eSiFO 封装技术可以将多个芯片和元件集成在一个小型封装中，但这也带来了一个关键问题：如何确保这些嵌入式芯片的可靠性?在 eSiFO 封装中微小缺陷就像“定时炸弹”，可能导致芯片在使用中失效，X-Ray 无损检测是我们常用的“体检”工具，但过去我们经常遇到参数波动大、漏检误检率高的问题，例如同一批芯片换个人操作检测参数就不一样，结果也不稳定，更头疼的是检测数据都是孤立的无法与生产工艺联系起来，出了问题也不知道根源在哪，今天际诺斯想和大家分享我们如何通过建立风险分级模型、优化检测参数，并实现数据互联互通，来解决这些痛点。
eSiFO 封装中的缺陷种类繁多，常见的包括焊球空洞、凸点偏移、基板裂纹、层间错位、微裂纹和空洞聚集，这些缺陷通常出现在芯片边缘、焊球连接区、布线密集区域以及再分布层(RDL)界面，缺陷的尺寸范围从 5 微米到 200 微米不等，5 微米有多小?大约是一根头发丝的十分之一，这么小的缺陷对检测精度要求极高，我们通常使用高分辨率 X-Ray 成像，再配合自动光学检测(AOI)进行互相验证。
小贴士： 焊球空洞如果超过焊球直径的 20%，就容易导致热疲劳失效，凸点偏移超过焊球间距的 30%，可能引发短路，因此，检测时要特别关注这些区域。
为了解决漏检和误检的问题，我们建立了一套风险分级模型，这个模型不是简单地将缺陷分为“好”或“坏”，而是根据缺陷类型、位置和尺寸，给出一个风险等级，具体来说，我们将风险分为三级：
低风险： 缺陷尺寸小于 10 微米，且远离关键区域(如芯片边缘)，这类缺陷基本不影响可靠性，可以放行。
中风险： 缺陷尺寸在 10 到 50 微米之间，位于边缘区域，需要进一步评估，可能需要额外检测。
高风险： 缺陷尺寸大于 50 微米，或者位于焊球连接区、RDL 界面，这类缺陷必须剔除或修复。
模型是如何使用的呢?我们开发了一个算法，能够自动识别缺陷并分类，例如X-Ray 拍完照片后系统立刻就能判断出该焊球空洞是“高风险”还是“低风险”，工程师只需查看结果，即可快速决定下一步操作。
小贴士： 风险分级模型不是一成不变的，我们每个月都会用历史检测数据和失效分析结果来校准阈值，以确保预测越来越准确。
过去我们调整 X-Ray 参数全靠经验，电压、电流、曝光时间等参数都需要手动调节，费时费力，还容易出错，现在我们实现了参数一键优化功能，系统会根据缺陷类型和尺寸，自动推荐最佳参数组合，例如，检测焊球空洞时，系统会自动提高电压和曝光时间，让空洞看得更清楚，更重要的是我们把检测数据与生产管理系统(MES)对接，每次检测结果都会实时上传，工程师可以在电脑上随时查看，如果某批次芯片的缺陷率突然升高系统会自动报警，并关联到对应的工艺参数(如回流焊温度、模塑压力)，我们可以快速定位问题而不是像以前那样“大海捞针”，我们还引入了统计过程控制(SPC)分析，通过监控检测数据的波动，我们可以提前发现工艺漂移，例如，如果连续几批芯片的焊球空洞尺寸都在增大，说明回流焊温度可能偏低，需要及时调整。
小贴士： 数据互联互通不仅提高了效率，还能帮助我们更快找到问题根源，避免重复检测。
一键优化虽然好用但还不够智能，因为不同批次的芯片材料可能有差异，设备也会老化，导致参数漂移，例如某批次芯片的基板厚度比标准厚了 0.1 毫米，X-Ray 的穿透率就会下降，原来推荐的参数可能就不准了，为了解决这个问题我们引入了“动态自适应”机制，简单来说，就是让系统学会“自我进化”，每次检测后系统会将结果(如误检率、漏检率)反馈给参数优化算法，如果发现某组参数导致误检率偏高，系统会自动微调电压和曝光时间直到找到最优解。
小贴士： 动态自适应不是一次性的，建议每检测 1000 颗芯片后，重新校准一次参数，以应对批次间差异和设备老化。
以前检测数据只是用来判断产品是否合格，用完就丢弃，但我们后来发现这些数据其实藏着很多工艺优化的线索，于是我们建立了“缺陷指纹库”，每个缺陷的 X-Ray 图像特征(如空洞形状、裂纹走向)都被提取出来，并与对应的工艺参数(如回流焊温度曲线、模塑压力值)绑定在一起，例如如果某批次焊球空洞呈现“环状”特征，系统能自动关联到历史记录中“回流焊峰值温度偏低”的案例，工程师输入缺陷特征就能一键调取历史工艺参数和失效分析报告，这个功能非常实用，以前定位一个缺陷的根因可能需要几天时间，现在几分钟就能搞定，而且，我们还能通过分析缺陷指纹，提前预防类似问题。
去年我们为一家汽车电子企业进行了 eSiFO 检测优化，这家企业年产量超过 100 万颗 eSiFO 芯片，产品用于 ADAS 和动力控制模块， 他们的 X-Ray 检测漏检率高达 8%，误检率 5%，参数波动导致频繁重复检测，工程师每天花费大量时间手动调整参数，更严重的是，数据孤立，出了问题无法追溯原因，我们引入了基于 eSiFO 风险分级模型的 X-Ray 检测系统，集成了参数一键优化和数据互联互通功能，同时部署了动态自适应参数和缺陷指纹库。
实施效果： 漏检率从 8% 降至 1.2%，误检率从 5% 降至 0.8%，检测效率提升 30%，缺陷追溯时间缩短 50%，工程师不再需要天天手动调参数，系统会自动学习和优化。
客户反馈： 检测流程标准化了，数据可追溯性显著增强，产品良率提升，现场失效风险明显降低，客户说：“以前我们靠经验，现在靠数据。”
eSiFO 可靠性筛选是保障高端芯片性能的关键环节，建立科学的风险分级模型，结合 X-Ray 无损检测技术，是提升检测精度与效率的有效路径，通过参数一键优化与数据互联互通，我们实现了检测与工艺的闭环控制，未来，我们计划融合自动光学检测(AOI)与人工智能算法，实现缺陷自动分类与预测性维护，例如，系统可以提前预测哪些芯片可能在三个月后失效，从而提前干预。
留言板
返回列表