随着封装越来越复杂上海家具封边胶价格，实验室能与工厂实际生产之间的差距越来越大。

人们普遍认为材料在实验室中的表现与在生产中的表现相同，但这种假设现在正面临严峻挑战。

通常情况下，实验室检测结果会成为产品规格，进而成为鉴定基准。而鉴定基准又会成为评判现场能的标准。在行业发展的大部分历史时期，这套论体系都相当有。当时材料种类较少，叠层结构较为简单，层间相互作用也足够可预测，因此规格表中的数据能够理地反映实际生产情况。

但随着异构集成从工程上的新奇想法发展成为能计的主流架构，单个封装中的材料数量急剧增加。它们之间的相互作用加复杂，影响也大，而且这些封装的运行环境比当初设计用于验证其能的测试条件为严苛。

“现在的情况和过去不样了，以前只要有了单个芯片，了解了它的工艺流程，就可以直接投入生产，” Amkor芯片和FCBGA集成总裁Mike Kelly说道。“现在大多数封装在机械结构上都相当复杂，电气面是如此。要开发出个完善可靠的解决案，需要大量的现场测试和开发工作。这点的重要怎么强调都不为过。”

奥力斯    泡沫板橡塑板专用胶报价    联系人：王经理    手机：18232851235（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区

种材料在孤立环境或受控实验室条件下的表现，越来越难以准确预测其在与其他不同材料共存、经历多阶段热历史以及需要在数百万小时运行中保持可靠能时的能。如今，人工智能硬件所需的封装在机械和电气面都比前几代产品加复杂，曾经使设计决策变得简单的生产经验如今已不再适用。简而言之，实验室与工厂之间的差距并非新鲜事，但正在日益扩大。

复杂问题

材料在生产过程中出现不良能的直接解释，也是令人难以接受的解释。如今构建的系统过于复杂，任何人都法事行建模，而致问题的相互作用往往是任何个学科都未曾想到要检查的。

“当你把各种不同的材料、各种不同的硅片集成在起时，所有这些都会带来固有的变异，”Critical Manufacturing 的项目经理 Tiago Tavares 说。“指望我们能在设计阶段就预测并控制所有这些变异是不现实的。你需要模拟几十年才能涵盖所有情况。这种法已经行不通了。”

半体制造直以来都涉及对变异的管理，但如今的变化在于，单个封装内相互作用的因素数量激增，且这些相互作用的耦程度也显著提。传统的单芯片采用单材料组、单工艺流程，以及套经过数十年生产经验积累而具有相当可预测的相互作用。而现代多芯片封装，例如堆叠式存储器、异构芯片组和有机中介层，则随着堆叠中每引入种新材料，潜在的相互作用就会呈爆炸式增长。

“你们在夹层材料里越来越多地使用些比较特殊的材料，”塔瓦雷斯说。“这就好比做三明，你根本法预知火腿和奶酪的成分会有什么变化。所以，流程执行和流程设计仍然至关重要，但它们已经远远不够了。你们需要持续不断地监控生产过程。”

由于封装组装式的根本结构转变上海家具封边胶价格，监控难度进步增加。在整体式工艺流程中，工艺工程师可以将每个步骤视为个相对立的优化问题：调整蚀刻，测量结果，然后再次调整。由于个步骤的改变对后续步骤的影响有限，因此自由度是可控的。但在异构封装中，这种立不复存在。每个工艺步骤都会继承前步骤的机械、热学和化学历史，每次调整都会产生影响，而这些影响往往要到很久以后才能显现。

塔瓦雷斯补充道：“你不能再像分析孤岛样分析个过程了。其中的相互作用越来越明显，也越来越复杂。因此，你不能仅仅因为改变了A步骤就贸然做出改变，而不去考虑B、C、D步骤之后会发生什么。”

模拟的不足之处

如果复杂问题仅仅是运行的模拟，那么原则上是可以解决的，即使计成本很。模拟工具的构建基于对哪些应被视为、二或可忽略应的明确选择。在大多数情况下，这些选择是理的。但是，封装中遇到的情况并非总是典型的，在简单封装中出现的二应，在复杂的封装中可能成为主要的失机制。

Synopsys产品营销总监Marc Swinnen表示：“机械应力不仅会影响可靠，还会改变受力器件和线的电气参数。但机械应力和电气应力很少被同时考虑。任何仿真器都基于对哪些应需要纳入考量的基本选择。由此产生的问题是，在某些情况下，个微小的影响实际上会被放大很多。”

因此，封装器件可能通过了电气和机械仿真，但在生产中仍然会失败，因为这两种应之间的相互作用从未被建模。这是由于仿真工具的历史发展式造成的，这些工具由些团队开发，而这些团队在相邻域的业知识有限，因此只针对特定的物理域进行优化。芯片设计师没有接受过电磁仿真面的培训，封装工程师也没有接受过静态时序分析面的培训。这些域之间的界限，恰恰成了模型与现实容易出现偏差的地。

“芯片、封装和电路板的设计通常是分开进行的，但它们之间却有着密切的联系，”斯温宁说道。“这种联系往往被大量的安全裕度所掩盖，这些安全裕度是为了应对连接芯片、封装和电路板可能带来的未知影响。但安全裕度并非没有代价。它们会降低能并增加成本。”

即使物理模型设定正确，仿真也难以有处理变异问题。例如，在标称温度下能符规格的设计，在受到相邻部件的热梯度影响时，其能可能会发生改变。此外，种材料在制造装配过程中可能承受远实际应用环境中的应力，即使其机械应力限被设定为特定值。这些变量在生产过程中可能同时出现，即使使用的仿真工具，也很难对其进行验证。

材料数据问题

仿真挑战背后隐藏着个为根本的问题。用作仿真输入的材料属值通常是错误的，或者至少是不完整的，而如果没有制造商不愿分享的数据，这些问题很难得到纠正。

知识产权问题是弥仿真与生产实际情况之间差距的核心障碍之。仿真工具从数据库中获取材料属，这些数据库汇总了已发表的测量数据、科学文献或代工厂提供的规格说明。对于硅和铜等特明确的材料，这些数据库相当准确。但对于新型材料，例如新型玻璃成分、特种介电材料和有聚物粘剂，数据库条目稀少，有时甚至过时，偶尔还会出现错误。

Synopsys产品管理负责人郎林表示：“仿真工具会从互联网或科学测量数据中获取些通用属，或者使用代工厂提供的数据。制造商须向我们的仿真工具提供或披露其材料的特定属，这样我们才能说仿真结果具有良好的相关。否则，就不存在相关。”

问题在于，精确的材料属数据往往也是具商业敏感的。玻璃基板制造商花费数年时间研发出特定的材料成分和抛光工艺，却没有动力将该材料的精确机械和热学能数据分享给整个行业。这些数据所蕴含的竞争优势正是其研发投入的根本所在。结果就是结构错配。需要精确材料数据来构建可靠模拟的工程师们，却只能使用精度低的版本上海家具封边胶价格，而掌握精确数据的机构也有充分的理由不予公开。

对于处于包装工艺前沿的新型材料而言，这个问题为根本。对于成熟材料，其材料能随温度变化的非线行为已得到充分理解，但对于新型材料，万能胶厂家这种行为往往难以捉摸。

林说：“你须对材料的力学能随温度变化的非线行为进行建模。我们可能很了解纯铜。但对于具有某种改材料特的玻璃来说，其温度依赖会是什么样的呢？它可能以我们未知的式呈现非线特征。”

当现场发现实验室遗漏的问题时，这些建模缺陷的后果就会在生产中显现，有时甚至会进步蔓延到下游，致难以追溯根源的现场故障。故障到达现场的式存在着定的规律。主要原因很少是材料本身未能达到标称规格，而是制造过程中引入的潜在缺陷，而这些缺陷并非认证流程所能检测的。

“许多现场问题都源于制造过程中引入的潜在缺陷，”安靠公司负责引线键和BGA产品的总裁Prasad Dhond表示。“污染、工艺偏差和设备故障都是潜在缺陷的来源，这些缺陷在现场可能会加剧。除了产品认证之外，生产控制以及工厂和装配线的运营式也至关重要。”

难点在于，潜在缺陷并非总是开始就以缺陷的形式显现出来。终会致良率损失的信号可能在工艺流程早期以模糊不清的形式出现：例如轻微的颜变化、光学异常，或者看起来像是干扰而非失机制的现象。早期可见的现象与后期会产生影响的因素之间的联系，只有在积累了足够的数据后才能明确。

这是复杂制造流程的个结构特征。缺陷显现、可测量以及致故障的时间点各不相同，通常相隔数周的处理时间和数十个中间步骤。鉴定测试位于该流程的末尾，仅询问器件是否格。它并不探究故障的根源，而这才是真正能够弥实验室模型与工厂实际生产之间差距的关键所在。

“你会发现缺陷，有时很难发现，分析结果可能只显示为变。如果只是外观上的瑕疵，其实没什么大碍，” Microtronic的应用总监Errol Akomer说道。“但当这批产品进入检测阶段时，就检测不格了。这样你才能知道哪些缺陷会造成损失，哪些不会，哪些可以忽略，哪些需要仔细检查，因为确实存在问题。”

生产中故障分析的经济问题使这挑战加严峻。当芯片在现场发生故障时，人们的反应往往是换芯片并继续生产，而不是将其回收进行分析。原本可以帮助工程师了解故障原因并构建完善模型的数据，却随着故障部件起被丢弃了。

Amkor公司的Kelly表示： “只有当有故障发生时，收集数据来确定故障原因才有意义。 故障越少，数据越少，模型就越不准确。这是个悖论。在某个阶段，你会停止建模，开始构建，然后在早期生产环境中不断改进，终达到你真正想要的目标。但仍然存在差距。”

案例研究揭示差距：在生产线中间金属化过程中引入钼来替代钨，这说明了从实验室到制造环节的差距，而这与封装关，却与表征材料和集成材料之间的根本区别息息相关。

在逻辑、DRAM 和 NAND 等器件目前追求的小尺寸特征范围内，钼相比钨具有显著的电阻率优势。短的平均自由程意味着钼能够在小的尺寸下充分发挥其电优势，而钨则越来越难以做到这点。此外，由于钼直接粘附在氧化层上，不会渗透到介电层，因此需单的阻挡层和衬垫层，从而使多可用空间能够填充金属，而不是电阻率的支撑材料。在实验室中，根据单元工艺验证的关键指标进行测试，钼的能表现良好。

但将新材料投入生产则是个不同的问题。开发单元工艺——包括沉积工具、薄膜能、均匀和颗粒行为——需要材料工程师和工艺工程师的通力作。单元工艺开发法在获得生产数据之前解决的是，新材料在特定客户的工艺流程、周围材料和集成案中的具体表现。

“当我们进入测试阶段，客户开始尝试采用这款薄膜时，真正的挑战在于如何将薄膜集成到他们的工艺流程中，” Lam Research公司总裁兼总经理 Kaihan Ashtiani 表示。“薄膜的各项要求，例如运行速度、触点填充果、电阻率是否符规格、均匀以及颗粒行为——这些都是我们在设备开发面需要关注的。但如何将薄膜集成到客户现有的工艺流程中，才是真正需要学习的地。DRAM、NAND 和逻辑芯片的要求各不相同，这些都是我们在进入测试阶段乃至终量产阶段时面临的挑战。”

关键不在于钼本身存在任何根本缺陷，而在于任何新材料在生产中的表现都取决于其与特定工艺环境的相互作用，而这种环境法在材料表征的开发环境中复制。每个客户的集成都有其自身的热预、相邻材料和工艺顺序限制。在单元工艺开发中看似微不足道的薄膜特，旦与下游特定的蚀刻化学反应发生相互作用，或者沉积在经过系列实验室从未模拟过的预处理步骤的表面上时表现出与预期不同的行为，就可能成为要考虑因素。Lam公司多年来在钼的单元工艺开发上投入巨资，终获得了特明确的薄膜。但它法获得预先表征的集成案，因为每个集成案都因客户和器件类型而异。实验室结果与生产环境的终交汇点，正是差距所在。

弥差距

面对这些挑战，业界并未袖手旁观。目前，大量的工程研发工作正致力于通过机器学习来构建虚拟世界和物理世界之间紧密的联系，从而探索纯粹基于物理建模法触及的设计空间，并将制造车间视为模型校准的持续源泉，而非下游终点。

然而，不受约束的机器学习应用于制造数据时，它本身并不了解它所处的物理空间，这意味着它可以在其训练数据中进行激进的优化，但产生的结果却会在生产中失败，而失败的原因正是该模型从未被训练去考虑的。

“你可以用现有的数据集进行训练，但机器学习实际上并不了解它所处的空间，也不知道如何在该空间内进行优化，”Lam Research旗下Semiverse Solutions的总经理Joseph Ervin说道。“使用虚拟硅可以为机器学习空间引入约束和物理规律，从而指工艺步骤和参数在哪些面能够真正取得成果。”

该法包括构建正在建造的设备的三维虚拟表示，将其与实际生产过程中的在线计量数据对齐，并使用对齐的虚拟模型来指机器学习优化，同时针对多种良率失模式进行优化。

数据问题依然难以解决。弥实验室与工厂生产之间差距所需的数据至少在理论上是存在的。真正的挑战在于，收集、解读这些数据并将其与正确的工程决策联系起来，需要定程度的机构知识和协作意愿，而这面目前仍在发展之中。

“人们仍在了解各种影响和组，”关键制造公司的塔瓦雷斯说。“这需要段时间才能被人们接受。数据是存在的，但先你需要知道自己在寻找什么。数据并不等同于信息。将数据转化为信息的能力仍然是个挑战。”

用于弥实验室到工厂差距的工具正在不断改进。我们拥有完善的仿真框架、受物理约束的机器学习、丰富的在线计量技术以及的数字孪生模型。然而，这些新环境下需要发挥作用的材料确实是全新的，它们之间的相互作用也仅被部分理解，而用于可靠表征其在生产中能的经验基础仍在积累之中。这种差距的存在是因为材料应用的速度过了我们充分理解其后果的速度。

*声明：本文系原作者创作。文章内容系其个人观点，我转载仅为分享与讨论，不代表我赞成或认同，如有异议，请联系后台。

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定上海家具封边胶价格，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。