一种芯片质量检测系统及方法技术方案

本发明专利技术公开了一种芯片质量检测系统及方法，所述方法用于检测芯片封装质量可靠性，包括确定封装工艺流程，采集所述封装工艺各工艺子流程的质量评价指标数据，采用最小

【技术实现步骤摘要】
一种芯片质量检测系统及方法


[0001]本专利技术涉及芯片生产质量检测
，特别涉及一种芯片质量检测系统及方法。

技术介绍

[0002]目前，芯片封装质量检测方式多是采用视觉检测法或者图像检测法对于封装完成的芯片进行抽样检测，由于芯片加工技术的进步，国际上元器件生产工艺的不合格品率已经降至 PPM（10
‑6）水平，元器件产品失效率降至FIT量级，传统的基于视觉检测法的抽样检查方法是对于封装结果进行检测，可能会导致检测结果出现偏差，使检出率降低，而对于芯片的封装有多种技术手段，如COB封装、BGA封装和CSP封装等，无论采取哪一种封装技术，封装过程中各子步骤的加工质量均决定最终芯片的封装质量，若能保证封装过程中子流程的封装质量，则能在源头上提高芯片最终的封装质量，为此，我们提出一种芯片质量检测系统及方法。

技术实现思路

[0003]本专利技术的主要目的在于提供一种芯片质量检测系统及方法，本专利技术提出的检测方法采用主成分分析法提取影响芯片封装质量的主成分，对芯片封装过程的子工艺进行分析控制，并基于分析结果，通过构建BP神经网络对芯片封装质量可靠性进行预测，可以有效解决
技术介绍
中的问题。
[0004]为实现上述目的，本专利技术采取的技术方案为：一种芯片质量检测方法，所述检测方法用于检测芯片封装质量可靠性，所述检测方法包括以下步骤：步骤一、确定封装工艺流程，封装工艺流程包括第一子流程、第二子流程直至第n子流程，采集封装工艺各工艺子流程的质量评价指标数据；步骤二、采用最小
‑r/>最大规范化数据处理方法将采集的子流程质量评价指标数据归一化处理；步骤三、以芯片封装合格率表征芯片质量可靠性，采用主成分分析法对归一化处理后的子流程质量评价指标数据进行主成分分析，提取累计超过85%的主成分；步骤四、将步骤三中提取的主成分作为神经网络的输入，以芯片封装合格率作为神经网络的输出构建BP神经网络模型，并通过模型计算预测芯片封装合格率。
[0005]进一步的，为了便于数据的分析处理，需要对选取的数据进行数学处理，所述步骤二中归一化处理公式为：；式中：X
n
为归一化数据；X为实际采集的数据；X
max
为子流程的质量评价指标数据中的最大值；X
min
为子流程的质量评价指标数据中的最小值。
[0006]进一步的，所述主成分分析法具体步骤为：1、采用统计产品与服务解决方案软件对工艺子流程的质量评价指标数据与芯片质量可靠性的表征数据芯片封装合格率进行相关性分析，计算相关系数矩阵R；2、计算相关系数矩阵 R 的特征值和特征向量，特征值记为λ，特征值对应的单位化特征向量记为p；3、计算主成分的特征值λ和累计贡献率V
sum
，取特征值大于1、累计贡献率大于85%的前k个主成分，其中，前k个主成分累计贡献率V
sumk
的计算公式为：，m为正整数常数，λ
S
为相关系数矩阵 R 的第s个元素的特征值；4、提取满足85%累计贡献率的主成分系数矩阵U
k
，计算各工艺子流程的质量评价指标权重w，计算公式为，其中，，P
k
为特征值对应的单位化特征向量p中的第k个元素；v
k
为第k个主成分的方差贡献率，；λ
k
为相关系数矩阵 R 的第k个元素的特征值；v
i
为第i个主成分的方差贡献率，，λ
i
为相关系数矩阵 R 的第i个元素的特征值。
[0007]进一步的，所述BP神经网络模型的输入、输出节点数由经验公式确定，计算公式为：；式中：h为隐藏层节点数目；m为输入节点数；n为输出节点数；a为1
‑
10之间的调节常数。
[0008]进一步的，所述累计超过85%的主成分个数与m值相等。
[0009]一种芯片质量检测系统，包括封装工艺数据获取模块、数据处理模块、数据分析模块、神经网络模型构建模块；所述封装工艺数据获取模块用于采集封装工艺流程中各工艺子流程的质量评价指标数据；
所述数据处理模块用于将采集的工艺子流程的质量评价指标数据进行归一化处理，获取工艺子流程的质量评价指标的归一化标准数据；所述数据分析模块用于对工艺子流程的质量评价指标的归一化标准数据进行主成分分析，并提取累计超过85%的主成分；所述神经网络模型构建模块用于构建以主成分作为神经网络的输入，以芯片封装合格率作为神经网络的输出构建BP神经网络模型，并通过模型计算预测芯片封装合格率。
[0010]进一步的，所述检测系统还包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现所述方法的步骤。
[0011]与现有技术相比，本专利技术具有如下有益效果：本专利技术提出的检测方法，包括确定封装工艺流程，采集所述封装工艺各工艺子流程的质量评价指标数据；采用最小
‑
最大规范化数据处理方法将采集的子流程质量评价指标数据归一化处理；采用主成分分析法对归一化处理后的子流程质量评价指标数据进行主成分分析，提取累计超过85%的主成分；并将提取的主成分作为神经网络的输入，以芯片封装合格率作为神经网络的输出构建BP神经网络模型，并通过模型计算预测芯片封装合格率。该检测方法不同于传统的基于视觉检测法的抽样检查方法，采用主成分分析法提取影响芯片封装质量的主成分，对芯片封装过程的子工艺进行分析控制，并基于分析结果，通过构建BP神经网络对芯片封装质量可靠性进行预测，能够降低检测结果偏差，提高检出准确性。
附图说明
[0012]图1为本专利技术一种芯片质量检测方法的流程图；图2为本专利技术一种芯片质量检测方法封装工艺流程的结构图。
具体实施方式
[0013]下面结合具体实施方式对本专利技术作进一步的说明，其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本专利技术的限制，为了更好地说明本专利技术的具体实施方式，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸。
[0014]实施例:如图1
‑
图2所示，一种芯片质量检测方法，检测方法用于检测芯片封装质量可靠性，检测方法包括以下步骤：步骤一、确定封装工艺流程，封装工艺流程包括第一子流程、第二子流程直至第n子流程，采集封装工艺各工艺子流程的质量评价指标数据；步骤二、采用最小
‑
最大规范化数据处理方法将采集的子流程质量评价指标数据归一化处理；步骤三、以芯片封装合格率表征芯片质量可靠性，采用主成分分析法对归一化处理后的子流程质量评价指标数据进行主成分分析，提取累计超过85%的主成分；步骤四、将步骤三中提取的主成分作为神经网络的输入，以芯片封装合格率作为神经网络的输出构建BP神经网络模型，并通过模型计算预测芯片封装合格率。
[0015]一种芯片质量检测系统，包括封装工艺数据获取模块、数据处理模块、数据分析模块、神经网络模型构建模块；
封装工艺数据获取模块用于采集封装工艺流程中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种芯片质量检测方法，所述检测方法用于检测芯片封装质量可靠性，其特征在于：所述检测方法包括以下步骤：步骤一、确定封装工艺流程，封装工艺流程包括第一子流程、第二子流程直至第n子流程，采集封装工艺各工艺子流程的质量评价指标数据；步骤二、采用最小
‑
最大规范化数据处理方法将采集的子流程质量评价指标数据归一化处理；步骤三、以芯片封装合格率表征芯片质量可靠性，采用主成分分析法对归一化处理后的子流程质量评价指标数据进行主成分分析，提取累计超过85%的主成分；步骤四、将步骤三中提取的主成分作为神经网络的输入，以芯片封装合格率作为神经网络的输出构建BP神经网络模型，并通过模型计算预测芯片封装合格率。2.根据权利要求1所述的一种芯片质量检测方法，其特征在于：所述步骤二中数据归一化处理通过以下计算公式进行，计算公式为：；式中：X
n
为归一化数据；X为实际采集的数据；X
max
为子流程的质量评价指标数据中的最大值；X
min
为子流程的质量评价指标数据中的最小值。3.根据权利要求1所述的一种芯片质量检测方法，其特征在于：所述主成分分析法具体步骤为：1、采用统计产品与服务解决方案软件对工艺子流程的质量评价指标数据与芯片质量可靠性的表征数据芯片封装合格率进行相关性分析，计算相关系数矩阵R；2、计算相关系数矩阵 R 的特征值和特征向量，特征值记为λ，特征值对应的单位化特征向量记为p；3、计算主成分的特征值λ和累计贡献率V
sum
，取特征值大于1、累计贡献率大于85%的前k个主成分，其中，前k个主成分累计贡献率V
sumk
的计算公式为：，m为正整数常数，λ
S
为相关系数矩阵 R 的第s个元素的特征值；4、提取满足85%累计贡献率的主成分系数...

【专利技术属性】
技术研发人员：陈孝金，
申请(专利权)人：深圳市宇芯数码技术有限公司，
类型：发明
国别省市：