图 1:a) 印刷电路板 (PCB) 中带有 BGA 连接的表面贴装设备 (SMD) 的图示,b) 扫描电子显微镜 (SEM) 图像显示带有 SAC305 的 BGA 的细节以及使用焊膏安装到组件和 PCB 上的 PCSB 的图示,c) 直径为 750 µ m 的聚苯乙烯芯焊球 (PCSB),d) PCSB 结构的示意图。
VI. 参考文献 [1] Jamin Ling Joseph Sanchez Ralph Moyer 2、Mark Bachman 2、Dave Stepniak I、Pete Elenius 'Kulicke & Soffa“倒装芯片技术的铜上直接凸块工艺”2002 年电子元件与技术会议。 [2] Li Li、M. Nagar、J. Xue“热界面材料对倒装芯片 PBGA 和 SiP 封装制造和可靠性的影响”2008 年第 58 届电子元件与技术会议。 [3] Samuel Massa、David Shahin、Ishan Wathuthanthri 博士、Annaliese Drechsler 和 Rajneeta Basantkumar“具有不同凸块成分的倒装芯片键合工艺开发”2019 年国际晶圆级封装会议论文集。
摘要 — 激光超声检测是一种新颖的、非接触的、非破坏性的技术,用于评估微电子封装中焊料互连的质量。在该技术中,通过比较已知良好参考样本和被测样本的平面外位移信号(该信号由超声波传播产生)来识别焊料互连中的缺陷或故障。实验室规模的双光纤阵列激光超声检测系统已成功证明可以识别先进微电子封装(如芯片级封装、塑料球栅阵列封装和倒装芯片球栅阵列封装)中焊料互连中的缺陷和故障。然而,任何计量系统的成功都依赖于精确的数据,以便在微电子行业中发挥作用。本文使用量具重复性和再现性分析证明了双光纤阵列激光超声检测系统的测量能力。工业倒装芯片球栅阵列封装已用于使用激光超声检测系统进行实验,检测数据用于进行重复性和再现性分析。量具重复性和再现性研究也已用于选择已知的良好参考样品来与受试样品进行比较。
摘要 本文提出了一种针对焊球HIP(Head-In-Pillow)缺陷检测的AI(人工智能)解决方案。HIP缺陷会影响焊球的导电性,导致间歇性故障。由于HIP缺陷的位置和形状多变,传统的机器视觉算法无法完全解决该问题。近年来,卷积神经网络(CNN)在图像识别和分类方面表现优异,但由于数据不足,容易引起过拟合问题。因此,我们结合CNN和机器学习算法支持向量机(SVM)来设计我们的检测流程。参考几种最新模型的优点,我们提出了3D CNN模型,并采用焦点损失和三重态损失来解决由稀有缺陷数据引起的数据不平衡问题。与几种经典的CNN模型和深度学习检测软件SuaKIT相比,我们的检测方法具有最佳性能和快速的测试速度。
摘要 — 电子产品的不断小型化与工业和汽车电子产品的严格可靠性要求相结合,是新兴封装技术面临的一大挑战。一方面是增加对环境载荷下损坏的了解。因此,在温度循环测试之后,对组装在印刷电路板 (PCB) 上的晶圆级芯片级封装的焊点进行了分析。在所研究的封装中,有限数量的接头没有与 PCB 铜垫形成适当的机械连接。虽然这并非有意为之,但这些情况会导致这些接头在最初几个热循环内脱落。然而,这种状况提供了一个独特的机会来比较热机械载荷(连接接头)和纯热载荷(脱落接头)后的焊点微观结构,它们直接位于彼此相邻的位置。结果表明,微结构老化效应可以直接与接头中载荷增加的区域联系起来。对于分离的焊点来说尤其如此,它们几乎可以保留其初始微观结构,直到受到热分布高温部分的影响。通过有限元模拟,如果孤立的焊球从板上脱落,可以进一步量化相邻焊点增加的负载。在介绍的一个案例中,角焊点的寿命仅减少了 85%。