WaferAOI设备

判断一台 Wafer AOI 是否值得导入，先看它能否在目标工艺层、目标缺陷类型和产线节拍下，稳定输出可复核、可追溯的缺陷数据；分辨率、相机像素或 AI 标签只是实现手段，不是验收结论。若捕获率、误报率、重复性、Review 闭环和 Recipe 维护成本说不清，设备很难在量产中产生价值。

适用场景与上线判断

Wafer AOI 常用于晶圆制造、先进封装、化合物半导体、MEMS 等环节，用来发现颗粒、划伤、裂纹、崩边、残胶、图形异常、凸点或 RDL 相关外观缺陷等。上线前先回答：

• 缺陷是否影响良率、可靠性或客户验收；
• 需要全检、抽样还是仅工程分析；
• 与电测、量测、Review SEM 的分工是什么；
• 设备节拍是否匹配，是否会成为瓶颈。

若缺陷可用现有电测或量测覆盖，或无法定义缺陷标准与处置规则，优先做离线评估，不急于量产导入。

关键能力与验收指标

验收不要只写“高分辨率”。建议把指标拆成：

• 光学与照明：明场、暗场、多角度、多光谱或紫外等是否覆盖目标缺陷的对比度，景深与速度是否平衡。
• 捕获率与灵敏度：按缺陷类型、尺寸、材质分别测试，使用标准片和实际不良片。
• 误报率与重复性：同一片重复检测，缺陷坐标、数量、分类是否稳定；误报过高会拖垮 Review。
• 吞吐量：WPH、对准时间、Load/Unload、Map 输出时间，按实际 Recipe 和片型测量。
• 集成与数据：SECS/GEM、EFEM/FOUP、MES 对接，缺陷图、坐标、图像、Recipe 版本可追溯。
• 复检闭环：能否联动 Review 工具或 SEM，缺陷处置状态能否回写。

选型与验证步骤

1. 明确目标层、缺陷清单、漏检/误报可接受范围，以及量产节拍。
2. 准备样品：良品、已知缺陷片、边缘案例、不同工艺波动片，避免只用供应商 demo 片。
3. 设计 DOE：照明、焦距、阈值、算法、速度组合，记录每组的捕获与误报。
4. 做重复性和再现性验证，关注不同操作员、不同班次、不同设备状态下的差异。
5. 现场跑产线节拍，验证 WPH、MTBF、MTTR、耗材与维护窗口。
6. 对接 Review/SEM，确认从检测到复核的闭环时间。

注意：要求供应商提供原始缺陷图、坐标和判定依据，不接受只给汇总良率。

产线使用与 Recipe 维护

日常运行先做开机自检、校准、洁净度与颗粒监控，再用 Golden Wafer 或监控片确认基线。Recipe 变更应受控：版本记录、审批、验证、回滚。若误报突增，按顺序排查照明、焦距、镜头污染、传送机构、环境振动、算法阈值，再查工艺漂移。缺陷分类可借助 ADC，但关键缺陷仍需人工或 SEM 复核。用 SPC 跟踪缺陷密度、类型和位置趋势，并与工艺设备、清洗、CMP、刻蚀、键合等环节联动。Recipe 不是一次调好，需按工艺变化定期维护。

常见误区与风险

• 分辨率越高越好：景深、信噪比、缺陷对比度和速度同样关键。
• 追求零漏检：不现实，应定义可接受风险、采样策略和处置规则。
• 把 AI 当黑箱：需可解释、可追溯、可回滚，并防止过拟合。
• 忽略总拥有成本：光学耗材、维护、Recipe 服务、Review 人力都要计入。
• 只看检测不看复检：缺陷数据无法闭环，产线不会真正采用。
• 忽略环境与洁净度：振动、温湿度、颗粒会直接影响重复性。

小结

Wafer AOI 的选型核心是目标缺陷、捕获率、误报率、重复性、节拍和 Review 闭环。先小批验证，再量产导入；把 Recipe 维护、数据追溯和维护成本纳入评估。能稳定给出可复核缺陷数据的设备，才比单纯参数更有价值。