【技术实现步骤摘要】
本专利技术涉及机器学习，更具体地说，本专利技术涉及一种基于机器学习的陶瓷芯片封装工艺参数优化方法。
技术介绍
1、随着电子信息技术的不断发展，陶瓷芯片的应用领域越来越广泛。在陶瓷芯片封装过程中，需要对各种工艺参数进行优化控制，以确保陶瓷芯片的性能和可靠性。目前，已有一些关于芯片封装工艺参数优化的方法。
2、公开号为cn117634263a的中国专利申请公开了一种多目标芯片塑封工艺参数优化方法。该方法通过建立转注成型工艺的芯片有限元模型，利用响应面法、最优拉丁超立方抽样设计试验，并采用多目标优化算法进行寻优，得到最佳工艺参数。但是，该方法主要针对塑封工艺，并未考虑陶瓷芯片封装过程中的特殊性。此外，该方法也没有利用历史数据和实时数据来预测芯片的应力等级，缺乏对芯片应力风险的动态监控和控制。
3、授权公告号为cn117234171b的中国专利公开了一种用于芯片生产的工艺参数控制方法及系统。该方法通过获取设备可靠性因子和质量偏移因子，对预设工艺参数集的宽容阈值进行调整，并进行参数寻优获得目标最优工艺参数。但是，该方法主要...
【技术保护点】
1.一种基于机器学习的陶瓷芯片封装工艺参数优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于机器学习的陶瓷芯片封装工艺参数优化方法，其特征在于，所述第一历史数据包括环境状态时序数据和芯片状态时序数据；所述环境状态时序数据包括环境温度时序数据、环境压力时序数据和环境湿度时序数据；所述芯片状态时序数据包括芯片应力时序数据和芯片温度时序数据；
3.根据权利要求1所述的一种基于机器学习的陶瓷芯片封装工艺参数优化方法，其特征在于，所述构建芯片应力预测模型包括：
4.根据权利要求3所述的一种基于机器学习的陶瓷芯片封装工艺参数...
【技术特征摘要】
1.一种基于机器学习的陶瓷芯片封装工艺参数优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于机器学习的陶瓷芯片封装工艺参数优化方法，其特征在于，所述第一历史数据包括环境状态时序数据和芯片状态时序数据；所述环境状态时序数据包括环境温度时序数据、环境压力时序数据和环境湿度时序数据；所述芯片状态时序数据包括芯片应力时序数据和芯片温度时序数据；
3.根据权利要求1所述的一种基于机器学习的陶瓷芯片封装工艺参数优化方法，其特征在于，所述构建芯片应力预测模型包括：
4.根据权利要求3所述的一种基于机器学习的陶瓷芯片封装工艺参数优化方法，其特征在于，所述对第二历史数据进行特征工程处理包括：
5.根据权利要求1所述的一种基于机器学习的陶瓷芯片封装工艺参数优化方法，其特征在于，所述基于芯片应力预测时序，确定陶瓷芯片在封装过程中未来时间段内的应力等级包括：
6.根据权利要求...
【专利技术属性】
技术研发人员：叶曲波，王文和，杨俊龙，包从江，
申请(专利权)人：思恩半导体科技苏州有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。