半導體產品的加工過程主要包括晶圓製造(前段,Front-End)和封裝(後段,Back-End)測試,隨著先進封裝技術演進,出現介於晶圓製造和封裝之間的加工環節,稱為中段(Middle-End)。目前全球半導體趨勢由於晶片尺寸已微縮至物理極限,前段製程技術進展正逐漸趨緩,目前將著重於後段製程(封裝測試)。
根據Yole Développement產業分析報告,目前市場仍以傳統封裝為大宗,但隨著先進半導體晶片以及複雜封裝結構等需求之增加,將為先進封裝市場成長的成為主要動力。預計2027年先進封裝市場將成長至650億美元,年均複合成長率約為10%,且市場占比亦將逐年增加,估計2027年前將成長至50%以上。
封裝技術上大致分為傳統封裝與先進封裝,傳統封裝測試工藝可以大致分為背面減薄、晶圓切割、貼片、引線鍵合、模塑、電鍍、切筋/成型和終測等8個主要步驟。而先進封裝例如:2.5D、3D及CoWos技術等,簡單來說是利用堆疊方式增加空間使用,通過這種方式,可以在有限的空間內整合更多的晶元,提升系統性能。具備了更高的性能、更小的封裝尺寸以及更優越的散熱效果,當然技術上也會更加繁瑣及精確度要求更高。
半導體封裝領域在製程上每個環節都是繁瑣的細節,並且都具備高精密、高自動化的設備。因此其主要痛點在於掌握設備品質,就能掌握產品品質。管理方式主要包括設備品質管理、產品製程管理、能源成本管理等,每一道製程品質的都會影響最後的產品成敗,因此這些痛點管理也都是連帶關係的,設備品質會影響產品製程,也就影響著能源消耗。因此,製造商需著重於掌握設備狀態,以確保生產高品質、高性能的封裝產品。
封裝領域設備品質管理問題以大項目的設備列舉:Wire bond晶粒銲線機、Die bond晶粒貼合機、Die saw晶圓切割機、LG雷射切割機等,其精密部件包含驅動馬達、螺桿、傳送手臂、焊接頭、溫度控制系統、傳送系統、操作平台、環境控制系統等等,都需要遵循高度精密與高可靠度的標準以確保達到高良率的封裝結果。
封裝領域製程品質管理問題在確認製程設備於優良的狀態下,當遇到例如人為的數值輸入錯誤、環境因子的干擾以及各部件運作的時序不一致性等,皆有可能因過程中有些微的誤差,導致產生不良影響最後結果。嚴重時可能造成晶圓的破片、產品的失敗、耽誤交期、設備的提前老化磨耗等。
封裝領域製程能源消耗管理問題隨著ESG大趨勢下影響半導體產業,對於減碳壓力的要求將有增無減,若無法跟上世界的腳步,勢必將面臨淘汰。於是上游廠商要求產品能夠減碳排甚至是淨零,下游廠商紛紛祭出綠循環優化等管理解決方案,藉由管理設備的能耗,進而優化設備的效益、降低碳排也降低成本,更進一步能夠管理稼動率,一舉數得。
LG、DS 晶圓級設備:產能依賴度高,無預警停機影響生產排程,監測機台健康度至關重要!DB、WB 晶粒級設備:以製造流程監測作為線上百百檢的品質防護方案,一旦生產設備異常,立即警示!預防不良品被大量製造, 維護客戶利益 。
在製造自動化與提高人機比的生產趨勢下,必須要以精準保養的觀點來取代以往順序式保養,將人力資源精準投放,以優化設備工程師的保養效益。確認設備維修需求後,以精準維修取代試誤更換,減少等待關鍵料件時間、降低錯換料件成本 ; 提升機台復歸生產排程效率。
設備狀態再好也需要有正確的操作方式,因此需要為系統建立防呆機制,避免因為人為因素導致發生錯誤。會影響製程品質的環境因子包含溫度、濕度、壓力、particle等,蒐集數據建立門檻趨勢,優化防禦機制。
管理廠區設備能耗除了能夠了解其設備使用狀況,藉以最高效率使用設備,避免設備空轉、產線停滯、優化決策提高產線稼動率等。建立數據成為導入管理成本效益系統、碳排放及後續節能系統、綠色環保計畫等等的依據。
基於各式週期性設備管理,利用VMS-ML機器學習智能監控系統,學習正確的製程動態訊號。具有自動追蹤識別目標技術,以不同機台建立不同監測模型,追蹤目標正確率、誤判率可達至小於千分之一。藉由長期監測特徵值趨勢了解機台老化歷程,使用者可藉由趨勢數據化定義日後保養計畫,並可進行二次門檻管理及AI訓練,預測未來可能發生的變異。此外,各式穩態物理、機台訊號數據搜集,藉由韌體級、系統級邊緣運算將大量數據之物理量轉換成實際需要監測的項目,進而進行門檻建立,達到即時監測控制品質、優化決策。