监诊实绩

监诊实绩

应用领域

应用领域

常见问题

常见问题

Support

封装领域常发生的问题?

应用领域列表 |封装领域

封装领域在製程上每个环节都是繁琐的细节,并且都具备高精密、高自动化的设备,其主要痛点在于掌握设备及製程品质的管理。

执行动机
封装领域常发生的问题?

技术更加繁琐及精确度要求更高

半导体产品的加工过程主要包括晶圆製造(前段,Front-End)和封装(后段,Back-End)测试,随着先进封装技术演进,出现介于晶圆製造和封装之间的加工环节,称为中段(Middle-End)。目前全球半导体趋势由于晶片尺寸已微缩至物理极限,前段製程技术进展正逐渐趋缓,目前将着重于后段製程(封装测试)。

根据 Yole Développement 产业分析报告,目前市场仍以传统封装为大宗,但随着先进半导体晶片以及複杂封装结构等需求之增加,将为先进封装市场成长的成为主要动力。预计2027年先进封装市场将成长至650亿美元,年均複合成长率约为10%,且市场占比亦将逐年增加,估计2027年前将成长至50%以上。

封装技术上大致分为传统封装与先进封装,传统封装测试工艺可以大致分为背面减薄、晶圆切割、贴片、引线键合、模塑、电镀、切筋/成型和终测等8个主要步骤。而先进封装例如:2.5D、3D 及 CoWos 技术等,简单来说是利用堆叠方式增加空间使用,通过这种方式,可以在有限的空间内整合更多的晶元,提升系统性能。具备了更高的性能、更小的封装尺寸以及更优越的散热效果,当然技术上也会更加繁琐及精确度要求更高。

执行痛点
影响封装品质的原因?

设备、製程与能耗管理

半导体封装领域在製程上每个环节都是繁琐的细节,并且都具备高精密、高自动化的设备。因此其主要痛点在于掌握设备品质,就能掌握产品品质。管理方式主要包括设备品质管理、产品製程管理、能源成本管理等,每一道製程品质的都会影响最后的产品成败,因此这些痛点管理也都是连带关係的,设备品质会影响产品製程,也就影响着能源消耗。因此,製造商需着重于掌握设备状态,以确保生产高品质、高性能的封装产品。

封装领域设备品质管理问题

以大项目的设备列举:Wire bond晶粒銲线机、Die bond晶粒贴合机、Die saw晶圆切割机、LG雷射切割机等,其精密部件包含驱动马达、螺杆、传送手臂、焊接头、温度控制系统、传送系统、操作平台、环境控制系统等等,都需要遵循高度精密与高可靠度的标准以确保达到高良率的封装结果。

封装领域製程品质管理问题

在确认製程设备于优良的状态下,当遇到例如人为的数值输入错误、环境因子的干扰以及各部件运作的时序不一致性等,皆有可能因过程中有些微的误差,导致产生不良影响最后结果。严重时可能造成晶圆的破片、产品的失败、耽误交期、设备的提前老化磨耗等。

封装领域製程能源消耗管理问题

随着ESG大趋势下影响半导体产业,对于减碳压力的要求将有增无减,若无法跟上世界的脚步,势必将面临淘汰。于是上游厂商要求产品能够减碳排甚至是淨零,下游厂商纷纷祭出绿循环优化等管理解决方案,藉由管理设备的能耗,进而优化设备的效益、降低碳排也降低成本,更进一步能够管理稼动率,一举数得。

影响封装品质的原因

执行目标
封装领域设备的预知监诊

#了解设备品质,预防不良品製造
LG、DS 晶圆级设备:产能依赖度高,无预警停机影响生产排程,监测机台健康度至关重要!DB、WB 晶粒级设备:以製造流程监测作为线上百百检的品质防护方案,一旦生产设备异常,立即警示!预防不良品被大量製造, 维护客户利益 。

#以精准维修取代试误,精简人力
在製造自动化与提高人机比的生产趋势下,必须要以精准保养的观点来取代以往顺序式保养,将人力资源精准投放,以优化设备工程师的保养效益。确认设备维修需求后,以精准维修取代试误更换,减少等待关键料件时间、降低错换料件成本 ; 提升机台復归生产排程效率。

#预防人为的错误、环境因子控制
设备状态再好也需要有正确的操作方式,因此需要为系统建立防呆机制,避免因为人为因素导致发生错误。会影响製程品质的环境因子包含温度、湿度、压力、particle等,蒐集数据建立门槛趋势,优化防禦机制。

#优化决策降低设备能耗,减碳排
管理厂区设备能耗除了能够了解其设备使用状况,藉以最高效率使用设备,避免设备空转、产线停滞、优化决策提高产线稼动率等。建立数据成为导入管理成本效益系统、碳排放及后续节能系统、绿色环保计画等等的依据。

了解设备品质

了解设备品质

精准维修取代试误

精准维修取代试误

预防人为错误

预防人为错误

降低能耗减碳排

降低能耗减碳排

如何执行
即时监测控制品质、优化决策

基于各式週期性设备管理,利用VMS-ML机器学习智能监控系统,学习正确的製程动态讯号。具有自动追踪识别目标技术,以不同机台建立不同监测模型,追踪目标正确率、误判率可达至小于千分之一。

藉由长期监测特徵值趋势了解机台老化历程,使用者可藉由趋势数据化定义日后保养计画,并可进行二次门槛管理及AI训练,预测未来可能发生的变异。此外,各式稳态物理、机台讯号数据搜集,藉由韧体级、系统级边缘运算将大量数据之物理量转换成实际需要监测的项目,进而进行门槛建立,达到即时监测控制品质、优化决策。

VMS-ML 机械手臂监测系统

Support
其他半导体领域相关