与aic、产量损失的机会明显高于FOPLP。
不管你怎么让你的新闻,似乎每个人都在谈论AI,要么是将开创一个新时代的生产力或导致的人类本身。无论如何,这里的人工智能时代,它刚刚开始影响我们的生活,我们的工作和我们的未来。
满足人工智能的严格要求,以及高性能计算,5 g和电动汽车,半导体产业寻找新的创新增加速度、带宽和功能密度,和更低的能耗、成本和延迟。顶部的列表:异构集成。,实现异构集成后端包装房屋使用先进的集成电路基片(aic)。
在之前的博客的主要挑战之一,我们致力于生产aic -总覆盖漂移。这在我们的系列文章第二部分包装解决方案,我们探索aic包产生的问题及其在培养一个具有成本效益的重要性,适于生产的过程。
首先,aic收益率在半导体行业是独一无二的挑战。与大多数扇出panel-level包装(FOPLP)应用程序,在包装尺寸通常小于10毫米x 10毫米,每个小组的包数量数以千计,aic包/面板相对较少。例如,一个510 mm x 515 mm aic面板只能容纳16包(120 mm x 120 mm) FOPLP相比,这可能有超过2300包。这种巨大的差距显著影响产量的计算;一个有缺陷的包在一个aic可能导致产量损失6.25%,而FOPLP,一个有缺陷的包可能只代表0.04%的产量损失。随着对外包大小增加到150 mm x 150 mm,收益率挑战加剧:一个有缺陷的方案失败导致产量损失11%,产量明显降低这一行业的运营利润率非常狭窄。
与aic、产量损失的机会明显高于FOPLP,尤其是从defectivity角度。毕竟,有很多过程层与aic与FOPLP相比。aic设计可以有24层重新分配(RDL),进料侧之间的分裂和衬底的背面,而FOPLP通常只有三到五RDL层。
此外,处理进料侧和aic的背后是另一种独特的工艺要求,显著提高了产量损失的风险从缺陷引起的表面污染。
在aic的生产过程中,实时跟踪的主要挑战是产量为每一个面板中,在每一层,整个工厂。这持续的收益评估的动机是确定最优工厂加载实现效率目标。它需要几周的时间来完成处理aic,只有通过了解整个工厂的产量aic库存,实时,生产力会准确评估。此外,面板产量需要评估的成本,在每个流程步骤。例如,如果一个面板收益率为50%,只有在过程层一分之五40-layer,处理小组进一步值得吗?该委员会应该取消并重新启动吗?答案通常是肯定的。
aic的过程是一个死了的过程,所以面板不是高价值,直到模具放置在最后的构建。aic的制造,知道什么时候放弃,重新开始或继续处理低收益aic变成了一个商业决定,在很大程度上依赖于准确的产量数据。当然,产量损失需要调查和根源识别缺陷,潜在和实际起来。这就是使用先进的自动缺陷分类(ADC)和产量分析是必要的快速和成功的复苏。
追踪面板产量、全面、智能yield-tracking数据库是必需的。此数据库必须能够访问每个小组在每个流程步骤的检验数据。此外,检查数据必须有一个ADC系统识别训练杀手的缺陷。RDL打开这些杀手的缺陷,比如,RDL短裤,缺失的通过和通过残留物,必须分类准确率达到了100%,这样每个缺陷包面板上可以认同的信心。yield-tracking数据库也必须为用户提供信号停止生产线的产量低于用户定义的阈值。
此外,一些缺陷可能并不明显,直到后来。例如,一个大型粒子嵌入到味之素累积电影(沛富)可能不会影响当前通过层,但后来RDL模式,坐落在粒子可能诱发RDL弥合由于粒子创造一片光刻条件。
随着行业转换到核心基板玻璃,这可能允许单面加工,未来aic过程可能会变得更加健壮。然而,包装尺寸将继续增长,RDL将继续低于5的线/空间µm萎缩。这个技术路线图将需要新的光刻胶和照片可成像的介质流程。沛富将不再能够支持不到10µm通过激光钻孔通过。
对于aic处理,产量是至关重要的,比传统FOPLP更具挑战性。对aic的需求迅速增加,大的包大小和增加层数准确ADC检查驱动器的紧迫性和产量分析。及时增加aic制造和维护成本有效的生产力不能没有尖端先进的包装检查和收益管理系统。
请加入我们,我们的解决方案系列的三个部分,我们将讨论aic叠加修正方案。
|
|
|
|
|
|
|
|
|
|
留下一个回复