CVD机台断流检测:从人工事后查到AI实时卡点的完整方案
CVD机台喷液断流是导致批量不良片的高风险异常。NeuroBox E5200V通过在ProcessStart和ProcessEnd节点部署视频流AI检测,将断流识别从事后人工复查变为工艺前后自动卡点,经真实客户视频offline验证后上线。
核心结论
CVD 机台喷液断流是导致批量不良片的高风险异常,但传统方案无法实时发现。迈烁集芯 NeuroBox E5200V 通过在 ProcessStart 和 ProcessEnd 节点部署视频流 AI 检测,将断流识别从”工艺结束后人工复查”变为”工艺前后自动卡点”。经客户真实断流视频 offline 验证后上线,实现零漏检实时拦截,避免不良片流入下一道工序。
CVD 机台断流:一个被低估的良率杀手
在半导体制造中,CVD(化学气相沉积)工艺对腔体内的液态前驱体或涂覆液的喷射状态极为敏感。一旦发生断流——无论是喷嘴堵塞、液压波动还是管路气泡——当批次的薄膜沉积均匀性就会出现偏差,直接影响后续工艺良率。
问题的关键不在于断流本身,而在于发现断流的时机。
在传统产线上,工程师通常在工艺结束后通过量测数据(如薄膜厚度均匀性、电学参数)判断是否发生了异常。但此时,晶圆已经完成了整个工艺步骤:
- 断流发生在工艺进行中,但无人知晓
- 工艺结束 → 量测 → 发现不良 → 追溯原因
- 从断流到确认问题,可能已过去数小时甚至一个班次
- 这段时间内,同批或后续批次可能继续生产,扩大损失
这种”事后查”的模式,在低产能或工艺窗口宽松的时代勉强可以接受。但在先进制程、高价值晶圆的场景下,每一批不良片的代价可能高达数万至数十万人民币。
为什么视觉检测是正确答案
断流是一个典型的视觉可检测异常:液体喷射流中断时,喷嘴处的液态特征会发生可见变化——喷射形态改变、液流中断、残留液滴异常等。这类变化对于摄像头来说是清晰可辨的,但对于量测仪器来说,只有在工艺影响传导到薄膜参数后才能间接反映。
因此,视频流 AI 检测具有天然优势:
- 直接检测异常源头,而非等待结果端的影响
- 实时性:毫秒级响应,工艺中发现,工艺中报警
- 非侵入式:摄像头部署在腔体观察窗,不改变任何工艺参数
- 可追溯:视频记录留存,异常帧可供工程师复盘
NeuroBox E5200V 的卡点逻辑:ProcessStart 与 ProcessEnd
迈烁集芯 NeuroBox E5200V 在 CVD 机台的部署方案,核心是在两个关键节点插入检测:
ProcessStart 检测(工艺前确认)
在设备收到工艺开始指令后,E5200V 首先对喷射状态进行初始确认:液路是否畅通、喷嘴是否正常启动、初始喷射形态是否符合基准。这一步可以提前拦截因上批次残留或设备状态异常导致的起始问题。
ProcessEnd 检测(工艺后确认)
工艺结束时,E5200V 再次检测喷射停止状态是否正常,同时回溯工艺过程中是否存在异常帧。如果在工艺进行过程中发生了短暂断流,这一步可以在晶圆进入下一道工序前捕获。
这种”双卡点”设计,将整个工艺过程纳入视觉监控范围,既有预防性检测,又有回溯性确认。
落地案例:从 Offline 验证到产线部署
在某国内设备商的 CVD 机台项目中,迈烁集芯采用了分阶段验证的部署策略:
第一阶段:Offline 验证
客户工程团队从历史维护记录中提取了真实的断流异常视频,提供给迈烁集芯用于模型训练和验证。这些视频涵盖了不同严重程度的断流场景:完全断流、部分断流、间歇性断流。
E5200V 在 offline 模式下完成了对全部异常视频的检测验证,所有断流事件均被正确识别,同时正常喷射视频的误报率控制在可接受范围内。
第二阶段:产线集成
验证通过后,E5200V 通过 SECS/GEM 接口与设备 EAP 集成,接收 ProcessStart/ProcessEnd 事件触发,实时处理来自腔体观察窗摄像头的视频流,并在检测到断流时向 MES 发送报警信号。
这种分阶段验证的方式,降低了产线集成的风险:工程师在真实历史数据上确认了 AI 的检测能力,再推进产线部署,而不是在产线上”边跑边试”。
技术实现要点
视频流处理
CVD 腔体内的视觉条件与普通工业场景不同:高温环境、等离子体发光、反射性腔壁——这些都会影响图像质量。E5200V 的视觉模型针对半导体设备腔体的特殊光学环境进行了专项优化,在复杂背景下保持稳定的检测性能。
小样本学习
断流事件在正常产线上属于低频异常,历史样本数量有限。E5200V 采用小样本学习方案,客户提供的十余段异常视频即可完成模型训练,无需等待产线上积累大量异常数据。
边缘推理
视频流数据量大,对实时性要求高。E5200V 在设备侧完成推理,不依赖云端,延迟控制在毫秒级,满足工艺卡点的实时响应需求。
不只是断流:视觉检测的扩展场景
CVD 机台断流检测只是 E5200V 在设备视觉智能化方向的一个起点。同样的部署架构,可以扩展到:
- 腔体清洁状态确认:PM 后确认腔壁无残留污染
- 晶圆装载到位检测:确认晶圆位置和状态正常
- 等离子体颜色异常检测:通过发光颜色判断工艺气体状态
- 机械手运动异常检测:传片过程中的位置和速度异常
这些场景的共同特点是:视觉可判断、量测不直接覆盖、事后发现代价高。
结语
从”事后查”到”实时卡点”,不是检测效率的提升,而是质量控制逻辑的根本改变。当异常发生时第一时间被捕获,而不是在损失已经发生后才被追溯,这是 AI 视觉检测带给半导体制造的核心价值。
如果你的团队正在考虑 CVD 或其他设备的视觉检测方案,欢迎与迈烁集芯工程团队交流具体场景和部署方式。