最近这几年Chiplet 芯片技术发展迅速，它将不同功能的小芯片拼接在一起可以制造出性能更强、成本更低的处理器，但随之而来的挑战也越来越多，Chiplet 的封装密度越来越高，内部的微凸点和 TSV(硅通孔)结构又小又密，传统的 X-Ray 检测方式已经无法满足需求，际诺斯今天从工程师的角度出发分享如何将检测效率提升 10 倍以上，解决量产线上的“卡脖子”问题。
Chiplet 技术让芯片设计更加灵活，但与此同时，也给检测带来了新的难题，以前检测一颗大芯片，只需要关注是否有裂纹或气泡，现在，Chiplet 内部有成千上万个微凸点，每个只有几十微米大小，还需要检查内部是否有空洞或焊接是否牢固，传统 X-Ray 检测设备速度慢、精度低，就像用老式相机拍蚂蚁，根本看不清细节，更严重的是，检测效率直接影响芯片良率和生产节拍，如果检测速度跟不上，产线就不得不等待，一天可能少生产几百片晶圆，损失巨大，因此提升检测效率不是“锦上添花”，而是“雪中送炭”。
小贴士： 不要把 X-Ray 检测只当作“质检员”，它应该成为封装工艺的“智能传感器”——检测数据要实时反馈给工艺参数，比如调整焊接温度、压力，从源头减少缺陷，而不是等出了问题再补救。
作为工程师我们最头疼的问题之一是参数波动大，今天调好的参数明天换一批芯片又得重新调整，这种依赖个人经验的方式导致检测一致性差，漏检和误检率高，微小缺陷难以识别，例如微凸点中的空洞只有几微米，传统算法常常将其误判为正常结构，导致漏检，或者把正常结构误认为缺陷，造成误检，同时检测数据孤立无法与工艺参数联动优化。
小贴士： 参数波动大的根源在于“经验依赖”，而不是设备本身速度慢，真正的解决方案是建立“参数-缺陷”映射数据库，让 AI 学会预测最优参数组合，实现标准化和自动化调参。
要解决这些问题必须依靠新一代高速在线 X-Ray 检测设备，这类设备具备以下核心特点：
高速成像与实时处理：每秒可拍摄几十张高清图像，边检测边分析，不会拖慢产线节奏。
多角度扫描：可以从多个角度扫描 Chiplet，看清多层结构，如微凸点和 TSV 的立体形态。
高分辨率探测器：能够识别几微米的微小缺陷，满足高密度封装的需求。
小贴士： 在线检测的核心价值是“节拍匹配”而不是单纯追求速度快，好的设备能根据前序工艺的实时数据，自动调整扫描速度和分辨率，实现“按需检测”，避免过度检测浪费时间。
我们采用深度学习模型，让 AI 自动识别和分类缺陷，例如，在微凸点空洞检测中，AI 可以精准区分正常结构和缺陷，准确率超过 99%，我们还引入了“迁移学习”——利用已有封装工艺的缺陷数据预训练模型，再针对 Chiplet 工艺进行微调，即使新缺陷样本较少，AI 也能快速适应，大幅降低人工标注成本。
多通道同步检测，一次可检测多个芯片，单位时间内的检测数量翻倍，我们还使用“负载均衡算法”，根据各工位的实时数据量动态分配任务，避免某个工位过载，最大化产线利用率。
我们构建了“工艺-检测”联合数字孪生模型，将封装工艺参数(如温度、压力)与检测结果实时关联，预测下一批次可能出现的缺陷类型，并提前调整检测参数，这相当于“预防式检测”，而不是事后补救。
我们设计了一套完整的优化方案，包括以下几个方面：
系统集成：从离线检测升级为在线实时检测，检测结果直接反馈给 MES 系统，实现全流程可追溯。
参数标准化：建立“参数模板库”，针对不同 Chiplet 产品类型，预置经过验证的参数模板，工程师只需选择产品型号，系统自动加载最优参数，实现“零经验依赖”的标准化操作。
一键优化：通过数字孪生模型，一键优化参数，从原来的 2 小时缩短到 5 分钟。
去年我们为一家国内领先的先进封装企业(化名“芯联科技”)部署了际诺斯高速 X-Ray 检测系统及 AI 判读模块，芯联科技主要生产 Chiplet 芯片，之前面临检测效率低、漏检率高的问题，工程师经常加班调参，实施后效果非常显著：
检测效率提升 12 倍：原来一天只能检测 1000 颗芯片，现在可以检测 12000 颗。
漏检率下降至 0.05% 以下：几乎不漏检，误检率也大幅降低。
数据无缝对接：检测数据与 MES 系统实时同步，实现全流程可追溯。
更重要的是通过“工艺-检测”数字孪生模型，芯联科技将参数波动幅度降低了 80%，一键优化时间从 2 小时缩短至 5 分钟，工程师再也不需要手动调参，彻底解决了痛点。
未来X-Ray 检测将不再是单纯的“质检工具”，而是演变为“工艺智能体”，主动参与工艺优化成为 Chiplet 量产中不可或缺的“数字工艺工程师”，随着 AI、自动化技术与检测的深度融合，检测效率还会进一步提升，为 Chiplet 芯片的高质量量产保驾护航。
留言板
返回列表