적용 사례
- 다이·웨이퍼의 가는 선, 정상 패턴과 크랙을 어떻게 구분할까요?
다이·웨이퍼의 가는 선, 정상 패턴과 크랙을 어떻게 구분할까요?
웨이퍼와 다이를 고배율로 촬영하면 가는 선이 여럿 보입니다. 스크라이브 영역의 경계, 회로 배선, 가공 흔적, 스크래치와 크랙이 모두 선처럼 나타날 수 있습니다.
선이 보였다는 사실만으로 균열이라고 판정할 수는 없습니다. 그렇다고 스크래치를 무조건 무해한 흔적으로 넘겨서도 안 됩니다. 스크래치 역시 위치와 깊이에 따라 별도의 불량 기준이 필요합니다.
이 검사의 목표는 선을 최대한 많이 찾는 것이 아니라, 정상 구조와 공정상 허용되는 흔적을 먼저 구분하고, 크랙이 의심되는 신호를 놓치지 않는 것입니다.
판정하려는 면이 웨이퍼 상부인지, 다이 측벽인지, 실리콘 내부인지에 따라 촬영 방법도 달라집니다.
정상 패턴과 크랙 의심 선형 결함 비교
어떤 선과 혼동할까?
스크라이브 영역과 회로 패턴은 설계상 위치와 반복 구조가 정해져 있습니다.
검사 영상에서 다이마다 같은 위치에 나타나는지, 기준 패턴과 정렬했을 때 일치하는지 먼저 확인할 수 있습니다.
다만 스크라이브 영역 안에도 실제 균열이 생길 수 있으므로 그 영역의 모든 선을 정상으로 제외해서는 안 됩니다.
가공 흔적과 표면 스크래치는 결함 후보와 비슷한 명암을 만듭니다. 연마 흔적이나 세정 잔여물이 원인일 수도 있고, 실제 표면 손상일 수도 있습니다.
영상의 모양만 보고 공정을 단정하지 말고, 샘플 이력과 다른 조명 조건에서의 변화를 대조해야 합니다.
스크래치가 허용되는지도 제품의 품질 기준으로 따로 정합니다.
크랙은 표면에 얇게 보이는 균열부터 측벽이나 내부의 균열까지 형태가 다양합니다.
선의 끝점, 분기, 패턴을 가로지르는 위치, 에지와의 연결은 조사할 만한 단서입니다.
그러나 ‘지그재그면 크랙, 직선이면 정상’ 같은 규칙은 성립하지 않습니다. 직선에 가까운 크랙도 있고 불규칙한 스크래치도 있습니다.
선의 형태는 후보를 고르는 단서이지 최종 판정의 증거가 아닙니다.
먼저 검사 범위와 NG 기준을 정합니다
다이싱 직후의 에지 균열을 찾는지, 회로가 있는 윗면의 균열을 찾는지, 뒷면·내부까지 확인할지를 나눕니다.
다이의 위치와 방향을 맞춘 뒤 보호 영역과 스크라이브 영역을 구별하면 같은 선이라도 어디를 침범했는지 판단할 수 있습니다.
최소 판정 길이와 위치, 허용되지 않는 영역, 검사할 면을 고객의 기준으로 정해야 합니다.
예를 들어 에지에서 시작해 보호 영역 쪽으로 이어지는 선은 우선 확인할 대상입니다.
하지만 모든 중요한 크랙이 에지에서 시작한다고 가정하면 다른 위치의 균열을 놓칠 수 있습니다.
반대로 에지 근처의 밝은 선을 모두 크랙으로 판정하면 정상적인 다이싱 흔적까지 불량 처리할 수 있습니다.
조명을 바꿔 같은 위치를 비교합니다
표면 선형 결함은 먼저 가시광 카메라로 촬영하고, 명시야와 사광·암시야 조건을 샘플에서 비교합니다.
비스듬한 빛은 표면 단차나 거친 부분의 산란을 강조할 수 있습니다.
그러나 회로 패턴과 스크래치도 함께 밝아질 수 있으므로 암시야 영상 한 장이 정답은 아닙니다.
조명 방향을 바꿨을 때 선이 어떻게 나타나는지, 정상 패턴의 반사와 얼마나 구분되는지 확인합니다.
반복되는 다이 패턴이 있다면 양품 기준 영상과 검사 위치를 맞춰 비교할 수 있습니다.
정렬이 조금만 어긋나도 배선 가장자리가 결함처럼 검출되므로, 비교 전에 위치·회전·초점 차이를 관리해야 합니다.
원본 영상과 조명별 영상을 함께 남기면 나중에 과검 원인을 확인하기 쉽습니다.
상부 카메라와 양측 사광의 표면 선형 결함 촬영 구성
내부 크랙이면 SWIR를 별도로 검토합니다
가시광 표면 영상으로 보이지 않는 측벽·내부 균열이 검사 목표라면 실리콘을 투과할 수 있는 파장대의 SWIR 촬영을 시험할 수 있습니다.
이는 표면의 선이 진짜 크랙인지 자동으로 판정하는 만능 확인법이 아닙니다.
금속 패턴과 적층 구조, 다이 두께, 뒷면 상태, 다이싱 테이프, 광원과 카메라의 접근 방향이 영상에 영향을 줍니다.
SWIR 영상에서 보이는 선도 다른 구조물과 대조해야 합니다.
따라서 가시광 검사와 SWIR 검사는 관찰할 위치가 다른 두 과제로 설계합니다.
표면의 선을 구분하는 데 이미 충분한 대비가 나온다면 내부 검사를 전제로 장비를 늘릴 이유가 없습니다.
반대로 고객이 내부 균열까지 불량으로 정의했다면 표면 조명만 바꿔 그 요구를 충족했다고 말할 수 없습니다.
AI 분류보다 먼저 필요한 샘플
패턴이 복잡하고 정상 변동이 커서 단순한 위치 비교나 임계값으로 과검이 많다면, AI 모델을 시험할 수 있습니다.
정상·스크래치·크랙 의심 영상을 나누려면 분류(Classification), 가는 결함의 위치와 이어진 영역까지 찾으려면 영역 분할(Segmentation)을 검토합니다.
필요한 학습량을 ‘수만 장’으로 먼저 정하기보다 양품 패턴의 변동, 스크래치, 확실한 크랙, 판정이 어려운 경계 샘플이 얼마나 대표성 있게 모였는지 살펴야 합니다.
조명·로트·공정 조건이 바뀐 영상에서도 미검과 과검을 각각 측정해야 합니다. AI가 없는 결함 신호를 만들어내거나 미검을 완전히 없애지는 못합니다.
학습과 평가를 GUI로 진행하려면 뉴로클 Neuro-T, 학습한 모델을 검사 장비에 적용하려면 Neuro-R을 검토할 수 있습니다.
유레시스 Open eVision의 EasySegment는 결함 영역 검출, EasyClassify는 영상이나 잘라낸 검사 영역의 분류 후보입니다.
결함 위치가 필요한 이 과제에서는 영역 분할을 우선 비교하되, 모델 입력에 맞춰 영상을 축소할 때 가는 선이 사라지지 않는지 확인해야 합니다.
가장 중요한 것은 판정 기준이 확인된 기준 샘플입니다.
같은 위치를 여러 조건에서 촬영하고, 애매한 선은 고객의 기준 검사와 대조해 라벨을 확정합니다.
이후 표면과 내부 중 어디에서 발견한 신호인지, 다이·웨이퍼 ID와 공정 단계까지 기록해야 후속 불량과 비교할 수 있습니다.
코어이미징과 검토할 때는 정상 패턴 영상, 크랙 의심 샘플, 스크래치 샘플, 검사할 면과 층, 최소 판정 크기, 택타임을 알려주세요.
표면에서 필요한 대비를 먼저 확인하고, 내부 관찰이 요구될 때 파장·광원·접근 방식을 추가로 비교하겠습니다.
AI 검사가 필요하면 보유 학습 데이터와 기존 검사 소프트웨어, 사용 PC·GPU 환경도 함께 알려주세요.