研究一种机器学习方法来预测晶圆中的白像素缺陷-晶圆制造工厂的案例研究 F
Dong-Her Shih1, Cheng-Yu Yang2, Ting-Wei Wu1
1Department of Information Management, National Yunlin University of Science and Technology, Douliu 64002, Taiwan.
Sensors (Basel, Switzerland)
|May 25, 2024
概括
本研究确定了导致CMOS图像传感器 (CIS) 中白色像素的关键研磨因素. 机器学习模型准确地预测这些缺陷,使制造商能够减少客户投诉并提高半导体质量.
科学领域:
- 半导体制造业 半导体制造业
- 材料科学 材料科学 材料科学
- 机器学习应用 机器学习应用
背景情况:
- CMOS图像传感器 (CIS) 对移动和摄影设备至关重要,白色像素表示性能问题.
- 独联体产品中的白色像素源于晶圆生产过程中的金属杂质或研磨叶片缺陷.
- 解决研磨刀片缺陷提供了一个切实可行的方法来缓解白像素问题.
研究的目的:
- 在台湾的晶片制造中分析白色像素缺陷.
- 利用机器学习来识别和预测从研磨操作中引起白像素缺陷的因素.
- 为减少CIS产品中的白色像素缺陷提供实用见解.
主要方法:
- 客户报告的白色像素缺陷数据分析.
- 机器学习模型的应用,包括分类和回归树 (CART) 和随机森林 (RF).
- 确定影响白色像素缺陷形成的关键研磨参数.
主要成果:
- 卡特和射频模型在预测研磨的白色像素缺陷方面达到95.18%的准确性.
- 磨削负荷和扭矩被确定为白色像素缺陷起源的关键因素.
- 该研究提供了一个罕见的,在现实世界制造环境中对白色像素缺陷的实际分析.
结论:
- 机器学习模型有效预测CIS制造中的白像素缺陷.
- 控制研磨负荷和扭矩对于最小化白色像素缺陷至关重要.
- 基于这些发现的积极措施可以减少客户投诉,提高CIS产品质量.


