Nuestro microscopio automatizado para inspección de semiconductores
Tecnología · Fotónica · Inspección de semiconductores
Nuestro laboratorio cuenta con un microscopio óptico automatizado con capacidad de operación simultánea en el rango visible (VIS) e infrarrojo de onda corta (SWIR). Desarrollado en colaboración con socios industriales, el sistema está específicamente diseñado para el control de calidad automatizado en línea en la fabricación de chips semiconductores, integrando en una única plataforma óptica multi-objetivo, platinas de escaneado motorizadas y clasificación de defectos basada en Machine Learning.
Dos ventanas espectrales, una sola plataforma
La característica técnica más relevante de este sistema es su capacidad de imagen en doble banda espectral. Los microscopios ópticos convencionales operan exclusivamente en el espectro visible (aproximadamente 400–700 nm). Este instrumento extiende la adquisición de imagen al rango SWIR (aproximadamente 900–1700 nm), una región espectral en la que el silicio y otros materiales semiconductores se vuelven parcial o totalmente transparentes. Esto permite detectar defectos y características estructurales completamente invisibles bajo iluminación de luz blanca convencional —como grietas subsuperficiales, capas enterradas o interfaces de unión internas— sin necesidad de seccionar ni preparar destructivamente la muestra. Además, en concreto para la banda SWIR, el microscopio ha sido probado con cámaras de tipo lineal hiperespectral de alta velocidad y resolución espectral, cosa que permite un aumento de contraste para aquellos defectos con firmas espectrales relevantes dentro de esa banda.
Este enfoque de doble banda permite que un único paso de inspección capture simultáneamente la morfología superficial en VIS y la información estructural subsuperficial en SWIR, aumentando significativamente la densidad de información por medición y reduciendo el tiempo total de inspección.
Automatización completa e integración de machine learning
El microscopio dispone de platinas XYZ motorizadas de alta precisión y control automático de enfoque, lo que permite el escaneado ráster completamente automatizado de grandes áreas de muestra sin intervención del operario. El sistema es capaz de ensamblar imágenes de alta resolución tomadas en campos individuales para componer un mapa completo de la superficie inspeccionada (stitching), incluso cuando el área a escanear es órdenes de magnitud mayor que los defectos buscados, un reto habitual en el control de calidad de semiconductores.
Más allá de la adquisición de imagen, la plataforma integra algoritmos de Machine Learning para la clasificación de defectos. Estos modelos pueden entrenarse con conjuntos de imágenes etiquetadas para identificar y categorizar automáticamente anomalías como partículas de contaminación, arañazos, defectos litográficos o irregularidades estructurales. Una vez entrenado, el clasificador opera en tiempo real durante el escaneado, marcando regiones de interés y asignando categorías de defecto sin necesidad de revisión manual de cada fotograma.
Contexto industrial y disponibilidad
La inspección manual de chips mediante microscopios convencionales —ópticos o electrónicos— está intrínsecamente limitada por la atención humana y la capacidad de procesamiento. Escanear una oblea completa o un lote de producción a la resolución necesaria para detectar defectos a escala micrométrica requiere horas de tiempo de operario, y el carácter repetitivo de la tarea introduce tasas de error por fatiga difíciles de controlar. Los sistemas automatizados resuelven ambas limitaciones de forma simultánea.
A pesar de la evidente necesidad técnica, el mercado de sistemas de inspección totalmente automatizados y personalizables para fabricantes de chips de tamaño pequeño y mediano sigue siendo limitado. Este sistema fue desarrollado en colaboración con socios industriales precisamente para cubrir ese vacío, combinando óptica, automatización e inteligencia artificial en una única plataforma integrada.
https://www.linkedin.com/feed/update/urn:li:activity:7472230913439895552