기본 정보
| 부스 | P6117 |
| 국가 | SG |
| 웹사이트 | www.sixsense.ai |
회사 소개
SIXSENSE PTE. LTD.는 팹과 OSAT를 위해 구축된 AI 플랫폼으로 자동 결함 검사, 로트 처분, 결함 근본 원인 분석을 포괄합니다. 회사의 미션은 모든 칩 공장에 두뇌를 제공하는 것이며, 반도체 공장이 모든 세부사항을 보고 생산 신호에서 학습하며 실시간으로 더 나은 결정을 내릴 수 있어야 한다는 제조 비전을 제시합니다. 반도체 제조 환경은 수천 개의 공정 단계와 수백 대의 장비가 연결되고 오류의 여지가 거의 없는 영역으로 설명됩니다. SIXSENSE PTE. LTD.는 2018년에 신뢰할 수 있는 지능형 자동화를 반도체 제조에 도입하겠다는 비전으로 시작했습니다. AI 플랫폼은 원시 생산 데이터를 인텔리전스로 전환하여 숨은 문제를 조기에 포착하고 수율을 개선하며 제조 제어 수준을 높이는 것을 목표로 합니다. 회사는 직원이 첫날부터 영향력 있는 프로젝트를 맡고 어려운 기술 과제에 참여하는 업무 환경도 설명합니다. 복리후생에는 경쟁력 있는 급여와 혜택, 직원과 가족을 위한 100% health insurance가 포함됩니다. Global Exposure 기회로는 고객 pilot, product discovery, 국제 협업을 위해 Singapore, Taiwan, Malaysia, US, Israel 등을 방문하는 활동이 제시됩니다. Learning and Development 지원은 courses, certifications, fitness programs, personal development initiatives를 포함합니다. 팀 커뮤니티 활동에는 team off-site, board game, weekend getaway가 포함됩니다. 하이브리드 근무 방식은 Singapore와 Bengaluru의 오피스 문화에 원격 근무 유연성을 결합합니다. Global Footprint에는 Singapore, USA의 San Francisco, India의 Bengaluru, Taiwan의 Hsinchu County가 기재되어 있습니다. 또한 SIXSENSE PTE. LTD.는 top semiconductor companies와 기타 industry leaders가 제품을 사용하며 고객이 Singapore, Taiwan, Malaysia, China, Israel, US에 분포한다고 설명합니다.
전시 제품
SIXSENSE PTE. LTD.의 AI 제품군은 팹에 숨겨진 intelligence의 95%를 활용하고 고비용 excursion을 예측하고 방지해 scrap cost를 줄이며 cycle time을 30% 단축하고 새로운 CAPEX 없이 output을 1.3x로 확장하는 것으로 설명됩니다. AI-ADC는 model training, deployment, maintenance 도구를 갖춘 end-to-end visual inspection 자동화 솔루션입니다. 실시간 vision engine은 캡처된 모든 이미지를 분석하고 의심 결함을 수백 가지 유형으로 분류하며 99%가 넘는 accuracy와 zero escapee를 제시합니다. AI-ADC는 defect image를 line speed로 유의미한 insight로 바꾸어 review queue를 줄이고 clean-room headcount를 절감하며 downstream analytics의 기반을 만듭니다. 이를 통해 팹은 추가 hiring이나 training, 사람에 의한 quality slip 우려 없이 scale할 수 있다고 설명됩니다. AI는 의심 결함을 24/7 분류해 round-the-clock coverage를 제공하고 clean room footprint를 줄입니다. 즉각적인 AI pass/fail decision은 lot의 흐름을 유지해 각 review step에서 수 시간을 절약하고 팹 전체로는 최대 수일의 절감 효과를 더합니다. 매우 작지만 중요한 defect를 조기에 잡아 engineer가 scrap이 누적되기 전에 process를 수정할 수 있고, 신중한 manual screening에서 발생할 수 있는 불필요한 over-rejection도 방지합니다. 일관된 bias-free check는 불량 wafer가 downstream으로 이동하는 것을 막고 rework, scrap, RMA, field failure에 따른 customer complaint를 줄이는 것으로 제시됩니다. 회사는 AI가 과거 수십 명의 operator가 하던 작업을 수행해 인력을 더 가치가 높은 engineering과 improvement task에 투입할 수 있다고 설명합니다. Build AI는 training data preparation과 high-accuracy AI model 구축을 위한 end-to-end environment를 제공하며 유용한 이미지를 자동 sampling해 manual effort를 최소화합니다. 수백만 장의 이미지에서 diverse, balanced, de-duplicated data set과 hard-to-find example을 고르고 AI-assisted label correction을 10x speed로 수행합니다. production에서는 0% escapee로 launch해 반복적인 retrain과 rollback을 줄이는 방식이 제시됩니다. Build AI는 patched detection이나 anomaly workaround가 아닌 true classification model을 사용하고 bounding box를 생략해 data preparation을 간소화하며, 매우 작고 서로 비슷하게 보이는 defect에서도 high accuracy를 목표로 합니다. 반도체 특화 large vision foundation models를 포함하며 millions of wafer-defect images로 pre-trained되어 있습니다. 제시 성능은 >95% automation, 0% UR, 최대 <0.05% OR이며 class당 image count를 네 자리 대신 두 자리 수준으로 사용합니다. Explainable AI는 model이 무엇을 defect로 인식하는지 확인하고 production launch 전에 AI가 학습한 내용을 검증할 수 있게 합니다. ClassifAI는 여러 AOI tools에서 production AI model을 실행하며 high-throughput, low-latency visual inspection과 near-zero escapes를 목표로 합니다. 단일 model이 세대에 걸친 hundreds of devices and tools를 커버하고 multi-view, multi-tool, multiple magnifications를 기본 지원합니다. Rescans, Klarf variants, incoming defects에 대한 integration이 준비되어 있으며 yield engineer가 deploy할 수 있다고 설명됩니다. operator interface는 new defect를 auto-grade해 built-in manual-review interface로 보내고 1-click retraining을 지원하며 interactive wafer maps, hotkeys, color-coded defect maps로 도입을 돕습니다. VerifAI는 drift detection과 self-improvement capabilities를 사용해 production models를 자동 monitor하고 adapt하여 production performance의 신뢰성을 유지합니다. Lot Disposition and Root-Cause Analysis는 defect severity와 yield impact에 따라 high-risk wafer를 표시해 review 우선순위 지정, yield recovery, escape 및 scrap 감소를 지원합니다. AI-ADC label을 기반으로 Lot Disposition은 yield impact, recurrence pattern, defect severity를 고려해 각 lot을 pass, hold, rework, scrap으로 자동 판정합니다. 확장 workflow는 verdict를 production systems에 직접 기록해 manual sign-off를 없애고 costly excursion을 피하며 peak throughput에서도 cycle time을 낮게 유지합니다. Dispose AI는 critical repeating defects, wafer-map signatures, yield outliers를 표시하고 yield criteria와 low kill-ratio defects에 기반한 auto-lot checkout decision을 지원하며 low first-pass yield 또는 low final yield의 lot을 review를 위해 hold할 수 있습니다. Always-on AI agents는 hundreds of steps에 걸쳐 classified defects와 tool, recipe, chamber data를 상관 분석하고 out-of-spec으로 drift하는 parameter를 즉시 표시하며 yield exposure를 정량화하고 가장 빠른 fix를 제시합니다. 회사는 과거 weeks가 걸리던 analysis가 minutes로 줄어든다고 설명합니다. CausifAI는 process tool, lot history, inspection data를 상관시켜 key source of failure를 찾고 wafer-stack analytics로 wafer exposure를 정량화하며 yield engineer가 true 및 false yield loss의 source를 추적할 수 있도록 reports와 charts를 제공합니다. Predict AI는 time, layers, lots에 걸친 defect likelihood를 학습해 when, where, what to inspect를 예측합니다. 이러한 insight는 fault 발생 전에 inspection sampling과 tools를 proactive adjustment하도록 하여 scrap과 downtime을 줄이고 self-optimizing production으로 이동하게 합니다. 또한 early steps의 inspection, metrology, process data로 die failure probability를 forecast하고 repeat defect를 유발하는 layers, tools, patterns를 식별해 sampling을 high-risk area에 동적으로 집중합니다. scrap이 시작되기 전에 tool과 recipe adjustment를 trigger하고 data-driven production으로 unplanned downtime을 줄입니다. fab과 OSAT line 전반에서 AI suite는 defect review를 대규모 자동화하고 recurring fault를 root cause까지 추적하며 at-risk wafer를 즉시 flag합니다. 결과는 lower yield exposure, tighter quality control, higher productivity, 각 run에서의 higher confidence로 설명됩니다. AI-ADC는 fewer labeled samples로 faster accurate defect classification을 제공하면서 cycle time과 cleanroom footprint를 줄이는 것으로도 제시됩니다.
역량 및 제품
- 반도체 AI 자동 결함 검사
- AI-ADC 비전 검사 자동화
- 결함 분류 AI 모델 구축
- AOI 장비 간 생산 결함 분류
- AI 모델 드리프트 모니터링·자기개선
- 로트 Pass/Hold/Rework/Scrap 자동 판정
- 반도체 결함 근본원인 분석
- AI 예측 검사·수율 위험 예측