晶圓制造企業中大量的數據是以非結構化的形式,也即圖片的形式存在的。尤其是與良率相關的數據。而這些非結構化數據的信息提取嚴重依賴人工,效率非常低下,造成了良率分析的瓶頸。
而缺陷圖片是非結構化數據中的主要部分。晶圓廠希望能利用計算機視覺技術的識別功能,對晶圓廠的缺陷圖片進行識別以及分類,且能適應于多種缺陷圖片類型: SEM(電子顯微鏡)以及OM(光學顯微鏡)圖片,這就是我們研發的ADC產品。
缺陷處理速度的優勢,對晶圓廠而言尤為重要,要維持提高良率,必須對產線進行24小時的監控,因此發現問題到處理完成的時效性,對晶圓廠的經濟指標非常重要。我們的ADC產品可以實現近20倍的提速,可以將處理缺陷問題的效率提高將近67%,為晶圓廠帶來巨大的經濟收益。
目前我們的ADC產品已經在國內頭部的晶圓廠中進行了部署,并得到了實地驗證,取得了良好的效果。

人工解讀信息存在著速度比較慢的缺點,而且穩定性差,同一圖片所獲取的信息因人而異,因時間心情而異。而AI ADC不僅處理速度快,對圖片分類的速度是人工的20倍。穩定性也有保證,有自學習以及遷移學習能力,只需付出一定的硬件資源,便能適用絕大部分良率問題識別的場景,實現快速、自動、穩定的輸出,同時有著很高的性價比。
80%的晶圓廠良率問題都是以缺陷圖片為載體呈現,當前一些ADC軟件(非機器視覺技術)雖然也能處理部分的圖片解析,但缺失自學習能力,只能適用極小部分場景,靈活性差。而AI ADC通過有效的訓練學習,能夠處理當前晶圓廠各種類型的圖片數據。
