服務專線

person

卓嘉弘

經理
phone 03-5743187
email [email protected]
person

周森益

技術副組長
phone 03-5912809
email [email protected]

服務項目

1

AOI+AI技術提升量檢測技術服務

本平台透過AOI結合AI技術，可用於影像缺陷檢測的資料庫建置，並可藉由AI快速並自動標記瑕疵位置，亦可用於訊號處理資料庫建置，藉由量測訊號來快速比對資料庫資料，可一次獲得結構關鍵尺寸多參數的量測資訊。

2

半導體量測專業技術諮詢與AI解決方案規劃

半導體封裝業者產品量檢測分析服務，進一步支援AI自動化量檢測缺陷判斷及數據分析，提供產業技術解決方案，如導入新技術或系統所需之關鍵條件與效益評估。

AI共通性模組

1

物料特性預測模型

本模型導入人工智慧技術，輔助封裝製程中物料特性之預測與品質管控。透過光譜式量測方法取得單一原物料之物理與光學特性，並作為 AI 模型輸入，進一步預測封裝物料中僅能透過破壞性試驗取得之混合物理特性。藉此可於非破壞條件下掌握物料關鍵特性，確保原物料品質穩定性與規格一致性。

2

多參數量測分析模型

現行封裝製程量測系統多採單一模組架構，通常僅能量測單一物理參數；當需同時掌握多項參數時，往往須配置多組模組或進行多次量測，不僅降低量測效率，亦增加資料擷取與分析負擔。本模型導入人工智慧技術，整合非接觸式量測系統所蒐集之多參數資料，建構多參數量測分析與預測模型，以加速模擬與擬合流程，並提升多參數量測之整體運算效率與應用可行性。

3

AI快速標記異常特徵模型

隨著半導體封裝製程日益複雜，缺陷型態與影像背景之多樣性大幅提升，傳統光學自動檢測系統（AOI）已逐漸難以有效辨識各類瑕疵。而本模型導入人工智慧深度學習技術，建置封裝影像之 AI 快速標記異常特徵模型，以提升缺陷分類準確度與缺陷定位精度，並有效縮短後端製程分析與問題回溯時間。

4

量測輔助製程參數優化模型

在半導體製程高度整合與複雜化的趨勢下，傳統製程參數優化方法，如田口法（Taguchi Method）及實驗設計法（Design of Experiments, DOE），面對大量製程資料、多重交互因子與高度非線性行為時，已逐漸顯現其限制。本模型結合人工智慧演算法，建置「AI 製程參數優化與預測平台」，透過量測資料輔助製程端進行參數組合探索，提升製程穩健性與整體良率表現。

AI人才培訓

menu_book AI於半導體AOI檢測的導入與應用基礎

培養具備半導體量檢測技術及基礎知識，可快速掌握AI缺陷辨識、AI資料庫建置及AI資料比對等基礎，可培訓量檢測應用AI技術解決問題的人才，與熟悉AI工具與演算法，並應用於檢測缺陷分析、量測關鍵尺寸等參數最佳化。

check_circle AI基礎導論及導入量測技術可行性發展
check_circle 工具應用：半導體影像訓練資料集與標記流程
check_circle 半導體量檢測技術結合AI之應用
check_circle 量檢測機台實作課程

場域高階設備

半導體晶圓翹曲量測
半導體晶圓翹曲量測
(結合AI損傷層標記系統)
TSV多參數量測
TSV多參數量測
(結合AI快速資料庫比對系統)
半導體關鍵尺寸量測
半導體關鍵尺寸量測
(結合AI精準量測)
SiC內層缺陷瑕疵檢測
SiC內層缺陷瑕疵檢測
(結合AI異常特徵標記模型)

場域資訊

location_on

地點

工研院量測中心
（新竹市光復路二段321號）
schedule

服務時間

星期一至星期五
09:00~12:00 / 13:00~17:00（國定假日除外）