- Advertisement -
首頁 首頁Top區塊

首頁Top區塊

- Advertisement -

2021年晶圓廠資本支出可望挑戰680億美元新高

國際半導體產業協會(SEMI)公布2020年第二季更新版「全球晶圓廠預測報告」(World Fab Forecast),2021年將是全球晶圓廠標誌性的一年,設備支出增長率可望來到24%,達到677億美元的歷史新高,比先前預測的657億美元再高出10%,所有產品部門都將出現強勁成長。記憶體廠設備支出領先全球半導體各部門,預估達300億美元,先進邏輯製程和晶圓代工廠(Logic and Foundry)則以總投資額290億美元位居第二。 3D NAND記憶體為這波支出增長注入強勁動能,今年投資額將激增30%,2021年預計也有17%的高成長。DRAM晶圓廠投資額將於2020年下滑11%後反彈,明年大幅增加50%;而以先進製程為主的邏輯製程和晶圓代工支出也將循類似軌跡發展,惟震盪較小,預估今年下跌11%後再於2021年增長16%。 部分產品別雖然晶圓廠整體設備支出較低,成長變動率之大卻令人印象深刻。影像感測器2020年預估可創下60%的增長,然而2021年仍保有36%的高成長率,讓人驚艷;類比及混合訊號產品2020年成長率達40%,2021年為13%;功率半導體相關投資2020年預估成長率達16%,2021年勁道更強,將大幅躍升至67%。 檢視季度同比(QoQ)支出趨勢,即可看到2020年受到新型冠狀病毒大流行所帶來的影響。全球晶圓廠設備支出2020年首季較前一季下滑15%, 但比2月預測高達26%的跌幅表現來得更好。時序進入3月,一些公司明顯已積累了安全庫存,作為疫情蔓延下的因應對策,世界各地亦紛紛施行居家隔離命令,清空辦公室、購物中心及學校等地以防制病毒擴散。 隨著疫情持續升溫,對筆記型電腦、遊戲主機和醫療照護應用等IT及電子產品的需求也同時激增。另外,市場擔憂針對銷往中國的半導體設備恐受6月下旬生效的禁令影響,部分公司所實施的庫存管理措施預計將持續至第二季。  
0

瑞薩調整通路策略 資源聚焦三大代理商

瑞薩電子宣布新一步通路策略調整,為整合在中國和亞太地區的通路,以調整公司的綜觀市場策略。瑞薩決定終止與大聯大集團的經銷關係,並與文曄科技建立更密切的策略合作。瑞薩感謝與大聯大的合作,及其過去在產品線上的努力耕耘,但終止大聯大集團的經銷關係將使瑞薩能夠將精力集中在安富利(Avnet)、台灣創先電子和文曄等三大經銷商上。而這三大經銷商也將成為凌駕其他本地經銷商之外的全球經銷合作夥伴。 文曄董事長兼執行長鄭文宗表示,很高興能擁有瑞薩微控制器、微處理器、 SoC、類比、電源以及整合的參考設計解決方案等豐富的產品線做為我們的主力代理產品之一。瑞薩豐富的產品組合中包含了許多具有領導地位的高度差異化產品和生態系統合作夥伴解決方案,使我們能夠提供更多的產品品項,並滿足客戶的市場和應用需求。 瑞薩電子資深副總裁 Chris Allexandre則指出,該公司不斷精簡全球的經銷網絡,使我們能夠專注於文曄科技等少數更具戰略意義的合作夥伴,以強化瑞薩電子的成長策略。我們持續發展的經銷商策略轉型和重點的專注,使瑞薩能夠在泛用市場上贏得更廣泛的客戶群,並投入更多資源來創造需求。透過精簡電腦運算及伺服器產品 的經銷體系,我們將能夠為亞洲客戶提供更高水準的服務。
0

傳Mac將改用蘋果自家處理器 WWDC正式公布

蘋果(Apple)即將在六月底舉行的線上全球開發者大會(WWDC),彭博社(Bloomberg)報導指出,蘋果可能在WWDC 2020中發表採用Arm架構處理器的Mac,取代以往使用的英特爾(Intel)晶片。 傳WWDC 2020將推出蘋果自行生產,用於Mac電腦的處理器。來源:蘋果 據傳蘋果將在WWDC 2020中向外部開發者公布新的晶片計畫,將自家生產的處理器用於2021年發布的Mac電腦中,然而由於硬體設備的過度需要數月時間,確切的公布日期可能會改變。 新款處理器的架構來自Arm的授權,將採用與iPhone及iPad相似的技術,不過未來的Mac仍會使用MacOS系統。這是Mac問世36年後,第一次使用蘋果自行研發的晶片,這段時間內,蘋果只換過兩次處理器。90年代初期,蘋果的處理器從Motorola換成PowerPC,並在2005年的WWDC中,賈伯斯(Steve Jobs)宣布改用英特爾的處理器,而2006年1月便推出首批使用英特爾處理器的Mac電腦。 WWDC 2020蘋果還會更新iOS、iPadOS、tvOS與WatchOS等作業系統,包括增強實境功能、外部應用程式、更深入的服務整合,並且強化Apple Watch的健身功能。有鑒於去年發布的iOS 13出現問題,蘋果將會優先改善軟體性能。
0

AI導入醫療領域 專網/精準醫療成趨勢

隨著疫情席捲全球,全球醫療人力問題成為矚目焦點。資深產業分析師吳駿驊表示,醫療導入AI是與人類共同協作,釋放出醫護人力而非取代之,而目前AI醫療健康發展雖然仍以臨床診療為核心,但其實多個健康照護的次領域都快速採用AI技術,特別是經歷2020年全球肺炎疫情,過去資源比重被輕忽的公共衛生次領域又重新獲得重視,其AI技術包含疾病預測與預防、流行病源基因演化路徑等。 示意圖 療導入AI是與人類共同協作,釋放出醫護人力而非取代之。來源:MIC資策會 針對AI醫療健康發展,吳駿驊表示,台灣廠商主要可思考三大機會: 一、過去醫療核心臨床領域被國際大廠把持,現在利用AI破壞式創新,臺灣廠商將有機會從醫療周圍次領域,找尋機會進入核心。 二、國內ICT業者可透過與AI醫療新創業者的合作,共同打造醫院解決方案,利用產業競合關係取得有利位置。 三、可預期「精準健康」需求將帶來新商機,業者不妨由消費性電子產品出發,發展數據收集與分析相關軟硬體產品。 醫療產業已來到不得不數位轉型的路口,資策會MIC表示,四大轉型趨勢包含以病患為中心發展個人化、精準醫學;透過機器人分擔工作、模擬訓練提升經驗、自動化釋出時間,提升醫護能量;利用智慧科技協助工作分流,如AI輔助決策性工作、智慧導診,優化臨床流程;如居家生理監控,讓醫療走出醫院,整合社區照護。不過想轉型成功,須先擁有良好的通訊品質,5G特性為大頻寬、低延遲、大連結,也因此成為醫療數位轉型最關鍵的催化劑。 資策會MIC指出,5G智慧醫療有六大潛力應用,國內ICT業者可多加留意,包含遠距生理監控、醫療物流機器人、AR手術導航系統、手持行動超音波、遠距醫療推車、數位五官鏡遠距診療。觀測疫情也為5G智慧醫療帶來應用機會,主要聚焦遠距會診,以及為了減少醫護人員感染風險,透過醫療服務機器人與醫療穿戴裝置監控與照護病患。在疫情推波下,遠距醫療、居家醫療與社區照護預期將首先落地實現,下一個階段可注意醫院專網,由於醫院導入智慧應用需配合高品質與網路資安,醫院專網是未來不可避免的趨勢。
0

AI辨識呼吸成抗疫救星 台灣智慧醫療具技術優勢

人工智慧(AI)搭上新冠疫情(COVID-19)的診斷及照護需求,讓智慧醫療議題再度受到熱門關注。新創團隊針對遠距醫療、家用心電圖、慢性病送藥與智慧醫材主題創業,搭建台灣的智慧醫療生態系。其中聿信醫材研發AI呼吸監測貼片,應用在肺炎病人及手術麻醉時所需的即時、連續呼吸監測需求,並透過AI辨識呼吸症狀。 而綜觀台灣的智慧/遠距醫療的落地過程,從事智慧照護工作多年的謝明家醫師則從醫師角度,分析台灣的遠距照護面臨法規、平台技術、商業模式與線下抗議等四大挑戰。解決技術問題方面,則有賴醫療人員與IT專家的深度合作。 AI聽診貼片辨識呼吸症狀 一般病患就診時,血壓、血糖及心跳等生理現象皆有連續偵測的數據指標,提供醫生診斷參考,但是呼吸方面缺乏相關的測量依據,而且醫生聽診的結果從未整理成客觀數據。新創團隊聿信醫療器材執行長許富舜從中發現醫療領域的不足,找到切入智慧醫療市場的著力點。他認為,AI目前的技術足以辨識不同呼吸聲響,進而找到不順暢的呼吸病徵,協助醫師的臨床診斷工作。 圖1 聿信醫療器材執行長許富舜 高度重視呼吸監測的場景包含手術中的不插管麻醉,以及進行心肺手術或重症治療時,都需要密集掌握患者的呼吸狀況。許富舜說明,為了滿足醫療場域中的呼吸監測需求,聿信研發貼在病患身上的聽診貼片,即時記錄病患的呼吸品質、發生哪些異常。尤其面對新冠肺炎(COVID-19)的診療需求,呼吸貼片能夠讓醫護人員免於近距離聽診,降低感染風險,同時彌補醫護人力不足的問題。聿信在一年內已標註超過40萬筆資料,並在武漢的醫院等地方進入臨床應用階段,未來以呼吸辨識平台為目標,期望所有電子聽診器的音檔皆能在平台上進行AI辨識。 遠距醫療需跨域合作/建立商業模式 智慧醫療產業中,除了科技廠商,醫療專業人員也是促成智慧醫療發展的重要角色。中國醫藥大學附設醫院智能糖尿病暨代謝運動中心副院長謝明家從醫師角度,分析台灣在智慧及遠距醫療的現況與趨勢。台灣在民國84即啟動遠距醫療計畫,希望解決偏鄉醫療資源不足的困境,而107年制定「通訊醫療診察辦法」,並在今年為因應新冠疫情的醫療需求,政府放寬遠距醫療的標準。謝明家管理的遠距照護系統以需要糖尿病控制的患者為對象,病患每日上傳血糖/血壓數據與飲食記錄,搭配個案管理師線上諮詢及緊急狀況處理,即可由每週看診改為一個月回診一次,且多數能在兩周內達到血糖穩定。  圖2 國醫藥大學附設醫院智能糖尿病暨代謝運動中心副院長謝明家 然而在超過十年的執行歷程中,謝明家帶領過全台甚至兩岸合作的遠距醫療團隊,但是目前台灣的遠距醫療仍面臨許多待解決的挑戰。謝明家說明,遠距醫療需要醫療團隊結合雲端平台、通訊系統與量測設備進行診斷,同時克服法規、平台技術、商業模式與線下抗議的挑戰,才能真正落地並普及。 對醫療人員而言,省時且方便使用的平台能真正減少診療所需的時間,因此設計平台的工程師需與使用平台的醫師加強溝通,甚至對彼此的專業具備基礎知識,才能開發適用於臨床場景的工具。此外,若是未來遠距醫療普及甚至納入健保,擠壓診所醫師或藥師的收入,可能面對競爭者的不滿。此外,成功的商業模式與團隊內的合理分潤至關重要,才能留住頂尖人才,維持醫療團隊的品質與永續經營。最終謝明家以台灣的優勢總結,他認為若是把握台灣的醫療及通訊技術優勢,透過科技與醫療專家的深度合作,便能以台灣為練兵場,放眼國際智慧醫療產業。
0

關鍵應用含金量高 手機/汽車AI吸引大廠競折腰

AI新興應用持續推進 自2018年起,在演算法層面,AI已經相對成熟,賽靈思(Xilinx)人工智慧業務高級總監姚頌(圖1)提到,目前應用層面還在不斷進展的是神經結構搜索(Neural Architecture Search, NAS)相關的領域,希望透過電腦自動找到最佳演算法結構、減輕演算法工程師的負擔。MIT的韓松教授推出One-For-All神經網路,可以訓練一個複雜的網路,針對不同場景的需求(高精準度、低延遲等),自動選擇部分子網路來滿足要求。2020年,對於邊緣運算解決方案需求最大的還是手機與汽車,二者共同的特點都是無論網路與通訊狀況如何,都需要AI做出迅速的反應。 圖1 賽靈思人工智慧業務資深總監姚頌 姚頌進一步指出,手機、平板電腦已經從通訊工具,升級為娛樂工具,再升級為邊緣的核心設備。除iPhone全系列產品已經搭配了用於FaceID的結構光相機,需要即時、私密的AI識別之外,最新推出的iPad Pro,還新增了dToF的微型雷射雷達,可以進行高精度測距、實現良好的AR效果,而AR也是AI的一個重要應用場景。另外,2020年在自動/輔助駕駛、智慧車艙已全面採用AI,特別是隨著電動車的推廣,汽車被視為下一個智慧終端裝置。 過去影像辨識與語音辨識通常是各自發展的應用,主要原因是影像採用卷積神經網路(Convolutional Neural Network, CNN),語音使用遞歸神經網路(Recurrent Neural Networks, RNN),然而近期Google公開演示了使用CNN網路進行語音辨識,也開啟了影像與語音辨識複用的可能,NVIDIA技術行銷經理蘇家興(圖2)認為,目前已有應用同時導入兩種辨識技術,讓人機溝通更自然,雖然目前還不是使用同一套網路,但或許不久的將來就會相互整合。 圖2 NVIDIA技術行銷經理蘇家興 手機/汽車AI競爭如神仙打架 手機與汽車是兼具雲端與終端的裝置,一方面需要強大的運算效能,一方面對耗電非常在意,這類產品也被看好具有高度潛力,於是大廠的邊緣應用都投注心力在這兩類產品。姚頌表示,AI晶片除了性能需求足夠出色,更重要的是需要有簡單易用的開發環境、豐富的生態以及滿足使用場景的產品功能。賽靈思2019年推出了全新的軟體發展環境Vitis與Vitis AI,就是旨在協助不同開發者輕鬆地開發AI應用。而針對AI產業的Vitis AI以及Vitis AI Library,可以允許演算法工程師直接在提供的大量案例上二次開發,也可以透過簡單的命令與腳本編寫完成AI演算法的編譯與執行。 在晶片層面,賽靈思推出了新的車規級運算平台XAZU7與XAZU11,可以廣泛用於L2到L3的輔助駕駛與自動駕駛場景,也可以用於智慧車艙的各類應用。到目前為止,Vitis AI已經發布了最新的1.1版本。而賽靈思的自動/輔助駕駛方案也得到戴姆勒、百度等汽車產業認可。 另外,NVIDIA在GTC也公布新一代自駕車平台Orin,將整合具新一代TensorCore之Ampere架構GPU,針對L2的標準可在45W耗電水準下,提供200TOPS性能的版本;針對先進輔助駕駛的Orin ADAS SoC,可在5W功耗提供10TOPS的性能,能夠滿足當前先進輔助駕駛的需求。標準的Orin採用12核Arm Herculus CPU搭配Ampere GPU,記憶體頻寬達200GB/s,與支援四路10Gbps乙太網路,具備170億個電晶體。在L5自動駕駛平台部分,NVIDIA藉由雙Orin搭配兩組Ampere架構GPU組成,功耗800W,但算力可達2,000TOPS。 而在CES 2020,高通發表Snapdragon Ride平台,正式進軍自駕車領域。該平台共有三種不同的配置,其中,單處理器版已經足夠應付ADAS系統;雙ADAS處理器版本,算力則更進一步強化,同時也為系統準備了安全備援,可以支援L2和L3半自動駕駛。第三種配置則在上面的基礎上多了加速晶片,三晶片版本的配置包括兩塊ADAS處理器外加自動駕駛加速器,算力可達400TOPS。 關鍵應用投入大量資源/時間 除了汽車與手機之外,蘇家興表示,智慧醫療、5G等應用也需要高運算力,而由於AI模型發展越來越複雜,在業界希望賦予AI更多能力的前提下,導致資料庫越加龐大,所以在訓練過程中希望可以優化網路,以提升整體系統的效率。 AI晶片在重要裝置如手機、汽車等平台的發展目前由大廠主導,除了含金量高之外,這類平台的應用需要整合許多相關資源,與雲端的網路訓練關係也很密切,如自駕車就需要非常龐大的網路資料庫輔助,目前相關廠商已累積不下數百萬英哩的測試里程,但實際上離自駕車可以安全上路還有很長一段距離;另外,智慧醫療除了資料數量之外,更要求資料品質,而且醫療行為攸關人命,發展過程會更加謹慎。相信未來幾年,人工智慧還會發生更多有趣的事,開創更多可能性,值得市場持續關注。
0

高良率/可靠度/具磁抗擾性 eMRAM工業/物聯網大顯身手

例如格羅方德先前已由晶圓級測試展示0Mb 22nm FD-SOI eMRAM巨集功能,突顯出sub-ppm BER、數據保留以及從1Mb收集的早期可靠性結果。但是為了保證eMRAM產品的可製造性,最重要的是驗證具有高良率的封裝水準產品的功能性與可靠性。本研究使用先進的磁性穿遂接面(MTJ)堆疊、整合和蝕刻製程,藉由在寬廣的工作溫度範圍(-40至125℃)和ECC-off模式下的封裝水準所取得的產品功能性和可靠性,證明22nm FD-SOI eMRAM的可製造性。 格羅方德的eMRAM產品能夠通過標準的可靠性測試,例如LTOL(168小時),HTOL(500小時),1M的耐久週期和5x回流焊接測試,故障率小於1ppm。此外40Mb eMRAM巨集能夠滿足備用和主動模式下的磁抗擾性要求。 eMRAM技術實現高良率 40Mb 22nm FD-SOI eMRAM巨集,其中顯示MTJ陣列的橫截面TEM(圖1)。該晶片配備內部偏壓、時序控制系統和ECC。內部電壓以tick為單位,由登入設定進行管控。MTJ堆疊、整合和蝕刻製程已進行優化,以符合蝕刻製程和HPD2後續退火製程,但仍符合晶片級的所有MTJ性能表現。 圖1 (a)40Mb 22nm FD-SOI eMRAM巨集,(b) MTJ陣列的橫截面TEM 藉由達成高穿隧磁阻效應(TMR),其中Rp為並聯(P)或是狀態為0電阻,而Rap為反並聯(AP)狀態為1電阻和減少MTJ電阻分布,進一步改良MTJ堆疊和蝕刻製程,爭取20%的讀取裕量,以確保在125℃量產時能保持穩定的良率。圖2(a)和(b)分別顯示,拜先進的MTJ堆疊和蝕刻製程所賜,TMR和電阻分布的改進,達成TMR/的(Rp)~24(一般SA需求>20),以確保在125℃的情況下能獲得高良率。 圖2 為了獲得最佳MTJ性能,隨著時間進展的製程改善趨勢:(a)適用於不同製程的TMR(2)Rp sigma。TMR和Rp sigma都獲得顯著改善,以在125℃時獲得足夠的讀取裕量。TMR/σ(Rp)∼24at125℃(SA極限∼20) 藉由提升自旋轉移矩效率,符合5x回流焊接後,再提高寫入裕量。實際的1Mb位單元MTJ電阻分布,描繪了σ(Rp)~28的較寬分隔(圖3)。良率隨時間推移出現諸多指標性的變化,最終製程實現了穩定且高良率(圖4)。而5x回流後不同MTJ和蝕刻製程的BER趨勢(圖5)。透過優化的製程,整個晶圓獲得穩定的回流性能(中位數BER<1E-7)。 圖3 實際1Mb單元陣列的Rp和Rap狀態的位單元電阻分布 圖4 40Mb eMRAM t0 BER(<6E-6)隨時間進展的良率改善趨勢 圖5 不同MTJ製程5x回流後BER改善趨勢,顯示了對於10ppm BER標準,整個晶圓達到100%之5x回流性能 不同MTJ堆疊的標準化開關電壓(Vc)與矯頑磁場(Hc)之間的關係(圖6),所有這些堆疊都通過5x回流焊接,良率為100% (BER<1ppm)。陰影區域中的數據點顯示出最佳的寫入裕量,並且選擇了產品認證堆疊來獲得最佳的耐久裕量,同時滿足5x回流焊接的要求。 圖6 (a)左圖為針對不同堆疊拆分的歸一化MTJ Vc與Hc之對比。(b)右圖為MTTF與電壓之間的關係,顯示不同製程拆分的固有TDDB有所改善 為了進一步提高耐久裕量,須調整氧化鎂(MgO)阻障和蝕刻製程。來自位元陣列的TDDB特徵(圖6b)顯示,在工作電壓下以製程3(用於品質鑑定),TDBB的固有改良>2。在晶圓級進行最終鑑定過程中,所測量的MTJ電氣測試(ET)參數的分布(圖7),描述整個晶圓的常態分布。此後,出現了從大量封裝零件中收集到的40Mb eMRAM產品性能表現資料。選擇工作電壓(Vop)偏置條件來過度驅動晶片,以包含晶片到晶片和晶圓到晶圓t0...
0

無線充電方案助力 機器人作業更自由

隨著機器人對物流、配送及品質檢驗產業的應用,高靈活和高效充電解決方案的需求正日益成長,以人工管理以及全天候人員輪班處理突發充電需求的可行性也在日漸降低。下一步是增強機器人自主性,即在完全無人工干預的情況下,保持正常工作。 機器人能源解決方案廠商WiBotic透過無線充電站實現對機器人和無人機(UAV)的無線充電,無需人工作業員對機器人和充電設備進行實體連接。無線充電技術還可減少實體連接點的磨損、電源線和地面安裝的充電站的絆倒危險,以及對專用充電室的空間要求,實現新一代完全自主充電的可能。擺脫了以人工管理充電的需要,這些裝置的功能性和生產力提升達到新高,因為這些裝置再不受電源限制。 圖 Vicor 為設計和支援 Wibotic 低功耗開發套件提供協助。來源:Victor WiBotic可推動多對多操作,即多款機器人(含來自不同製造商的機器人)可在不同時間透過同一款基座充電。或者整個機器人團隊可在倉庫內位於不同位置的充電基座網路中移動。簡而言之,任何機器人都可透過任何充電站充電,即使機器人有不同的電池化學成份、電壓和充電電流。 WiBotic的機器人無線充電方案使用Vicor所提供的48V VI Chip PRM穩壓器。該穩壓器是一款400W高效率轉換器,可透過36~75V的工作輸入電壓產生穩壓輸出。該裝置可為WiBotic TR-110無線充電站板載的自我調整匹配基座供電,而該基座又可為機器人或無人機的板載接收器無線饋電。PRM接收AC-DC電源的48V電壓,輸出電壓的控制不僅可自我調整,而且該電壓還可在大約20~55V之間微調。 Vicor PRM能在各種阻抗下實現一致的高效率轉換,可靈活支援全面充電和涓流充電模式,即使在供電功率較低時效率仍然不致明顯下降。高效率轉換功能帶來了40~45°C 高度一致的最高元器件裝置溫度,有助於在整個功率範圍內解決熱管理限制問題。
0

不確定因素持續存在 2Q’20半導體銷售料將小幅萎縮

市場研究機構IC Insights最新報告指出,由於武漢肺炎疫情影響,科技產業鏈的運作面臨諸多不確定性,許多半導體業者已無法提供全年財測,只能逐季提供下一季營運預估。但為了評估半導體產業的景氣走勢,IC Insights仍彙整了21家提供2020年第二季財測報告的企業所提供的資料。整體來說,半導體公司對第二季營運的看法都呈現保守或悲觀態度,僅少數公司如聯發科、超微等6家公司,預估第二季營收將比第一季成長。  
0

克服SMT黏著問題 先進封裝晶片翹曲挑戰有解

先進封裝最大挑戰來自於異質整合晶片內含多種材質,堆疊複雜容易導致翹曲(Warpage)。此外隨著線寬/線距的縮小,翹曲的程度易導致表面黏著技術(SMT)過程異常,甚至影響後續板階可靠度(Board Level Reliability)結果(圖1)。除了晶片元件本身會發生翹曲外,晶片透過表面黏著技術結合到電路板時,因晶片與電路板CTE不同,翹曲的狀況就會加劇。而當翹曲超過一定的幅度,就會造成SMT的焊接品質不良,也影響後續的可靠度測試結果。如何妥善安排這些溫度特性不同的材料依序堆疊,在加熱與散熱時不會互相影響,是相當嚴苛的技術挑戰。 圖1 先進製程晶片元件或多或少都會有翹曲現象,若變形量符合IPC規範控制在一定程度內,都不會影響後續元件上板品質(來源:Akrometrix) 由於IC黏著在模擬PCB上的品質好壞,將直接影響到產品壽命判斷精準度,因此表面黏著製程在其中扮演重要角色。而品質好壞的關鍵因素包括錫膏特性、印刷條件設定(如脫模間距、脫模時間、印刷速度)、置件精準度、鋼板選擇。 以宜特科技可靠度驗證實驗室為例,近年來接到非常多客戶在試驗設計(Design of Experiment, DOE)等研發階段有SMT需求,希望可以在產品量產前,進行一些材料選擇、製程參數調整等少量多樣的需求。然而半導體產業工程師一定遇過自家SMT產線量產產能都已被預約額滿,根本無法支援DOE試驗設計等研發階段少量多樣的研發品。而IC設計工程師也遇過大型封裝廠無法進行研發品少量多樣協助的狀況。因此該可靠度驗證實驗室便提供少量多樣SMT服務,除了可以量身訂作測試樣品進行品質與可靠度驗證外,同時協助執行各式工程DOE及尋找最佳組合參數,協助克服在研發階段所遇到的SMT黏著問題。以下為實驗室常接到的SMT案例。 基板手動除球暨兩類植球應用 錫球成分是決定產品品質好壞的重要因素之一,若等到產品量產才發現錫球有問題,可能為時已晚。因此可靠度驗證實驗室遇到許多客戶在產品設計階段初期,嘗試不同錫球成分與封裝的匹配來選擇最佳的錫球材料,植球主要分為兩種應用。 1.錫球焊錫可靠度驗證 使用特殊設計的治工具,將所需驗證的錫球植在基板(Substrate)上。 2.錫球支撐性驗證 因零件尺寸隨著封裝技術日益變大,大尺寸零件容易因翹曲及零件本體重量造成焊接異常如短路。而實驗室的技術可將銅核球結構的錫球植上基板以增加支撐性,避免焊接短路問題發生。錫球種類包括各類錫銀銅合金錫球、不同核心錫球(如銅核球)等,根據錫球植上基板的DOE結果,導入合適錫球,將可提高產品驗證成功率。 除球作業上,因應封裝樣式的多樣性,除了植錫球外,實驗室也遇過需進行除球作業的案例,例如樣品晶背(Backside)有矽(Silicon)時,就須要進行樣品前處理,將錫球去除,以利後續的翹曲量測模擬(Shadow Moiré)能夠順利執行(圖2)。 圖2 除錫球製程 量測篩選先行克服翹曲問題 5~10年前,翹曲幅度只要控制在6~8mil以內,都不至於影響後續SMT等製程(圖3)。然而近年來,異質整合材料堆疊複雜,容易導致翹曲失控,各項先進製程的材料種類複雜且反覆堆疊,受到溫度影響後的變形量已比5~10年前的樣品來得嚴重。該可靠度實驗室發現,隨著未來接腳數(Pin Count)越來越多,晶片上板時,為使錫膏與錫球可以接合順利所使用的治具鋼板(Stencil),厚度就會越來越薄,若繼續維持在6~8mil的翹曲幅度,便難以像早期維持SMT製程品質(圖4)。 圖3 傳統PCB,鋼板因接腳數較少,錫球用的不多,相對鋼板不需要太薄 圖4 隨著先進製程的元件接腳數變多,錫球需要較多,鋼板就需要較薄 許多提出IC設計、晶圓代工及封裝測試廠需求的客戶,希望可以先模擬確認翹曲數據,調整錫膏印刷鋼板設計及回流焊溫度,藉此減少因翹曲造成空焊及短路問題的機率。依據此方式,宜特已為多家廠商克服PCB或IC翹曲的焊接問題(圖5)。量測分析的速度非常快,約半小時就可得知元件在不同溫度的變形量,也能模擬溫度循環的環境,協助客戶與可靠度測試進行搭配,觀察產品在哪個溫度達到最大的變形量,並能在測試中思考如何改善與預防。 圖5 SMT上板前可針對元件與PCB進行模擬分析,預先了解翹曲情形(圖片來源:Akrometrix) 回顧翹曲量測的原理,是應用樣品上的參考光柵和它的影子之間的幾何干擾產生摩爾雲紋分布圖,進而計算出各圖元位置中的相對垂直位移,並可應用於模擬SMT回流焊溫度和操作環境條件,同時捕捉一個完整的歷史翹曲位移表現(圖6)。在板階可靠度實驗室觀察中,翹曲的問題勢必會持續存在,人們無法控制材料的特性,但如果透過篩選的方式,找出翹曲方向相同的零件與PCB,筆者認為這不僅不會降低可靠度的壽命,也能協助客戶找到完美翹曲比例,達到1+1>2的價值。 圖6 翹曲量測原理解析(圖片來源:Akrometrix) 上板治具對位製作 針對Package on Package(POP)類型的案例,為上下兩層PCB、中間印錫膏放置電極零件(圖7);然而此方式容易導致電極材料黏著時在上下兩層PCB時,出現不平整或板彎的狀況。因此必須靠治具對位來解決。治具的製作,最難的地方在於必須考量錫膏厚度及開孔來符合焊接條件,且上下兩層必須精準對位。對此,實驗室進行治具的製作、上板以及後續還可串接故障分析實驗室,透過X-ray確認焊接品質。 圖7 可靠度實驗室可以協助客製化治具,進行治具對位 驗證階段同時模擬可靠度 免於費時修改 先進封裝時代來臨,異質整合成為趨勢,因此,進行IC設計時最怕IC晶片本身品質沒問題,但是當IC上板SMT後,卻過不了後續的驗證。而近期最常見的是上板後的翹曲問題,導致後續可靠度發現早夭,嚴重甚至須將產品退回到最初的IC設計階段,於耗費大量時間修正的同時,也可能趕不上預訂的交件日期。因此在驗設計階段,即可針對產品進行可靠度模擬,了解是否需調整製程參數、調整材料,將可事半功倍,有效率地讓產品快速上市。 (本文由宜特科技提供)
0
- Advertisement -
- Advertisement -

最新文章

- Advertisement -

熱門文章

- Advertisement -

編輯推薦

- Advertisement -