哥瑞利打通12英寸晶圆厂三类量检测设备全流程智能代操

一座12英寸晶圆厂要推进无人化,最难的往往不是把设备联网,而是让那些原本必须有人守着的机台自己跑完全程。量检测环节尤其典型:该环节设备投资约占晶圆厂总设备投资的一成,先进制程下占比还要更高,却是工程师介入最密集的区域之一。

近日,哥瑞利自主研发的黑灯工厂助理(LOFA)在国内中部某12英寸头部晶圆厂完成先进制程检测环节的智能化升级并投产,成功打通Review SEM、CD SEM与光学显微镜(Nikon OM)等设备。从技术路径看,这次落地不是单纯叠加一个视觉算法,而是“流程代操+视觉判定+硬件改造”三条线同时推进。

第 一类设备——Review SEM的卡点在“找不准”。缺陷复查时,晶圆图形复杂、缺陷类型多样,一旦机台对准偏差,流程就会中断,需要工程师手动复位。这里的技术难点有行业共性:缺陷坐标在检测设备与复查设备之间转换时,存在系统性与随机性误差,坐标映射不准,视野就可能落在没有缺陷的区域。

哥瑞利的解法是把 GA 智能对准(Scribe Line 特征识别、自动沿切割道重对准)、缺陷自动定位(复测坐标解析与 SEM 视野精准移动)、Auto EDX 智能分析(多 Recipe 成分自动采集与处理)串成一条无人闭环,大幅降低因对准异常与重复操作导致的工程师介入频次。

第二类设备——CD SEM的卡点在“传统图像匹配易失效”。关键尺寸量测对数据完整性要求严苛,传统做法依赖图像模板匹配,但图形稍有变化或噪声干扰就会失配。

哥瑞利改用自研的“基于特征值的中心定位算法”——不比对整幅图像,而是提炼晶圆图形的关键结构特征,从而绕开图形变化与噪声干扰。定位成功率较传统方案提升约90%。该方案在客户处稳定运行,综合准确率达95%以上。与之配套,Recipe调用、机台校准、量测异常处理、数据确认也一并实现了全链路自动运行。

第三类设备——Nikon OM的改造幅度*。传统光学显微镜在宏观缺陷检测上受制于效率受限、信息不足与工程师经验依赖三重瓶颈。

哥瑞利做的是软硬件协同重构:硬件侧自研高速线扫成像模块,在不额外占用检测时间的前提下,一次扫描同步输出多角度图像与晶圆完整表面、缺陷纹理信息,兼顾产能与判据质量;算法侧配套四个模块——Golden Image智能比对+AI自动缺陷分类(ADC)、照片超分辨率算法、Smart Sampling智能采样、人工快速复判+自动上传DN。

其中,Golden Image智能比对+AI自动缺陷分类(ADC)快速发现缺陷、精准定位、自动归类,综合分类准确率超95%;针对偶发的照片模糊,自研的超分重建有效还原细节;自适应采样用于平衡“缺陷摸底充分性”与“产能”这对长期矛盾,让抽检全面又高效;而保留人工复判通道与打通数据回传,则是在全自动流程里保留了可控性与闭环能力。

这套组合拳的价值,在于它把量检测从“人盯机台、人判图像”推进到“机台自跑、算法先判、人只处理低置信度异常”。工程师的角色从高频重复操作,转向异常处置与规则维护。

需要说明的是,一个项目投产并不等同于全厂无人化。跨品牌机台的适配成本、模型在长时间运行中的稳定性、判定结果回传的标准化,都是国产方案继续规模化仍需验证的环节。据公开披露,哥瑞利LOFA黑灯工厂助理已在半导体前道与先进封装后端累计落地24项场景应用。对国内晶圆厂而言,这类把算法嵌进原有产线、而非推倒重来的路径,至少提供了一条风险更可控的智能化改造参照。