Identifying defects on unclean wafer surface through anomaly detection

Abstract

Defect detection is a crucial process to improve the productivity and quality of products in the industry. However, defects in the nanoscale-manufacture become difficult to detect, since the shapes of the defects are complex and noises and unclean backgrounds cover the defects frequently. It is laborious and inefficient to utilize human resources for defect detection because the rate of defects in the industry is extremely low and it requires professional knowledge to detect the defects in some cases. Applying an anomaly detection model as a defect detector in the industry is the best solution which will save time and human resources. However, there are many difficulties to apply the data-driven based anomaly detection model to real industry inspection. In our research, we found that our target product wafers contain resin bleed, which hinders detecting cracks on the wafer surfaces. The resin bleed impedes the anomaly detection on wafers because it is similar to the cracks in the wafer and at the same time it belongs to the normal components. In this paper, we propose a method to improve the crack detection performance of the anomaly detection model by enhancing the edge information of cracks. Our model achieved 96.7% at the image level AUROC and 98.6% at pixel level AUROC by improving 4.5% and 2.0% respectively without additional annotation.

결함 탐지는 산업에서 제품의 생산성이나 질을 향상시키는데 매우 중요한 과정입니다. 그러나 나노 스케일 공정에서 결함의 형상이나 노이즈, 불분명한 배경 같은 요소들은 결함 탐지를 어렵게 만듭니다. 산업에서 결함의 비율은 매우 작고 결함 탐지를 위해서 전문적인 지식을 필요로 하는 경우도 많기 때문에 사람이 직접 결함 탐지를 수행하는 것은 매우 소모적이고 비효율적입니다. 그러므로 산업에서 컴퓨터 비전 기반 결함 탐지 모델을 활용하는 것은 시간이나 물적, 인적 자원을 절약하고 부족한 결함 데이터 문제도 해결할 수 있는 훌륭한 방법입니다. 그러나 데이터 기반 이상 탐지 모델을 실제 산업 검사에 활용하는 것은 많은 어려움을 가지고 있습니다. 해당 연구에서 우리는 결함 탐지의 목표로 하는 웨이퍼 제품에서 resin bleed 라는 크랙 검출을 방해하는 요소를 확인했습니다. resin bleed는 정상 요소에 속하지만 머신 비전의 관점에서는 크랙과 비슷합니다. 이러한 특징들은 데이터 셋 전체에 분포되어 있는 Resin bleed가 결함 탐지 모델이 크랙들을 정상 요소들과 분명하게 구별할 수 있는 능력을 저해합니다. 이 논문에서 우리는 크랙의 엣지 성분을 강화하여 이상 탐지 모델이 크랙을 더 잘 검출할 수 있도록 하는 방법을 제시합니다. 저희가 제안하는 방법들은 결함 탐지 성능을 이미지 레벨에서 96.7%, 픽셀 레벨에서 98.6% 성능을 달성했습니다. 저희가 달성한 성과들은 기존 이상 탐지 모델을 사용했을 때와 비교하여 추가 데이터 주석 없이 이미지 레벨에서 4.5%, 픽셀 레벨에서 2.0% 성능 향상한 결과입니다.