반도체 패키징 기술이 '무어 이상의 기술' 시대로 발전함에 따라 많은 첨단 공정이 제조 과정에서 어려움을 겪고 있습니다. 예를 들어, 정밀 다이 본딩의 경우 수율, 처리량, 궁극적으로 제조 비용의 절충이 필요한 경우가 많습니다. 정밀 정렬은 2.5D/3D, 광학 조립 등과 같은 이기종 통합을 위한 여러 첨단 기술의 핵심 역량 중 하나가 되었습니다.
첨단 패키징의 경우, 지난 수년간 고밀도 설계를 위해 패키지 피치가 지속적으로 감소함에 따라 10µm 이하와 같이 미세한 피치에서의 다이 본드 정렬이 핵심 과제 영역이 되었습니다. 예를 들어 플립칩 다이의 경우 대부분의 본딩 장비에서 피치가 좁아질수록 다이 본드 정렬 공정이 느려지는 비용과 높은 정확도의 상충관계가 발생합니다.
다이 정렬 정밀도의 제한은 종종 3D 적층을 사용하여 달성할 수 있는 소자 집적 밀도에 제한을 가할 수 있으며, 고밀도 팬아웃은고정밀 다이 본딩이 필요한 또 다른 공정입니다. 다이 정렬 정밀도에 대한 요구 사항이 1μm 이하로 떨어지면 수율과 처리량 문제가 더욱 심각해집니다. 예를 들어 하이브리드 본딩의 경우 장비의 정렬 정밀도가 인터커넥트 피치의 제한 요소가 될 수 있으므로 특정 상황에서 설계 요구 사항의 실현이 제한될 수 있습니다.칩렛의등장은 대량 생산에 있어 더 큰 도전 과제를제시합니다.
고정밀 정렬은 트랜시버, 광섬유, MEMS, LiDAR, LED, 광학 이미징 등에도 매우 중요한 기능입니다. 이러한 중요한 애플리케이션은 고정밀 정렬과 높은 처리량을 동시에 요구하므로 장비의 용량 한계가 더욱 높아집니다. 예를 들어 광학 조립의 경우 렌즈 부착, 송신기 배치, 수신기 위치, 본드 라인 두께(BLT) 등이 모두 공정 수율과 제품 성능에 중요한 매개변수입니다.
머신러닝과 인공지능(ML/AI)은 이러한 문제를 해결하는 데 매우 효과적인 도구가 될 수 있습니다.
머신러닝은 데이터에서 패턴을 찾아내고 그 패턴을 사용하여 예측을 하는 데 중점을 둡니다. ML/AI는 반도체 패키징 및 전자 제품 제조 분야에서 많은 중요한 응용 분야를 가질 수 있습니다. 여기에는 공급망 관리, 신제품 도입(NPI), 생산 계획, 추적성, 예측 유지보수, 생산성 향상, 공정 개선, 수율 향상 등 다양한 분야가 포함됩니다.
한 가지 예로 실시간 기계 데이터와 운영 데이터(실제 배치 위치, 사이클 시간 등)를 활용하여 기계(즉, '엣지')에서 바로 ML 모델을 개발하는 ML/AI 플랫폼을 들 수 있습니다. 적절한 통신 프로토콜을 통해 기계 데이터 소스(기존 센서, 액추에이터, PLC, 로그 데이터 등)와 쉽게 인터페이스하여 기계 및 공정 성능에 중요한 실시간 데이터(가속, 회전, 컨베이어 속도, 그리퍼 위치, 본딩 헤드 동작, 에폭시 디스펜스 압력 및 다양한 기계 부품의 기타 실시간 파라미터 등)를 대량으로 확보할 수 있습니다. 실시간 데이터 수집 및 다변수 데이터 처리는 데이터 변환, 스티칭, 필터링과 함께 ML 모델 구축을 위한 대용량 데이터 가상화를 위한 강력한 기반을 제공합니다(그림 1).
이 플랫폼은 밀리초 단위로 데이터를 수집하고 실제 제조 환경에서 생산 중단 없이 며칠 또는 몇 주 만에 ML 모델을 구축합니다. 실시간으로 지속적으로 개선되는 ML 모델은 이상 징후 감지를 통한 예측 유지보수(그림 2)와 더 나아가 기계 자체의 적응형 제어에 사용됩니다(그림 3). 이러한 기능은 반도체 팹, 첨단 패키징, 트랜시버용 광섬유, SMT용 정밀 배치 등에 여러 글로벌 대기업에서 활용되고 있습니다. 사이클 시간과 기계 가동 중단 시간을 줄이면서 얼라인먼트 정확도와 공정 수율을 개선하는 데 상당한 개선이 이루어졌습니다(그림 4).
한편, 시각화(그림 5)와 추적성(그림 6)을 사이트/라인 수준에서 기계 센서 수준까지 이전에는 상상할 수 없었던 세분화로 구현할 수 있어 최적화와 지속적인 개선을 위한 전례 없는 인사이트와 인텔리전스를 제공합니다. 이 솔루션(또는 필요에 따라 '하이브리드')은 또한 데이터 보안과 짧은 지연 시간을 보장하며, 플랫폼은 기계에 구애받지 않으므로 공장 전체의 라인에 있는 다양한 기계에 배포할 수 있습니다. 특히 업스트림 및 다운스트림 머신이 전반적인 동기식 최적화를 위해 '협업'할 수 있기 때문에 더욱 강력합니다.
다양한 사용 사례를 통해 에지에서의 ML/AI 플랫폼이 반도체 팹, 첨단 패키징, 광학 조립 등 까다로운 공정, 특히 정밀 정렬을 위한 머신 성능과 수율 및 처리량을 크게 향상시키는 데 활용될 수 있음이 입증되었습니다. 물론 전체 생산 라인의 다양한 스테이션에서 얻은 데이터를 활용하여 복잡한 다중 변수 공정 문제를 진단하고 테스트 시간을 단축하는 데에도 사용할 수 있습니다.
