LG Innotek wykorzystuje AI do optymalizacji produkcji

Firma LG Innotek zastosowała swoją technologię kontroli opartą na sztucznej inteligencji, opracowaną poprzez połączenie informacji o materiałach i technologii przetwarzania obrazu AI, w procesie RF-SiP (Radio Frequency System-in-Package). Niedawno technologia ta została również wprowadzona dla FC-BGA (Flip Chip Ball Grid Array) i oczekuje się, że zwiększy ona konkurencyjność i jakość półprzewodnikowych produktów firmy LG Innotek.

Do tej pory dostarczane surowce przechodziły jedynie kontrolę wizualną przed wejściem do procesu produkcyjnego. Jednak ciągły rozwój technologii płytek półprzewodnikowych zmienił ten stan rzeczy. Nawet po wyeliminowaniu wszystkich przyczyn defektów w procesie produkcyjnym, liczba niepowodzeń w ocenie niezawodności nadal rosła. Doprowadziło to do tego, to jakość przychodzących materiałów stała się decydującym czynnikiem wpływającym na ocenę niezawodności.

Podstawowe surowce (czyli Prepreg (PPG), Ajinomoto Build-up Film (ABF) i Copper-Clad Laminate (CCL)), które składają się na podłoża półprzewodnikowe, są dostarczane jako mieszanina włókien szklanych, związków nieorganicznych i innych składników. W przeszłości puste przestrzenie powietrzne - szczeliny między cząstkami - lub obce cząstki generowane podczas procesu mieszania materiałów nie miały znaczącego wpływu na wydajność produktu. Jednakże, ponieważ specyfikacje podłoża, takie jak odstępy między obwodami, stały się coraz bardziej rygorystyczne, obecność pustek powietrznych i obcych cząstek, w zależności od ich wielkości, zaczęła powodować wady.

W rezultacie praktycznie niemożliwe jest zidentyfikowanie, która część surowca jest odpowiedzialna za defekt przy użyciu tradycyjnych metod kontroli wizualnej, co stało się poważnym wyzwaniem dla branży.

Firma LG Innotek twierdzi, że znalazła sposób na pokonanie tego wyzwania branżowego dzięki sztucznej inteligencji. Jego „oparty na sztucznej inteligencji system kontroli przychodzących surowców” został przeszkolony z wykorzystaniem dziesiątek tysięcy danych na temat składu materiałów, które są odpowiednie lub nieodpowiednie dla danego produktu. Na tej podstawie analizuje składniki i wadliwe obszary surowców podłoża półprzewodnikowego w ciągu zaledwie jednej minuty, z dokładnością ponad 90%, i wizualizuje odchylenia jakościowe w każdej partii surowców.

Wykorzystując uczenie maszynowe AI do wizualizacji, kwantyfikacji i standaryzacji konfiguracji materiałów zoptymalizowanych pod kątem jakości, firma LG Innotek była w stanie zapobiec wprowadzaniu wadliwych surowców do procesu produkcyjnego. Firma może zmienić projekt materiału w oparciu o informacje o odchyleniach jakościowych wizualizowane przez system sztucznej inteligencji, co pozwala zapewnić, że jakość partii surowców jest jednolita na odpowiednim poziomie przed wejściem do procesu.

Według LG Innotek, system pozwolił firmie skrócić czas potrzebny na analizę wad nawet o 90%, a koszty usuwania przyczyn wad również zostały znacznie zmniejszone.

LG Innotek planuje zwiększyć możliwości systemu wykrywania AI poprzez udostępnianie danych związanych z surowcami klientom i dostawcom w sektorze substratów w ramach partnerstw cyfrowych.