导体晶圆切割技术领域，公开一种基于机器视觉的半导体晶圆智能切割系统，该系统包括材料质量判断模块、切割操作定位模块、切割定位校准模块、切割定位评价模块、晶圆切割操作模块、产品质量分析模块、产品异常识别模块、切割参数调整模块和数据存储库。本发明通过基于历史校正记录对于刀片移动精准性进行分析，进而基于分析结果判断是否需要对机器进行维修，可以精确地识别刀片移动精度的变化趋势和潜在问题，避免因机器故障导致的生产中断和损失，同时本发明通过分析异常晶圆异常指向进而分析调节切割参数，负反馈调节机制确保了切割参数能够快速适应生产过程中的变化，有效减少不良品的产生，提高晶圆的质量。

Description

一种基于机器视觉的半导体晶圆智能切割系统
技术领域
本发明属于半导体晶圆切割技术领域，涉及到一种基于机器视觉的半导体晶圆智能切割系统。
背景技术
半导体晶圆切割是指将晶棒切割成晶圆的生产过程，半导体晶圆切割是半导体芯片制造过程中不可或缺的环节。半导体晶圆切割过程中可能会因为刀片定位偏离、刀片转速异常和冷却水流速异常等问题导致晶圆质量出现问题。因此，基于机器视觉的半导体晶圆智能切割分析具有重要意义。
晶圆切割过程中刀片移动位置的精准性直接影响了晶圆产品的质量合格与否，而对于位置精准度的分析对于生产线优化和设备维护具有重要意义，传统的晶圆切割生产过程中通常通过分析刀片位移情况进而对刀片位置进行校正，而缺乏基于历史校正记录对于刀片移动精准性的分析，导致晶圆生产过程中的不确定性增加，影响晶圆切割的准确性和一致性，可能导致问题反复出现，而无法得到根本性的解决，频繁地进行刀片位置校正会影响生产效率，增加生产成本。
对于晶圆切割过程的切割参数控制是是晶圆生产效率和质量的重要保障，传统的晶圆生产过程通常只通过人工观察晶圆产品的质量进而对切割参数进行模糊优化而缺乏基于产品质量对切割参数的标准化反馈调节，这种分析方式可能导致对切割参数的调整不够精确，无法形成动态的切割参数调整，难以满足高精度生产的需求，降低了生产效率，并且由于人工观察较为主观，可能导致产品质量下降或生产中断。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出一种基于机器视觉的半导体晶圆智能切割系统。
本发明的目的可以通过以下技术方案实现：一种基于机器视觉的半导体晶圆智能切割系统，该系统包括：材料质量判断模块，用于利用高清摄像头识别晶棒表观缺陷信息，具体包括缺陷数量、缺陷类型和缺陷面积，并分析晶棒表观质量情况，进而判断是否符合生产要求，当符合生产要求时进行切割操作。
切割操作定位模块，用于以晶棒端点为原点建立一维坐标系，基于晶圆厚度定位各规划切割位置坐标，将刀片移动至规划切割位置。
切割定位校准模块，用于利用高清摄像头获取刀片稳定后所处实际位置坐标，并分析刀片偏移情况，进而对刀片进行位置校准。
切割定位评价模块，用于从数据存储库中提取历史校准记录，并获取历史刀片位置校正量和校正频次，进而分析刀片移动精准性，进而判断是否需要对机器进行维修。
晶圆切割操作模块，用于基于等间隔时长进行生产时段划分，进而基于预先设置的初始切割参数对晶棒进行切割得到晶圆，其中切割参数包括刀片转速和冷却液流速。
产品质量分析模块，用于利用高清摄像头采集各生产时段切割得到的晶圆表面图像并获取晶圆表面缺损信息，具体包括缺损类型、缺损参数和缺损数量，进而分析晶圆机械缺损情况和热塑损伤情况。
产品异常识别模块，用于基于产品质量情况判断产品是否符合生产要求，将不符合生产要求的晶圆记为异常晶圆进而识别异常晶圆异常切割指向，具体包括刀片转速异常和冷却液流速异常。
切割参数调整模块，用于基于各生产时段内异常晶圆的异常切割指向获取调整切割参数，进而基于调整切割参数进行后续晶圆切割。
数据存储库，用于存储历史校准记录、初始切割参数和各种缺陷类型对应的影响因子。
于本发明一优选实施例，所述分析晶棒表观质量情况步骤如下：提取利用高清摄像头采集的晶棒表面图像，进而定位图像中晶棒表面的表观缺陷位置，并统计标记的表观缺陷位置数量即为表观缺陷数量。
提取各表观缺陷位置对应的缺陷特征，从而识别缺陷类型，由此将相同缺陷类型对应的表观缺陷位置进行归类，并统计各类型表观缺陷位置数量即为各类型表观缺陷数量，表示缺陷类型编号，。
利用图像处理软件对晶棒表面图像进行分析得到各处表观缺陷对应的缺陷面积，进而将同种类型表观缺陷的缺陷面积进行均值计算得到各类型表观缺陷的平均缺陷面积。
将各表观缺陷的缺陷类型与数据存储库中存储的各种缺陷类型对应的影响因子进行匹配，得到各表观缺陷对应的影响因子。
将各类型表观缺陷的数量、平均缺陷面积和各表观缺陷对应的影响因子代入分析公式得到晶棒表观质量指数，其中表示自然常数，表示晶棒表面积。
于本发明一优选实施例，所述判断是否符合生产要求具体如下：将分析得到的晶棒表观质量指数与预先设置的达标晶棒表观质量指数进行对比，当晶棒表观质量指数大于或等于预先设置的达标晶棒表观质量指数时，判断该晶棒符合生产要求，反之当晶棒表观质量指数小于达标晶棒表观质量指数时，判断该晶棒不符合生产要求。
于本发明一优选实施例，所述分析刀片偏移情况步骤如下：提取晶圆规划切割位置坐标，并提取刀片稳定后的实际位置坐标，将规划切割位置坐标与实际位置坐标进行差值计算得到规划切割偏离量。
将规划切割偏离量代入分析公式得到刀片偏离度，其中表示预先设置的允许规划切割偏离量，表示规划切割偏离量。
于本发明一优选实施例，所述分析刀片移动精准性步骤如下：提取历史校准记录对应的历史刀片位置校正量，进而将历史刀片位置校正量进行相同校正量归类，统计各类历史刀片位置校正量对应的历史校准记录数量，选取最大历史校准记录数量对应的历史刀片位置校正量作为监测历史刀片位置校正量。
将历史校准频次和监测历史刀片位置校正量代入分析公式得到刀片移动精准度，其中表示历史校准数量，表示监测历史刀片位置校正量。
于本发明一优选实施例，所述获取晶圆表面缺损信息具体如下：所述缺损类型具体包括裂纹和热变色，缺损参数具体为裂纹长度和热变色区域面积。
提取利用高清摄像头采集的晶圆表面图像，定位图像中的裂纹位置和热变色区域位置，并统计得到裂纹数量和热变色区域数量，进而利用图像处理软件得到各裂纹的长度和各热变色区域面积。
于本发明一优选实施例，所述分析晶圆机械缺损情况和热塑损伤情况步骤如下：将晶圆表面各裂纹长度进行均值计算得到平均裂纹长度，进而将平均裂纹长度和裂纹数量代入分析公式得到晶圆机械缺损指数，其中表示平均裂纹长度，表示晶圆直径，表示裂纹数量。
将晶圆表面各热变色区域面积进行累加得到晶圆表面热面色区域总面积，进而将晶圆表面热面色区域总面积与晶圆表面积进行占比计算得到晶圆热塑损伤指数。
于本发明一优选实施例，所述判断产品是否符合生产要求具体如下：将晶圆的机械缺损指数和热塑损伤指数分别与预先设置的允许机械缺损指数和允许热塑损伤指数进行对比。
当晶圆的机械损伤指数小于或等于预先设置的允许机械缺损指数且热塑损伤指数小于或等于预先设置的允许热塑损伤指数时，判断晶圆符合生产要求，反之则判断晶圆不符合生产要求。
于本发明一优选实施例，所述识别异常晶圆异常切割指向步骤如下：提取异常晶圆的机械缺损指数和热塑损伤指数，进而将异常晶圆的机械缺损指数和热塑损伤指数分别与预先设置的允许机械缺损指数和允许热塑损伤指数进行对比。
当异常晶圆的机械缺损指数大于允许机械缺损指数且热塑损伤指数小于或等于允许热塑损伤指数时，该异常晶圆的异常切割指向为刀片转速异常。
当异常晶圆的机械缺损指数小于或等于允许机械缺损指数且热塑损伤指数大于允许热塑损伤指数时，该异常晶圆的异常切割指向为冷却液流速异常。
当异常晶圆的机械缺损指数大于允许机械缺损指数且热度损伤指数大于允许热度损伤指数时，该异常晶圆的异常切割指向为刀片转速异常和冷却液流速异常。
于本发明一优选实施例，所述获取调整切割参数步骤如下：提取异常切割指向为刀片转速异常的异常晶圆数量和异常切割指向为冷却液流速异常的异常晶圆数量，进而分别与该生产时段生产的晶圆数量进行对比得到刀片转速异常晶圆数量占比和冷却液流速异常晶圆数量占比。
将刀片转速异常晶圆数量占比和冷却液流速异常晶圆数量占比与预先设置的允许刀片转速异常晶圆数量占比和允许冷却液流速异常晶圆数量占比进行对比，判断是否需要对刀片转速和冷却液流速进行调整。
当判断需要对刀片转速进行调整时，将各异常切割指向为刀片转速异常的异常晶圆对应的机械缺损指数进行均值计算得到监测机械缺损指数，进而将监测机械缺损指数代入分析公式得到调整刀片转速，其中表示初始刀片转速。
当判断需要对冷却液流速进行调整时，将各异常切割指向为冷却液流速异常的异常晶圆对应的热塑损伤指数进行均值计算得到监测热塑损伤指数，进而将监测热塑损伤指数代入分析公式得到调整冷却液流速，其中表示初始冷却液流速。
相较于现有技术，本发明的有益效果如下：（1）本发明通过基于历史校正记录对于刀片移动精准性进行分析，进而基于分析结果判断是否需要对机器进行维修，通过分析历史校正记录可以精确地识别刀片移动精度的变化趋势和潜在问题，避免因机器故障导致的生产中断和损失，确保机器处于最佳工作状态，有助于提高生产效率，优化资源分配，基于数据分析的维修决策还可以增大维修时机判断的准确性，确保进行维修的必要性。
（2）本发明通过分析晶圆机械缺损情况和晶圆热塑损伤情况，进而进行异常晶圆异常切割指向识别，并基于异常切割指向分析调节切割参数，从而实现对于切割参数的反馈调节，这种分析方式能够精确找到造成异常的具体原因，从而有针对性地调整切割参数，反馈调节机制确保切割参数能够快速适应生产过程中的变化，有效减少不良品的产生，提高晶圆的质量，精确的参数调整有助于设备保持最佳工作状态，提高生产效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明系统各模块连接示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1所示，本发明提供了一种基于机器视觉的半导体晶圆智能切割系统，该系统包括材料质量判断模块、切割操作定位模块、切割定位校准模块、切割定位评价模块、晶圆切割操作模块、产品质量分析模块、产品异常识别模块、切割参数调整模块和数据存储库，其中材料质量判断模块与切割操作定位模块连接，切割操作定位模块与切割定位校准模块连接，切割定位校准模块分别与切割定位评价模块和晶圆切割操作模块连接，晶圆切割操作模块与产品质量分析模块连接，产品质量分析模块与产品异常识别模块连接，产品异常识别模块与切割参数调整模块连接，切割参数调整模块与晶圆切割操作模块连接，数据存储库分别与材料质量判断模块、切割定位评价模块和晶圆切割操作模块连接。
所述材料质量判断模块用于利用高清摄像头识别晶棒表观缺陷信息，具体包括缺陷数量、缺陷类型和缺陷面积，并分析晶棒表观质量情况，进而判断是否符合生产要求，当符合生产要求时进行切割操作。
优选地，提取利用高清摄像头采集的晶棒表面图像，进而定位图像中晶棒表面的表观缺陷位置，并统计标记的表观缺陷位置数量即为表观缺陷数量。
提取各表观缺陷位置对应的缺陷特征，从而识别缺陷类型，由此将相同缺陷类型对应的表观缺陷位置进行归类，并统计各类型表观缺陷位置数量即为各类型表观缺陷数量，表示缺陷类型编号，。
示例性的，晶棒表观缺陷为裂纹和崩损。
需要补充的是，识别缺陷类型步骤如下：提取利用高清摄像头采集的晶棒表面图像，进而聚焦在各缺陷位置处，利用边缘检测技术识别缺陷位置的边缘信息，进而利用图像软件分析得到各缺陷位置的最大缺陷宽度，将各缺陷位置的最大缺陷宽度与预先设置的达标缺陷宽度进行对比，当某缺陷位置的最大缺陷宽度大于或等于预先设置的达标缺陷宽度，判断该缺陷位置的缺陷类型为崩损，反之判断该缺陷位置的缺陷类型为裂纹。
利用图像处理软件对晶棒表面图像进行分析得到各处表观缺陷对应的缺陷面积，进而将同种类型表观缺陷的缺陷面积进行均值计算得到各类型表观缺陷的平均缺陷面积。
将各表观缺陷的缺陷类型与数据存储库中存储的各种缺陷类型对应的影响因子进行匹配，得到各表观缺陷对应的影响因子。
示例性的，取表观缺陷对应的影响因子的区间为，进而按照表观缺陷对于晶圆质量影响的严重程度进行影响因子设置，裂纹对应的影响因子为，崩损对应的影响因子为。
将各类型表观缺陷的数量、平均缺陷面积和各表观缺陷对应的影响因子代入分析公式得到晶棒表观质量指数，其中表示自然常数，表示晶棒表面积。
进一步优选地，将分析得到的晶棒表观质量指数与预先设置的达标晶棒表观质量指数进行对比，当晶棒表观质量指数大于或等于预先设置的达标晶棒表观质量指数时，判断该晶棒符合生产要求，反之当晶棒表观质量指数小于达标晶棒表观质量指数时，判断该晶棒不符合生产要求。
示例性的，达标晶棒表观质量指数为。
需要说明的是，在切割前对晶棒进行表观质量分析的目的：晶圆的质量直接影响最终半导体器件的性能和可靠性，对晶棒进行表观质量分析，可以确保切割出的晶圆具有较高的质量和一致性，从而提高最终产品的性能和质量。
所述切割操作定位模块用于以晶棒端点为原点建立一维坐标系，基于晶圆厚度定位各规划切割位置坐标，将刀片移动至规划切割位置。
所述切割定位校准模块用于利用高清摄像头获取刀片稳定后所处实际位置坐标，并分析刀片偏移情况，进而对刀片进行位置校准。
需要说明的是，晶圆生产过程中刀片位置的偏移可能导致切割不完整，会直接影响到晶圆的成品率和生产效率。
需要解释的是，出现刀片偏移情况是因为实践中因为系统误差或设备老化可能导致位移精度降低，进而导致累积误差。
优选地，提取晶圆规划切割位置坐标，并提取刀片稳定后的实际位置坐标，将规划切割位置坐标与实际位置坐标进行差值计算得到规划切割偏离量。
将规划切割偏离量代入分析公式得到刀片偏离度，其中表示预先设置的允许规划切割偏离量，表示规划切割偏离量。
示例性的，。
所述切割定位评价模块用于从数据存储库中提取历史校准记录，并获取历史刀片位置校正量和校正频次，进而分析刀片移动精准性，进而判断是否需要对机器进行维修。
优选地，提取历史校准记录对应的历史刀片位置校正量，进而将历史刀片位置校正量进行相同校正量归类，统计各类历史刀片位置校正量对应的历史校准记录数量，选取最大历史校准记录数量对应的历史刀片位置校正量作为监测历史刀片位置校正量。
需要说明的是，选取最大历史校准记录数量对应的历史刀片位置校正量作为监测历史刀片位置校正量的原因：可以更准确地了解设备在常规运行时的性能表现，通过分析历史记录中频繁出现的刀片位置校正量，可以预测设备在未来可能出现的问题或偏移趋势，这有助于提前进行预防性维护，避免设备在生产过程中出现大的偏差或故障，从而保持生产的连续性和稳定性。
将历史校准频次和监测历史刀片位置校正量代入分析公式得到刀片移动精准度，其中表示历史校准数量，表示监测历史刀片位置校正量。
需要说明的是，本发明通过基于历史校正记录对于刀片移动精准性进行分析，进而基于分析结果判断是否需要对机器进行维修，通过分析历史校正记录可以精确地识别刀片移动精度的变化趋势和潜在问题，避免因机器故障导致的生产中断和损失，确保机器处于最佳工作状态，有助于提高生产效率，优化资源分配，基于数据分析的维修决策还可以增大维修时机判断的准确性，确保进行维修的必要性。
所述晶圆切割操作模块用于基于等间隔时长进行生产时段划分，进而基于预先设置的初始切割参数对晶棒进行切割得到晶圆，其中切割参数包括刀片转速和冷却液流速。
需要说明的是，选取刀片转速和冷却液流速作为切割参数的原因：1、刀片转速的选择对于切割面的平整度和精度至关重要。过低的转速可能导致切割面粗糙、不平整，而过高的转速则可能增加刀片与晶圆之间的摩擦，进而影响晶圆的性能；2、晶圆在切割过程中受到热应力的影响，可能导致晶格变形或裂纹，适当的冷却液流速可以及时带走热量，减少热应力的产生，保证晶圆的完整性和性能。
示例性的，初始刀片转速为，初始冷却液流速为。
所述产品质量分析模块用于利用高清摄像头采集各生产时段切割得到的晶圆表面图像并获取晶圆表面缺损信息，具体包括缺损类型、缺损参数和缺损数量，进而分析晶圆机械缺损情况和热塑损伤情况。
优选地，所述缺损类型具体包括裂纹和热变色，缺损参数具体为裂纹长度和热变色区域面积。
需要说明的是，选择裂纹和热变色作为晶圆缺损类型的原因：1、裂纹是晶圆制造过程中常见的缺损类型之一，裂纹的存在会直接影响晶圆的机械性能和电性能，裂纹可能导致晶圆在后续加工过程中易碎，降低其可靠性，裂纹还可能影响晶圆上电路的布局和连接，进而影响整个半导体器件的性能；2、热变色通常与晶圆热形变密切相关，热变色可能意味着晶圆在制造过程中经历了不均匀的温度变化或过度的热应力，这可能导致晶圆的结构稳定性降低，影响产品的电性能和可靠性。
提取利用高清摄像头采集的晶圆表面图像，定位图像中的裂纹位置和热变色区域位置，并统计得到裂纹数量和热变色区域数量，进而利用图像处理软件得到各裂纹的长度和各热变色区域面积。
进一步优选地，将晶圆表面各裂纹长度进行均值计算得到平均裂纹长度，进而将平均裂纹长度和裂纹数量代入分析公式得到晶圆机械缺损指数，其中表示平均裂纹长度，表示晶圆直径，表示裂纹数量。
需要说明的是，选择平均裂纹长度和裂纹数量作为晶圆机械缺损指数影响因素的原因：1、平均裂纹长度是衡量晶圆裂纹严重程度的一个重要指标。较长的裂纹可能意味着晶圆在制造过程中受到了较大的机械冲击或热应力，导致裂纹的扩展和加剧；2、裂纹数量反映了晶圆上裂纹的密集程度，较多的裂纹数量可能意味着晶圆在制造过程中存在较多的潜在问题，如材料质量不稳定、加工精度不足等。
将晶圆表面各热变色区域面积进行累加得到晶圆表面热面色区域总面积，进而将晶圆表面热面色区域总面积与晶圆表面积进行占比计算得到晶圆热塑损伤指数。
所述产品异常识别模块用于基于产品质量情况判断产品是否符合生产要求，将不符合生产要求的晶圆记为异常晶圆进而识别异常晶圆异常切割指向，具体包括刀片转速异常和冷却液流速异常。
优选地，将晶圆的机械缺损指数和热塑损伤指数分别与预先设置的允许机械缺损指数和允许热塑损伤指数进行对比。
当晶圆的机械损伤指数小于或等于预先设置的允许机械缺损指数且热塑损伤指数小于或等于预先设置的允许热塑损伤指数时，判断晶圆符合生产要求，反之则判断晶圆不符合生产要求。
示例性的，允许机械缺损指数为，允许热塑损伤指数为。
进一步优选地，提取异常晶圆的机械缺损指数和热塑损伤指数，进而将异常晶圆的机械缺损指数和热塑损伤指数分别与预先设置的允许机械缺损指数和允许热塑损伤指数进行对比。
当异常晶圆的机械缺损指数大于允许机械缺损指数且热塑损伤指数小于或等于允许热塑损伤指数时，该异常晶圆的异常切割指向为刀片转速异常。
需要解释的是，当刀片转速过高时，刀片与晶圆之间的摩擦会产生大量热量，导致晶圆局部过热，这种过热状态可能引起晶圆的热应力，进而增加晶圆机械缺损指数，如裂纹、崩损等缺陷的出现，高转速也会加速刀片的磨损，磨损的刀片在切割过程中更容易产生不稳定的切割力，从而增加晶圆机械缺损指数。
当异常晶圆的机械缺损指数小于或等于允许机械缺损指数且热塑损伤指数大于允许热塑损伤指数时，该异常晶圆的异常切割指向为冷却液流速异常。
需要解释的是，冷却液的主要作用是降低晶圆切割区域的温度，减少热应力的产生，冷却液流速的大小直接影响其散热效果，当冷却液流速较低时，热量不能及时被带走，导致晶圆温度上升，从而增加热塑损伤指数，相反，当冷却液流速较高时，能够更有效地带走热量，降低晶圆温度，减少热塑损伤。
当异常晶圆的机械缺损指数大于允许机械缺损指数且热度损伤指数大于允许热度损伤指数时，该异常晶圆的异常切割指向为刀片转速异常和冷却液流速异常。
需要说明的是，刀片转速异常和冷却液流速异常的影响：1、转速过低时切割机械能不足，可能导致芯片在没有被完全切割开的情况下被强行分开，产生严重的崩裂，转速过高时可能影响切割质量，并可能导致刀片在切割过程中由于稳定性降低产生较大的偏离刀片前进轴线的震动，降低切割精度；2、冷却液流速异常可能影响切割区域的温度控制，进而影响金刚石颗粒的磨损速度和刀片的锋利度，最终影响切割质量，冷却液流速的不稳定可能导致设备整体运行的稳定性下降，增加生产过程中的不确定性和风险。
所述切割参数调整模块用于基于各生产时段内异常晶圆的异常切割指向获取调整切割参数，进而基于调整切割参数进行后续晶圆切割。
优选地，提取异常切割指向为刀片转速异常的异常晶圆数量和异常切割指向为冷却液流速异常的异常晶圆数量，进而分别与该生产时段生产的晶圆数量进行对比得到刀片转速异常晶圆数量占比和冷却液流速异常晶圆数量占比。
将刀片转速异常晶圆数量占比和冷却液流速异常晶圆数量占比与预先设置的允许刀片转速异常晶圆数量占比和允许冷却液流速异常晶圆数量占比进行对比，判断是否需要对刀片转速和冷却液流速进行调整。
示例性的，允许刀片转速异常晶圆数量占比为，允许冷却液流速异常晶圆数量占比为。
需要补充的是，判断是否需要对刀片转速和冷却液流速进行调整过程如下：当刀片转速异常晶圆数量占比小于或等于预先设置的允许刀片转速异常晶圆数量占比时，判断不需要对刀片转速进行调整，反之当刀片转速异常晶圆数量占比大于预先设置的允许刀片转速异常晶圆数量占比时，判断需要对刀片转速进行调整。
当冷却液流速异常晶圆数量占比小于或等于预先设置的允许冷却液流速异常晶圆数量占比时，判断不需要对冷却液流速进行调整，反之当冷却液流速异常晶圆数量占比大于预先设置的冷却液流速异常晶圆数量占比时，判断需要对冷却液流速进行调整。
当判断需要对刀片转速进行调整时，将各异常切割指向为刀片转速异常的异常晶圆对应的机械缺损指数进行均值计算得到监测机械缺损指数，进而将监测机械缺损指数代入分析公式得到调整刀片转速，其中表示初始刀片转速。
需要解释的是，实践中当刀片转速过快时往往会导致晶圆机械损伤指数提升，因此需要降低刀片转速进而保证机械损伤指数在允许范围之内。
当判断需要对冷却液流速进行调整时，将各异常切割指向为冷却液流速异常的异常晶圆对应的热塑损伤指数进行均值计算得到监测热塑损伤指数，进而将监测热塑损伤指数代入分析公式得到调整冷却液流速，其中表示初始冷却液流速。
需要解释的是，实践中当冷却液流速较低，往往会导致切过过程进行热能堆积进而导致晶圆热塑损伤指数升高，因此需要增大冷却液流速进而保证晶圆热塑损伤指数在允许范围之内。
需要说明的是，本发明通过分析晶圆机械缺损情况和晶圆热塑损伤情况，进而进行异常晶圆异常切割指向识别，并基于异常切割指向分析调节切割参数，从而实现对于切割参数的反馈调节，这种分析方式能够精确找到造成异常的具体原因，从而有针对性地调整切割参数，反馈调节机制确保切割参数能够快速适应生产过程中的变化，有效减少不良品的产生，提高晶圆的质量，精确的参数调整有助于设备保持最佳工作状态，提高生产效率。
所述数据存储库用于存储历史校准记录、初始切割参数和各种缺陷类型对应的影响因子。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。

Claims (10)

1.一种基于机器视觉的半导体晶圆智能切割系统，其特征在于，该系统包括：
材料质量判断模块，用于利用高清摄像头识别晶棒表观缺陷信息，具体包括缺陷数量、缺陷类型和缺陷面积，并分析晶棒表观质量情况，进而判断是否符合生产要求，当符合生产要求时进行切割操作；
切割操作定位模块，用于以晶棒端点为原点建立一维坐标系，基于晶圆厚度定位各规划切割位置坐标，将刀片移动至规划切割位置；
切割定位校准模块，用于利用高清摄像头获取刀片稳定后所处实际位置坐标，并分析刀片偏移情况，进而对刀片进行位置校准；
切割定位评价模块，用于从数据存储库中提取历史校准记录，并获取历史刀片位置校正量和校正频次，进而分析刀片移动精准性，进而判断是否需要对机器进行维修；
晶圆切割操作模块，用于基于等间隔时长进行生产时段划分，进而基于预先设置的初始切割参数对晶棒进行切割得到晶圆，其中切割参数包括刀片转速和冷却液流速；
产品质量分析模块，用于利用高清摄像头采集各生产时段切割得到的晶圆表面图像并获取晶圆表面缺损信息，具体包括缺损类型、缺损参数和缺损数量，进而分析晶圆机械缺损情况和热塑损伤情况；
产品异常识别模块，用于基于产品质量情况判断产品是否符合生产要求，将不符合生产要求的晶圆记为异常晶圆进而识别异常晶圆异常切割指向，具体包括刀片转速异常和冷却液流速异常；
切割参数调整模块，用于基于各生产时段内异常晶圆的异常切割指向获取调整切割参数，进而基于调整切割参数进行后续晶圆切割；
数据存储库，用于存储历史校准记录、初始切割参数和各种缺陷类型对应的影响因子;
其中材料质量判断模块与切割操作定位模块连接，切割操作定位模块与切割定位校准模块连接，切割定位校准模块分别与切割定位评价模块和晶圆切割操作模块连接，晶圆切割操作模块与产品质量分析模块连接，产品质量分析模块与产品异常识别模块连接，产品异常识别模块与切割参数调整模块连接，切割参数调整模块与晶圆切割操作模块连接，数据存储库分别与材料质量判断模块、切割定位评价模块和晶圆切割操作模块连接。
2.如权利要求1所述的一种基于机器视觉的半导体晶圆智能切割系统，其特征在于：所述分析晶棒表观质量情况步骤如下：
提取利用高清摄像头采集的晶棒表面图像，进而定位图像中晶棒表面的表观缺陷位置，并统计标记的表观缺陷位置数量即为表观缺陷数量；
提取各表观缺陷位置对应的缺陷特征，从而识别缺陷类型，由此将相同缺陷类型对应的表观缺陷位置进行归类，并统计各类型表观缺陷位置数量即为各类型表观缺陷数量，表示缺陷类型编号，；
利用图像处理软件对晶棒表面图像进行分析得到各处表观缺陷对应的缺陷面积，进而将同种类型表观缺陷的缺陷面积进行均值计算得到各类型表观缺陷的平均缺陷面积；
将各表观缺陷的缺陷类型与数据存储库中存储的各种缺陷类型对应的影响因子进行匹配，得到各表观缺陷对应的影响因子；
将各类型表观缺陷的数量、平均缺陷面积和各表观缺陷对应的影响因子代入分析公式得到晶棒表观质量指数，其中表示自然常数，表示晶棒表面积。
3.如权利要求2所述的一种基于机器视觉的半导体晶圆智能切割系统，其特征在于：所述判断是否符合生产要求具体如下：
将分析得到的晶棒表观质量指数与预先设置的达标晶棒表观质量指数进行对比，当晶棒表观质量指数大于或等于预先设置的达标晶棒表观质量指数时，判断该晶棒符合生产要求，反之当晶棒表观质量指数小于达标晶棒表观质量指数时，判断该晶棒不符合生产要求。
4.如权利要求1所述的一种基于机器视觉的半导体晶圆智能切割系统，其特征在于：所述分析刀片偏移情况步骤如下：
提取晶圆规划切割位置坐标，并提取刀片稳定后的实际位置坐标，将规划切割位置坐标与实际位置坐标进行差值计算得到规划切割偏离量；
将规划切割偏离量代入分析公式得到刀片偏离度，其中表示预先设置的允许规划切割偏离量，表示规划切割偏离量。
5.如权利要求4所述的一种基于机器视觉的半导体晶圆智能切割系统，其特征在于：所述分析刀片移动精准性步骤如下：
提取历史校准记录对应的历史刀片位置校正量，进而将历史刀片位置校正量进行相同校正量归类，统计各类历史刀片位置校正量对应的历史校准记录数量，选取最大历史校准记录数量对应的历史刀片位置校正量作为监测历史刀片位置校正量；
将历史校准频次和监测历史刀片位置校正量代入分析公式得到刀片移动精准度，其中表示历史校准数量，表示监测历史刀片位置校正量。
6.如权利要求1所述的一种基于机器视觉的半导体晶圆智能切割系统，其特征在于：所述获取晶圆表面缺损信息具体如下：
所述缺损类型具体包括裂纹和热变色，缺损参数具体为裂纹长度和热变色区域面积；
提取利用高清摄像头采集的晶圆表面图像，定位图像中的裂纹位置和热变色区域位置，并统计得到裂纹数量和热变色区域数量，进而利用图像处理软件得到各裂纹的长度和各热变色区域面积。
7.如权利要求6所述的一种基于机器视觉的半导体晶圆智能切割系统，其特征在于：所述分析晶圆机械缺损情况和热塑损伤情况步骤如下：
将晶圆表面各裂纹长度进行均值计算得到平均裂纹长度，进而将平均裂纹长度和裂纹数量代入分析公式得到晶圆机械缺损指数，其中表示平均裂纹长度，表示晶圆直径，表示裂纹数量；
将晶圆表面各热变色区域面积进行累加得到晶圆表面热面色区域总面积，进而将晶圆表面热面色区域总面积与晶圆表面积进行占比计算得到晶圆热塑损伤指数。
8.如权利要求7所述的一种基于机器视觉的半导体晶圆智能切割系统，其特征在于：所述判断产品是否符合生产要求具体如下：
将晶圆的机械缺损指数和热塑损伤指数分别与预先设置的允许机械缺损指数和允许热塑损伤指数进行对比；
当晶圆的机械损伤指数小于或等于预先设置的允许机械缺损指数且热塑损伤指数小于或等于预先设置的允许热塑损伤指数时，判断晶圆符合生产要求，反之则判断晶圆不符合生产要求。
9.如权利要求8所述的一种基于机器视觉的半导体晶圆智能切割系统，其特征在于：所述识别异常晶圆异常切割指向步骤如下：
提取异常晶圆的机械缺损指数和热塑损伤指数，进而将异常晶圆的机械缺损指数和热塑损伤指数分别与预先设置的允许机械缺损指数和允许热塑损伤指数进行对比；
当异常晶圆的机械缺损指数大于允许机械缺损指数且热塑损伤指数小于或等于允许热塑损伤指数时，该异常晶圆的异常切割指向为刀片转速异常；
当异常晶圆的机械缺损指数小于或等于允许机械缺损指数且热塑损伤指数大于允许热塑损伤指数时，该异常晶圆的异常切割指向为冷却液流速异常；
当异常晶圆的机械缺损指数大于允许机械缺损指数且热度损伤指数大于允许热度损伤指数时，该异常晶圆的异常切割指向为刀片转速异常和冷却液流速异常。
10.如权利要求9所述的一种基于机器视觉的半导体晶圆智能切割系统，其特征在于：所述获取调整切割参数步骤如下：
提取异常切割指向为刀片转速异常的异常晶圆数量和异常切割指向为冷却液流速异常的异常晶圆数量，进而分别与该生产时段生产的晶圆数量进行对比得到刀片转速异常晶圆数量占比和冷却液流速异常晶圆数量占比；
将刀片转速异常晶圆数量占比和冷却液流速异常晶圆数量占比与预先设置的允许刀片转速异常晶圆数量占比和允许冷却液流速异常晶圆数量占比进行对比，判断是否需要对刀片转速和冷却液流速进行调整；
当判断需要对刀片转速进行调整时，将各异常切割指向为刀片转速异常的异常晶圆对应的机械缺损指数进行均值计算得到监测机械缺损指数，进而将监测机械缺损指数代入分析公式得到调整刀片转速，其中表示初始刀片转速；
当判断需要对冷却液流速进行调整时，将各异常切割指向为冷却液流速异常的异常晶圆对应的热塑损伤指数进行均值计算得到监测热塑损伤指数，进而将监测热塑损伤指数代入分析公式得到调整冷却液流速，其中表示初始冷却液流速。
CN202410833739.4A 2024-06-26 2024-06-26 一种基于机器视觉的半导体晶圆智能切割系统 Active CN118372382B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410833739.4A CN118372382B (zh) 2024-06-26 2024-06-26 一种基于机器视觉的半导体晶圆智能切割系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410833739.4A CN118372382B (zh) 2024-06-26 2024-06-26 一种基于机器视觉的半导体晶圆智能切割系统

Publications (2)

Publication Number Publication Date
CN118372382A CN118372382A (zh) 2024-07-23
CN118372382B true CN118372382B (zh) 2024-09-17

Family

ID=91912741

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410833739.4A Active CN118372382B (zh) 2024-06-26 2024-06-26 一种基于机器视觉的半导体晶圆智能切割系统

Country Status (1)

Country Link
CN (1) CN118372382B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118596373B (zh) * 2024-08-08 2024-12-03 青岛华芯晶电科技有限公司 基于图像分析的氧化镓晶体生产质量调控系统及方法
CN118684425B (zh) * 2024-08-20 2024-12-03 江苏纳帝电子科技有限公司 一种触控屏玻璃面板智能切割系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116773548A (zh) * 2023-08-21 2023-09-19 泓浒(苏州)半导体科技有限公司 一种晶圆表面缺陷检测方法及系统
CN117455817A (zh) * 2023-10-31 2024-01-26 深圳眼千里科技有限公司 一种晶圆偏差校正方法、装置、电子设备以及介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4325784B2 (ja) * 2003-01-20 2009-09-02 Ｎｅｃ液晶テクノロジー株式会社 液晶表示パネルの切断方法
JP6610026B2 (ja) * 2015-06-23 2019-11-27 三星ダイヤモンド工業株式会社 スクライブ装置
JP7408306B2 (ja) * 2019-06-26 2024-01-05 株式会社ディスコ 切削装置
JP7650140B2 (ja) * 2020-09-04 2025-03-24 株式会社ディスコ 加工装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116773548A (zh) * 2023-08-21 2023-09-19 泓浒(苏州)半导体科技有限公司 一种晶圆表面缺陷检测方法及系统
CN117455817A (zh) * 2023-10-31 2024-01-26 深圳眼千里科技有限公司 一种晶圆偏差校正方法、装置、电子设备以及介质

Also Published As

Publication number Publication date
CN118372382A (zh) 2024-07-23

Similar Documents

Publication Publication Date Title
CN118372382B (zh) 一种基于机器视觉的半导体晶圆智能切割系统
US9727049B2 (en) Qualitative fault detection and classification system for tool condition monitoring and associated methods
CN100424599C (zh) 质量管理系统、质量管理方法及批次单位的晶片处理方法
US7979154B2 (en) Method and system for managing semiconductor manufacturing device
CN112071765A (zh) 确定晶圆加工参数的方法和晶圆的加工方法
TW201301074A (zh) 半導體製程之失效偵測方法及執行此方法之系統架構
CN118131718A (zh) 一种用于芯片制造生产线自动化控制系统
CN119356215B (zh) 一种复杂曲面几何自适应加工误差补偿与优化方法
CN117806231A (zh) 一种基于物联网的机床运行加工控制系统及方法
KR20200035407A (ko) 실리콘 웨이퍼의 엣지 형상의 평가 방법 및 평가 장치, 실리콘 웨이퍼, 그리고 그의 선별 방법 및 제조 방법
CN119304387B (zh) 一种金属板材激光切割作业用自动化监测方法和系统
KR100327340B1 (ko) 웨이퍼 표면 검사방법
CN118751998A (zh) 一种金属材料加工机床设备运行状态异常监控系统
CN118943061A (zh) 划片机切割坐标补偿方法及装置
US6057170A (en) Method of measuring waviness in silicon wafers
JPH05253797A (ja) ライン異常判定方式
JPH06326187A (ja) ダイシング加工管理方法および加工品質管理システム
CN115910856A (zh) 设备及其工艺监控方法、装置、电子设备及存储介质
CN110993523A (zh) 晶粒尺寸的测量方法
CN119069375A (zh) 硅单晶切片样片检测分析方法
CN119057200B (zh) 一种超声波焊接的异常焊头检测方法及模板机
CN117739831A (zh) 一种划片机测高方法、设备及存储介质
CN117747456A (zh) 一种硅片参数检测方法及装置
CN117516324A (zh) 一种划片刀测高方法、装置及计算机存储介质
CN117075439A (zh) 一种套刻监测与干预方法、装置、存储介质及光刻设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant