基本情報
| ブース | P6117 |
| 国 | SG |
| ウェブサイト | www.sixsense.ai |
会社概要
SIXSENSE PTE. LTD. は、fab と OSAT 向けに特化した AI プラットフォームで、自動欠陥検査、ロット処置、欠陥の根本原因分析をカバーします。同社のミッションは、すべてのチップ工場に「脳」を与えることであり、半導体工場があらゆる詳細を見て、各生産シグナルから学び、リアルタイムでより良い判断を行うという製造像を描いています。半導体製造については、数千の工程、数百台の装置、ほとんどミスが許されない環境であることを強調しています。SIXSENSE PTE. LTD. は 2018 年に、信頼できるインテリジェントオートメーションを半導体製造へ持ち込むというビジョンから始まりました。AI プラットフォームは生の生産データをインテリジェンスへ変換し、隠れた問題を早期に捉え、歩留まりを改善し、製造制御の水準を高めることを目的としています。働き方については、従業員が初日から影響の大きいプロジェクトを担当し、難しい技術課題に取り組める環境を説明しています。福利厚生には競争力のある給与と各種 benefit、従業員と家族を対象とする 100% health insurance が含まれます。Global Exposure では、顧客 pilot、product discovery、国際協業のために Singapore、Taiwan、Malaysia、US、Israel などへ出張する機会が示されています。Learning and Development の支援には、courses、certifications、fitness programs、personal development initiatives が含まれます。チームのコミュニティ活動として team off-site、board game、weekend getaway も挙げられています。ハイブリッド勤務は Singapore と Bengaluru のオフィス文化に remote-work flexibility を組み合わせます。Global Footprint には Singapore、USA の San Francisco、India の Bengaluru、Taiwan の Hsinchu County が掲載されています。また、SIXSENSE PTE. LTD. は top semiconductor companies とその他の industry leaders に採用され、Singapore、Taiwan、Malaysia、China、Israel、US に顧客がいるとしています。
展示製品
SIXSENSE PTE. LTD. の AI スイートは、fab に潜む intelligence の 95% を引き出し、高コストの excursion を予測・防止することで scrap cost を削減し、cycle time を 30% 短縮し、新たな CAPEX なしで output を 1.3x に拡大すると説明されています。AI-ADC は model training、deployment、maintenance のツールを備えた end-to-end の visual inspection 自動化ソリューションです。リアルタイム vision engine は取得された全画像を解析し、疑わしい欠陥を数百種類に分類し、99% 超の accuracy と zero escapee を掲げます。AI-ADC は defect image を line speed で有用な insight に変換し、review queue を短縮し、clean-room headcount を解放し、downstream analytics の基盤をつくります。これにより fab は、追加の hiring や training、人による quality slip への依存を抑えながら scale できるとされています。AI は疑わしい欠陥を 24/7 で分類し、round-the-clock coverage と clean room footprint の低減を実現します。即時の AI pass/fail decision により lot を流し続け、各 review step で数時間、fab 全体では最大数日分の時間削減につなげます。小さくても重要な defect を早期に捉えることで、scrap が積み上がる前に engineer が process を修正でき、慎重な manual screening による不要な over-rejection も防ぎます。一貫した bias-free check は不良 wafer の downstream 流出を防ぎ、rework、scrap、RMA、field failure による customer complaint を減らすと説明されています。また AI が従来数十人の operator が担っていた作業を行い、人員をより価値の高い engineering と improvement task に振り向けるとしています。Build AI は training data preparation と high-accuracy AI model 構築の end-to-end environment を提供し、有用な画像を自動 sampling して manual effort を抑えます。数百万枚の画像から diverse、balanced、de-duplicated な data set と hard-to-find example を選び、AI-assisted label correction を 10x speed で実行できます。production では 0% escapee で launch し、繰り返しの retrain と rollback を減らすという説明です。Build AI は patched detection や anomaly workaround ではなく true classification model を使い、bounding box を省略して data preparation を簡略化し、非常に小さく外観が似た defect でも high accuracy を狙います。半導体専用の large vision foundation models を備え、millions of wafer-defect images で pre-trained されています。記載性能は >95% automation、0% UR、最大 <0.05% OR で、class ごとの image count を4桁ではなく2桁に抑えるとしています。Explainable AI により、model が何を defect と認識しているかを確認し、production launch 前に AI が学習した内容を検証できます。ClassifAI は複数の AOI tools にまたがって production AI model を実行し、high-throughput、low-latency visual inspection と near-zero escapes を目指します。単一 model で世代をまたぐ hundreds of devices and tools をカバーし、multi-view、multi-tool、multiple magnifications を内蔵サポートします。Rescans、Klarf variants、incoming defects の integration が用意され、yield engineer が deploy できるとされています。operator interface は new defect を auto-grade して built-in manual-review interface に送り、1-click retraining を支援し、interactive wafer maps、hotkeys、color-coded defect maps によって導入を支えます。VerifAI は drift detection と self-improvement capabilities を用いて production models を自動 monitor・adapt し、production performance の信頼性維持を目指します。Lot Disposition and Root-Cause Analysis は defect severity と yield impact に基づいて high-risk wafer を示し、review の優先順位付け、yield recovery、escape と scrap の低減を支援します。AI-ADC の label を基に、Lot Disposition は yield impact、recurrence pattern、defect severity を考慮して各 lot を pass、hold、rework、scrap のいずれかに自動判定します。拡張 workflow では verdict を production systems に直接書き込み、manual sign-off をなくし、costly excursion を避け、peak throughput でも cycle time を抑えます。Dispose AI は critical repeating defects、wafer-map signatures、yield outliers を表示し、yield criteria と low kill-ratio defects に基づく auto-lot checkout decision を支援し、low first-pass yield または low final yield の lot を review のため hold にできます。Always-on AI agents は hundreds of steps にわたり classified defects と tool、recipe、chamber data を相関させ、out-of-spec へ drift する parameter を即座に示し、yield exposure を定量化し、最短の fix を提示します。会社は、従来 weeks を要した analysis が minutes に短縮されるとしています。CausifAI は process tool、lot history、inspection data を相関して key source of failure を特定し、wafer-stack analytics で wafer exposure を定量化し、yield engineer が true と false yield loss の source を追跡できる reports と charts を提供します。Predict AI は time、layers、lots にわたる defect likelihood を学習して、when、where、what to inspect を予測します。その insight は fault 発生前の inspection sampling と tools の proactive adjustment を促し、scrap と downtime の削減、self-optimizing production への移行を支えます。さらに early steps の inspection、metrology、process data から die failure probability を forecast し、repeat defect を生む layers、tools、patterns を特定して sampling を high-risk area に動的集中させます。scrap 発生前に tool と recipe adjustment を trigger し、data-driven production によって unplanned downtime を減らします。fab と OSAT line 全体では、AI suite が defect review を scale して自動化し、recurring fault を root cause まで追跡し、at-risk wafer を即座に flag します。その結果として lower yield exposure、tighter quality control、higher productivity、各 run での higher confidence が示されています。AI-ADC は fewer labeled samples で faster accurate defect classification を行い、cycle time と cleanroom footprint も削減すると説明されています。
対応領域・製品
- 半導体AI自動欠陥検査
- AI-ADC画像検査自動化
- 欠陥分類AIモデル構築
- 複数AOI装置横断の本番欠陥分類
- AIモデルドリフト監視・自己改善
- ロットのPass/Hold/Rework/Scrap自動判定
- 半導体欠陥の根本原因分析
- AI予測検査・歩留まりリスク予測