Exploration of machine learning techniques for automatic optical inspection

Abstract

Atualmente, a indústria dos semicondutores enfrenta problemas sérios em relação à deteção das anomalias nas wafers, devido à diminuição do tamanho dos dispositivos, o que se traduz numa diminuição do espaço disponível para dispor os componentes de que necessita, o que torna o processo de inspeção das wafers algo complexo, especialmente se esta tarefa for executada manualmente. A execução deste projeto de pesquisa consiste no estudo da viabilidade da implementação de uma solução para a deteção dessas anomalias de forma automática numa linha de produção na indústria dos semicondutores, assim como idealizar como será a conceção e implementação de uma ferramenta deste tipo, bem como perceber de que forma é que os problemas que a indústria se depara podem ser reduzidos, capacitando inclusive a solução para o processamento de grandes quantidades de dados. Assim sendo, o objetivo principal deste projeto é o de desenvolver uma solução que reconheça padrões nas imagens anómalas resultantes do processo de inspeção ótico das wafers e que sugira uma classificação dessa anomalia ao utilizador, usando técnicas de processamento de imagem para extrair informações relevantes nas imagens processadas e algoritmos de Machine Learning para a classificação automática dessas informações. Com isto, podemos melhorar as taxas de erro ocorridas nas classificações dos operadores e ajudar os profissionais de Sistemas de Informação nas suas análises, facilitando a tomada de decisão, o que se pode traduzir em poupanças de tempo e dinheiro e na realocação de recursos necessários a outras áreas. Para a realização deste projeto, será seguida a abordagem metodológica Design Science Research, que ajudará na criação dos artefactos do projeto e na realização de uma pesquisa com o máximo rigor.

Nowadays, the semiconductors industry is facing a huge problem concerning anomaly detection, due to the decreasing of device sizes, which means that they have less space to place their components, making product inspections even more difficult, especially when this kind of tasks are made manually. This research project consists of studying the viability of implementing a solution for detecting anomalies automatically in a factory’s production line in the semiconductors industry, as well as thinking about how to develop this kind of tool, how to implement it, perceive how to reduce this kind of problems and enable the solution to handle the processing of large amounts of data. The main goal of this research is to develop a solution that could recognize patterns in anomalous images resulting from the wafer’s optical inspection process and that suggests a classification to the user, using image processing techniques to extract relevant information in the images processed and Machine Learning algorithms to classify this information automatically. With this, the error rates given by the manual inspection can be improved and this can also help the Information Systems team on their data analysis, improving the decision-making process, saving time and money and help in the reallocation of the necessary resources in other areas. As a methodological approach, Design Science Research will be used which will help in the project's artifacts creation and in doing a research work with a maximum rigor.