На современных производствах микроэлектромеханических систем (далее - МЭМС) повышение выхода готовой продукции является одной из приоритетных задач. Это достигается в первую очередь за счет непрерывного улучшения технологических и производственных процессов, влияющих на конечный продукт. Система управления качеством на уровне производственного процесса включает в себя следующие мероприятия:
- Тщательный выбор поставщиков сырья и расходных материалов;
- Входной контроль пластин;
- Межпроцессный мониторинг параметров продукции;
- Финальная верификация параметров продукции на предмет удовлетворения требованиям заказчика.
Межпроцессный мониторинг параметров продукции на ранних стадиях изготовления позволяет не только вовремя отбраковывать дефектные изделия, но и отправлять их на переработку. Так, наличие дефектоскопии на МЭМС-производстве позволяет распознать критические дефекты в продукции. Это дает возможность снять слой фоторезиста и повторить литографию без потери пластины, а значит, и без падения уровня выхода годной продукции.
На МЭМС-производствах дефектоскопия может осуществляться на базе различных методик измерения. Одна из них – оптическая инспекция в ручном или автоматическом режимах с помощью ПО AXALIT. Особенностью программы является достаточно большая пропускная способность и наличие системы автоматической классификации дефектов, основанной на модели искусственной нейронной сети. Нейросеть обладает способностью к самообучению, встроенной базой данных дефектов и нейронной сетью для классификации найденных объектов.
Исследования в ПО AXALIT позволяют получать полное изображение поверхности пластины, на которой проявлены структуры в светочувствительном фоторезисте. Полное изображение образуется путем покадрового снятия и последующей сшивки более мелких изображений, полученных при помощи камеры с определенным полем зрения.
Принципы распознавания дефектов и их классификации
Классификация дефектов по типам происходит после нахождения контуров дефектов на изображении. Для вычисления контуров производится сегментация объектов на изображении. После того как объект найден системой на изображении, происходит его классификация по следующим параметрам:
- "Площадь контура";
- "Круглый фактор формы";
- "Вытянутый фактор формы";
- "Суммарная площадь внутренних контуров";
- "Цветность пикселей контура";
- "Яркость пикселей контура";
- "Средний тон пикселей контура";
- "Эквивалентный кругу диаметр".
Затем нейронная сеть классифицирует найденные объекты по принципу поиска максимальной близости характеристик текущего объекта с характеристиками объектов в БД сравнением типа "каждый с каждым". При этом в базе данных объектов хранятся пары: ключ (тип объекта) – значение (характеристики).
Программа анализирует полученное с помощью оптического микроскопа изображение, распознает объекты, классифицирует их согласно описанному выше алгоритму и строит сетку из треугольников, в вершинах которых находятся обнаруженные дефекты.
Каждому типу дефектов присваивается имя согласно ранее созданной классификации. Подобная триангуляция позволяет визуализировать местоположение дефектов, даже если они настолько малы, что сшитое изображение всей поверхности элемента не позволяет заметить дефект глазом на таком изображении.
ПО AXALIT позволяет исключить влияние человеческого фактора на нахождение дефектов и автоматически классифицировать их согласно релевантной базе данных. Кроме того, программа дает возможность совмещать инспекцию на наличие дефектов с межпроцессным мониторингом параметров процесса. В результате это приводит к минимизации количества манипуляций над пластиной.
Внедрение в производственный процесс программного обеспечения AXALIT позволило повысить вероятность обнаружения дефектов литографии в несколько раз по сравнению с ручной оптической инспекцией. Способность ПО к автоматической классификации дефектов позволила создать базу данных дефектов литографии, которые распознаются системой и классифицируются по восьми основным признакам.
Таким образом, подобная система обнаружения дефектов литографии позволяет не пропустить элемент с критическим дефектом на следующий технологический этап и переработать его без значительных потерь. Это приводит к сокращению производственного брака на финальных этапах производства изделия и, как следствие, к уменьшению издержек производства. Более того, классификация дефектов позволяет выявить отклонения в технологических процессах и своевременно принять эффективные меры к их устранению, что существенно сокращает время простоя производственной линии.