CN115659895B - 减小封装芯片翘曲度的方法、装置、存储介质及电子设备 - Google Patents
减小封装芯片翘曲度的方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN115659895B CN115659895B CN202211681183.9A CN202211681183A CN115659895B CN 115659895 B CN115659895 B CN 115659895B CN 202211681183 A CN202211681183 A CN 202211681183A CN 115659895 B CN115659895 B CN 115659895B
- Authority
- CN
- China
- Prior art keywords
- model
- sample point
- proxy
- models
- constructing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种减小封装芯片翘曲度的方法、装置、存储介质及电子设备,基于抽取的样本点构建相应不同的代理模型,并将不同的代理模型构建形成组合模型,通过组合代理模型的形式能够综合不同代理模型的优点,提高建模精度以及优化设计的准确率,从而实现可对真实的翘曲情况进行准确的近似,最终再通过粒子群算法对组合模型进行求解,能够输出最佳的用于设计的芯片间距以及封装厚度,减少封装过程中出现的翘曲度过大的问题,并且在封装芯片的设计阶段便根据准确的翘曲仿真结果构造好封装结构,使得在设计阶段便能将设计成本控制最低,且不必浪费DOE的制造成本。
Description
技术领域
本发明涉及芯片封装领域,特别是涉及减小封装芯片翘曲度的方法、装置、存储介质及电子设备。
背景技术
随着集成电路产业的快速发展,集成电路产品已经成为电子产业中的核心器件。能够根据不同的应用场景提供不同功能的芯片,如电源芯片、主控芯片、存储器芯片等。
在芯片加工的封装工艺过程中,芯片的翘曲问题是最需要考虑问题之一。若芯片在封装过程中存在较大的翘曲度,则将会导致芯片断裂、芯片分层以及焊点失效等严重影响产品质量的问题。通常,芯片的翘曲问题受到原材料选择、制程生产参数以及产品设计等影响。而翘曲问题通常以改变原材料和制程参数改善。因此,需要在封装设计时保证封装结构的满足翘曲度的相应指标。
但目前的设计方案为:在封装结构完成设计后进行DOE(DESIGN OF EXPERIMENT,试验设计)试验。并根据试验结果判断翘曲度是否满足相应的指标。即每完成一款芯片封装设计,需要生产对应的封装结构进行设计验证。造成物料成本以及人力设计成本的浪费。
发明内容
本发明所要解决的技术问题是:提供一种减小封装芯片翘曲度的方法、装置、存储介质及电子设备,减少封装过程中出现的翘曲度过大的问题。
为了解决上述技术问题,本发明采用的技术方案为:
一种减小封装芯片翘曲度的方法,包括步骤:
获取设计变量的数量,根据所述设计变量的数量抽取初始样本点并得到对应的翘曲度值,形成样本点集;
根据所述样本点集构建至少两种不同的代理模型;
根据不同的所述代理模型构建组合模型;
通过粒子群算法对所述组合模型进行求解,输出最优的所述设计变量;
根据最优的所述设计变量完成芯片封装设计。
为了解决上述技术问题,本发明采用的另一技术方案为:
一种减小封装芯片翘曲度的装置,包括:
抽取模块,用于获取设计变量的数量,根据所述设计变量的数量抽取初始样本点并得到对应的翘曲度值,形成样本点集;
第一构建模块,用于所述样本点集构建至少两种不同的代理模型;
第二构建模块,用于根据不同的所述代理模型构建组合模型;
求解模块,用于通过粒子群算法对所述组合模型进行求解,输出最优的所述设计变量;
设计模块,用于根据最优的所述设计变量完成芯片封装设计。
为了解决上述技术问题,本发明采用的另一技术方案为:
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述的一种减小封装芯片翘曲度的方法各个步骤。
为了解决上述技术问题,本发明采用的另一技术方案为:
一种电子设备,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,其特征在于,所述处理器执行所述计算机程序时实现如上述的一种减小封装芯片翘曲度的方法各个步骤。
本发明的有益效果在于:基于抽取的样本点构建相应不同的代理模型,并将不同的代理模型构建形成组合模型,通过组合模型的形式能够综合不同代理模型的优点,提高建模精度以及优化设计的准确率,从而实现可对真实的翘曲情况进行准确的近似,最终再通过粒子群算法对组合模型进行求解,能够输出最佳的用于设计的芯片间距以及封装厚度,减少封装过程中出现的翘曲度过大的问题,并且在封装芯片的设计阶段便根据准确的翘曲仿真结果构造好封装结构,使得在设计阶段便能将设计成本控制最低,且不必浪费DOE的制造成本。
附图说明
图1为本发明实施例中的一种减小封装芯片翘曲度的方法的步骤流程图;
图2为本发明实施例中的一种减小封装芯片翘曲度的装置结构示意图;
图3为本发明实施例中的一种电子设备的结构示意图;
图4为本发明实施例中的一种封装芯片结构示意图。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
请参照图1,一种减小封装芯片翘曲度的方法,其特征在于,包括步骤:
获取设计变量的数量,根据所述设计变量的数量抽取初始样本点并得到对应的翘曲度值,形成样本点集;
根据所述样本点集构建至少两种不同的代理模型;
根据不同的所述代理模型构建组合模型;
通过粒子群算法对所述组合模型进行求解,输出最优的所述设计变量;
根据最优的所述设计变量完成芯片封装设计。
由上述描述可知,本发明的有益效果在于:基于抽取的样本点构建相应不同的代理模型,并将不同的代理模型构建形成组合模型,通过组合模型的形式能够综合不同代理模型的优点,提高建模精度以及优化设计的准确率,从而实现可对真实的翘曲情况进行准确的近似,最终再通过粒子群算法对组合模型进行求解,能够输出最佳的用于设计的芯片间距以及封装厚度,减少封装过程中出现的翘曲度过大的问题,并且在封装芯片的设计阶段便根据准确的翘曲仿真结果构造好封装结构,使得在设计阶段便能将设计成本控制最低,且不必浪费DOE的制造成本。
进一步地,所述根据所述样本点集构建至少两种不同的代理模型包括:
判断不同的所述代理模型的预测精度是否均达到预设精度,若否,则增加抽取所述样本点的数量,并更新所述样本点集;
根据更新的所述样本点集重新构建不同的所述代理模型,并执行所述判断不同的所述代理模型的预测精度是否均达到预设精度的步骤,直至不同的所述代理模型的预测精度均达到所述预设精度。
由上述描述可知,当不同的代理模型的预测精度未达到预设精度时,通过增加抽取样本点以及更新样本点集,并重新构建不同的代理模型,直至所有代理模型的预测精度均达到预设精度,从而仅采用达到目标精度的代理模型构建形成组合模型进行设计预测,保证了组合模型的预测精度,使得组合模型能够利用各个元代理模型不同的优势,提高了输出芯片间距以及封装厚度的设计精度。
进一步地,所述判断不同的所述代理模型的预测精度是否均达到预设精度包括:
获取每一所述样本点对应的翘曲度值以及每一所述样本点在当前所述代理模型中的翘曲度值;
根据每一所述样本点对应的翘曲度值得到所述样本点集对应的翘曲度值均值;
根据所述每一所述样本点对应的翘曲度值、每一所述样本点在当前所述代理模型中的翘曲度值以及所述样本点集对应的翘曲度值均值得到每一所述代理模型对应的精度决定系数;
判断每一所述代理模型对应的所述精度决定系数是否达到预设精度。
由上述描述可知,通过样本点的翘曲度值、样本点集对应的翘曲度值均值、样本点在代理模型中的翘曲度值以及样本点的数量分别计算不同代理模型的预测精度,从而输出精确的精度决定系数,实现对模型精度的有效控制。
进一步地,所述根据不同的所述代理模型构建组合模型包括:
获取每一所述代理模型对应的权系数和预测响应值;
根据每一所述代理模型对应的权系数和预测响应值得到所述组合模型对应样本点的预测响应值。
由上述描述可知,通过构建形成组合模型能够综合不同代理模型的优点,提高建模精度以及优化设计的准确率,从而实现可对真实的翘曲情况进行准确的近似。
进一步地,所述权系数由每一所述代理模型对应的误差值得到。
由上述描述可知,通过增加误差值对代理模型的权系数进行修正,能够提高代理模型的预测精度。
进一步地,所述根据所述设计变量的数量抽取初始样本点并得到对应的翘曲度值,形成样本点集包括:
根据设计变量的数量确认所述初始样本点的数量系数;
生成随机抽取数量,根据所述随机抽取数量以及所述数量系数得到所述初始样本点,形成样本点集。
由上述描述可知,通过设计变量中变量的数量确认抽取初始样本点的数量,从而能够根据不同的变量数量调整样本数量,提高构建模型的精度。
进一步地,所述根据所述样本点集构建至少两种不同的代理模型包括:
通过Kriging代理模型技术构建所述样本点集的Kriging代理模型;
通过RBF代理模型技术构建所述样本点集的RBF代理模型;
所述将不同的所述代理模型构建为组合模型包括:
将所述Kriging代理模型与所述RBF代理模型构建为组合模型。
由上述描述可知,通过构建Kriging代理模型以及RBF代理模型,并由Kriging代理模型与RBF代理模型构建形成组合模型,使得组合模型具有Kriging代理模型和RBF代理模型的优点,起到有效的预测效果。
本发明另一实施例提供了一种减小封装芯片翘曲度的装置,包括:
抽取模块,用于获取设计变量的数量,根据所述设计变量的数量抽取初始样本点并得到对应的翘曲度值,形成样本点集;
第一构建模块,用于所述样本点集构建至少两种不同的代理模型;
第二构建模块,用于根据不同的所述代理模型构建组合模型;
求解模块,用于通过粒子群算法对所述组合模型进行求解,输出最优的所述设计变量;
设计模块,用于根据最优的所述设计变量完成芯片封装设计。
本发另一实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述的一种减小封装芯片翘曲度的方法各个步骤。
本发明另一实施例提供了一种电子设备,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,所述处理器执行所述计算机程序时实现如上述的一种减小封装芯片翘曲度的方法中的各个步骤。
本发明上述减小封装芯片翘曲度的方法、装置、存储介质及电子设备封装芯片的设计,减少封装过程中出现的翘曲度过大的问题,以下通过具体实施方式进行说明:
实施例一
请参照图1,一种减小封装芯片翘曲度的方法,包括步骤:
S1、获取设计变量的数量,根据所述设计变量的数量抽取初始样本点并得到对应的翘曲度值,形成样本点集,具体的:
根据设计变量的数量确认所述初始样本点的数量系数,生成随机抽取数量,根据所述随机抽取数量以及所述数量系数得到所述初始样本点,形成样本点集;请参照图4,运用拉丁超立方试验设计方法抽取初始样本点,如设置初始个数为5N,其中N为设计变量的个数即所述数量系数,5为随机抽取数量;将封装芯片的封装厚度(compound)和芯片(Die)间距作为设计变量,即该优化问题的设计变量的数量为2对应系数也为2,得到初始个数为10,因此最初抽取10个样本点;利用最开始的10个样本点在仿真软件中获取到对应的10个所述初始样本点以及所述样本点对应的翘曲度值;所述样本点为封装厚度和芯片间距的值,翘曲度为该值在仿真软件中得到的;如(封装厚度,芯片间距)有2个样本点(200um,20um)、(100um,15um),对应的翘曲度为10um,20um;
S2、根据所述样本点集构建至少两种不同的代理模型;在一可选的实施例中,根据所述样本点集构建两种不同的代理模型:
S21、通过Kriging代理模型技术构建所述样本点集的Kriging代理模型;
S22、通过RBF代理模型技术构建所述样本点集的RBF代理模型;
S3、将不同的所述代理模型构建为组合模型;将由步骤S2构建的所述Kriging代理模型与所述RBF代理模型构建为组合模型;
其中,在组合的过程中还包括:
S31、判断不同的所述代理模型的预测精度是否均达到预设精度,若否,则增加抽取所述样本点的数量,并更新所述样本点集;
如预设精度的90%,预测精度用决定系数来表示;获取每一所述样本点对应的翘曲度值以及每一所述样本点在当前所述代理模型中的翘曲度值;根据每一所述样本点对应的翘曲度值得到所述样本点集对应的翘曲度值均值;根据所述每一所述样本点对应的翘曲度值、每一所述样本点在当前所述代理模型中的翘曲度值以及所述样本点集对应的翘曲度值均值得到每一所述代理模型对应的精度决定系数,具体表达式如下:
通过上式分别计算所述Kriging代理模型的预测精度以及所述RBF代理模型的预测精度,并判断是否均达到90%;当所述Kriging代理模型的预测精度以及所述RBF代理模型的预测精度未到达90%时,则增加所述样本点的数量,如增加数量为10,即更新后所述样本点集内的所述样本点的数量为20;
随后,根据更新的所述样本点集重新构建不同的所述代理模型,并执行所述判断不同的所述代理模型的预测精度是否均达到预设精度的步骤,直至不同的所述代理模型的预测精度均达到所述预设精度;即根据更新的所述样本点集再次构建所述Kriging代理模型以及所述RBF代理模型,直至所述Kriging代理模型的预测精度以及所述RBF代理模型的预测精度均达到90%;即当代理模型的预测精度未达到90%时,通过增加所述样本点后,返回步骤S2,重新构建所述Kriging代理模型以及所述RBF代理模型,直至代理模型的预测精度均达到90%;
S32、所述将不同的所述代理模型构建为组合模型包括:
获取每一所述代理模型对应的权系数和预测响应值;根据每一所述代理模型对应的权系数和预测响应值得到所述组合模型对应样本点的预测响应值;如将预测精度达到90%的所述Kriging代理模型以及所述RBF代理模型构建为组合模型,组合模型表达式为:
S4、通过粒子群算法对所述组合模型进行求解,输出最优的所述设计变量;
S5、根据最优的所述设计变量完成芯片封装设计,即根据最优的封装芯片的封装厚度和芯片间距完成芯片封装设计。
实施例二
本实施例提供一种惯性权重计算方法,具体的:
惯性权重计算式包括:
式中,Ti为第i个代理模型的误差值;
上式中,Ti=均方根误差(Root Mean Square Error,RMSE)+最大绝对误差(Maximum absolute error,MAE);
所述均方根误差计算公式如下:
局部误差的衡量指标为最大绝对误差,其计算公式如下:
将上述的权重计算方法用于实施例一种的所述Kriging代理模型与所述RBF代理模型的权系数计算,便能构建出封装芯片翘曲度对应的组合模型,组合模型能综合所述Kriging代理模型以及所述RBF代理模型的优点,预测精度更高,对工程问题的适用性更广。
实施例三
请参照图2,一种减小封装芯片翘曲度的装置,包括:
抽取模块,用于获取设计变量的数量,根据所述设计变量的数量抽取初始样本点并得到对应的翘曲度值,形成样本点集;
第一构建模块,用于所述样本点集构建至少两种不同的代理模型;
第二构建模块,用于根据不同的所述代理模型构建组合模型;
求解模块,用于通过粒子群算法对所述组合模型进行求解,输出最优的所述设计变量;
设计模块,用于根据最优的所述设计变量完成芯片封装设计。
实施例四
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如实施例一或实施例二所述的一种减小封装芯片翘曲度的方法各个步骤。
实施例五
请参照图3,一种电子设备,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,所述处理器执行所述计算机程序时实现如实施例一或实施例二所述的一种减小封装芯片翘曲度的方法中的各个步骤。
综上所述,本发明提供的减小封装芯片翘曲度的方法、装置、存储介质及电子设备,基于抽取的样本点构建相应不同的代理模型,并将不同的代理模型构建形成组合模型,并且结合局部误差与全局误差计算权系数的组合模型,可以进一步提高组合模型的精度,利用不同的代理模型各自优点构成组合模型对封装芯片翘曲度进行建模,使得建模精度更接近于真实值,并耦合粒子群优化算法对封装芯片的翘曲度进行优化,能够输出最佳的用于设计的芯片间距以及封装厚度,减少封装过程中出现的翘曲度过大的问题,并且在封装芯片的设计阶段便根据准确的翘曲仿真结果构造好封装结构,使得在设计阶段便能将设计成本控制最低,且不必浪费DOE的制造成本。
在本申请所提供的上述实施例中,应该理解到,所揭露的方法、装置、计算机可读存储介质以及电子设备,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个组件或模块可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或组件或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的组件可以是或者也可以不是物理上分开的,作为组件显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部组件来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个组件单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本发明所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种减小封装芯片翘曲度的方法,其特征在于,包括步骤:
获取设计变量的数量,根据所述设计变量的数量抽取初始样本点并得到对应的翘曲度值,形成样本点集;
根据所述样本点集构建至少两种不同的代理模型;
根据不同的所述代理模型构建组合模型;
通过粒子群算法对所述组合模型进行求解,输出最优的所述设计变量;
根据最优的所述设计变量完成芯片封装设计;
所述根据不同的所述代理模型构建组合模型包括:
获取每一所述代理模型对应的权系数和预测响应值;
根据每一所述代理模型对应的权系数和预测响应值得到所述组合模型对应样本点的预测响应值;
所述权系数由每一所述代理模型对应的误差值得到;
所述权系数计算式包括:
式中,Ti为第i个代理模型的误差值;上式中,Ti=均方根误差+最大绝对误差。
2.根据权利要求1所述的一种减小封装芯片翘曲度的方法,其特征在于,所述根据所述样本点集构建至少两种不同的代理模型包括:
判断不同的所述代理模型的预测精度是否均达到预设精度,若否,则增加抽取所述样本点的数量,并更新所述样本点集;
根据更新的所述样本点集重新构建不同的所述代理模型,并执行所述判断不同的所述代理模型的预测精度是否均达到预设精度的步骤,直至不同的所述代理模型的预测精度均达到所述预设精度。
3.根据权利要求2所述的一种减小封装芯片翘曲度的方法,其特征在于,所述判断不同的所述代理模型的预测精度是否均达到预设精度包括:
获取每一所述样本点对应的翘曲度值以及每一所述样本点在当前所述代理模型中的翘曲度值;
根据每一所述样本点对应的翘曲度值得到所述样本点集对应的翘曲度值均值;
根据所述每一所述样本点对应的翘曲度值、每一所述样本点在当前所述代理模型中的翘曲度值以及所述样本点集对应的翘曲度值均值得到每一所述代理模型对应的精度决定系数;
判断每一所述代理模型对应的所述精度决定系数是否达到预设精度。
4.根据权利要求1所述的一种减小封装芯片翘曲度的方法,其特征在于,所述根据所述设计变量的数量抽取初始样本点并得到对应的翘曲度值,形成样本点集包括:
根据设计变量的数量确认所述初始样本点的数量系数;
生成随机抽取数量,根据所述随机抽取数量以及所述数量系数得到所述初始样本点,形成样本点集。
5.根据权利要求1所述的一种减小封装芯片翘曲度的方法,其特征在于,所述根据所述样本点集构建至少两种不同的代理模型包括:
通过Kriging代理模型技术构建所述样本点集的Kriging代理模型;
通过RBF代理模型技术构建所述样本点集的RBF代理模型;
所述根据不同的所述代理模型构建组合模型包括:
将所述Kriging代理模型与所述RBF代理模型构建为组合模型。
6.一种减小封装芯片翘曲度的装置,其特征在于,包括:
抽取模块,用于获取设计变量的数量,根据所述设计变量的数量抽取初始样本点并得到对应的翘曲度值,形成样本点集;
第一构建模块,用于所述样本点集构建至少两种不同的代理模型;
第二构建模块,用于根据不同的所述代理模型构建组合模型;
求解模块,用于通过粒子群算法对所述组合模型进行求解,输出最优的所述设计变量;
设计模块,用于根据最优的所述设计变量完成芯片封装设计;
所述根据不同的所述代理模型构建组合模型包括:
获取每一所述代理模型对应的权系数和预测响应值;
根据每一所述代理模型对应的权系数和预测响应值得到所述组合模型对应样本点的预测响应值;
所述权系数由每一所述代理模型对应的误差值得到;
所述权系数计算式包括:
式中,Ti为第i个代理模型的误差值;上式中,Ti=均方根误差+最大绝对误差。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-5任意一项所述的一种减小封装芯片翘曲度的方法各个步骤。
8.一种电子设备,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,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-5任意一项所述的一种减小封装芯片翘曲度的方法中的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211681183.9A CN115659895B (zh) | 2022-12-27 | 2022-12-27 | 减小封装芯片翘曲度的方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211681183.9A CN115659895B (zh) | 2022-12-27 | 2022-12-27 | 减小封装芯片翘曲度的方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115659895A CN115659895A (zh) | 2023-01-31 |
CN115659895B true CN115659895B (zh) | 2023-03-21 |
Family
ID=85022514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211681183.9A Active CN115659895B (zh) | 2022-12-27 | 2022-12-27 | 减小封装芯片翘曲度的方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115659895B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117291923B (zh) * | 2023-11-27 | 2024-02-09 | 成都宏讯微电子科技有限公司 | 一种芯片封装质量评价方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113051816A (zh) * | 2021-03-18 | 2021-06-29 | 天津大学 | 一种大气污染管控方案优化方法 |
CN115034122A (zh) * | 2022-08-12 | 2022-09-09 | 成都佰维存储科技有限公司 | 3c产品结构的优化方法、装置、可读存储介质及电子设备 |
-
2022
- 2022-12-27 CN CN202211681183.9A patent/CN115659895B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113051816A (zh) * | 2021-03-18 | 2021-06-29 | 天津大学 | 一种大气污染管控方案优化方法 |
CN115034122A (zh) * | 2022-08-12 | 2022-09-09 | 成都佰维存储科技有限公司 | 3c产品结构的优化方法、装置、可读存储介质及电子设备 |
Non-Patent Citations (1)
Title |
---|
马晓波 ; 王蒙 ; 张兵 ; 谢建友 ; 谢天禹 ; 王昕捷 ; .一种控制SoC芯片封装的多物理域设计仿真分析研究.2016,(第08期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN115659895A (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110442936B (zh) | 基于数字孪生模型的设备故障诊断方法、装置及系统 | |
KR102402673B1 (ko) | Beol의 공정 변이를 고려하여 집적 회로를 설계하기 위한 컴퓨터 구현 방법 및 컴퓨팅 시스템 | |
JP5306122B2 (ja) | 集積回路設計中の製造の影響の高速シミュレーションを行なうための装置、方法及びコンピュータ・プログラム | |
CN115659895B (zh) | 减小封装芯片翘曲度的方法、装置、存储介质及电子设备 | |
TW202018548A (zh) | 製造積體電路的方法以及用於設計積體電路的計算系統 | |
JP2011253254A (ja) | シミュレーションパラメータ校正方法、装置及びプログラム | |
US8370774B2 (en) | Constructing mapping between model parameters and electrical parameters | |
KR102416490B1 (ko) | 와이어의 공정 변이를 고려한 집적 회로를 설계하기 위한 컴퓨터 구현 방법 및 컴퓨팅 시스템 | |
WO2020054443A1 (ja) | 学習装置、推論装置及び学習済みモデル | |
US20070270989A1 (en) | Molded-component characteristic estimation device | |
CN116305522A (zh) | 一种基于数字孪生的飞机结构可靠性仿真试验模型标定方法、设备、介质 | |
US20220405440A1 (en) | Systems and methods for generating reduced order models | |
CN115034122B (zh) | 3c产品结构的优化方法、装置、可读存储介质及电子设备 | |
Shalumov et al. | Accelerated simulation of thermal and mechanical reliability of electronic devices and circuits | |
CN116579207A (zh) | 焊点焊后残余应力预测与优化的变可信度模型确定方法 | |
US8185864B2 (en) | Circuit board analyzer and analysis method | |
JP2007199961A (ja) | 有限要素法解析モデルの解析方法、解析システム、及び解析プログラム | |
JP5024636B2 (ja) | 基板又は電子部品の反り解析方法、基板又は電子部品の反り解析システム及び基板又は電子部品の反り解析プログラム | |
CN114168318A (zh) | 存储释放模型的训练方法、存储释放方法及设备 | |
WO2012081158A1 (ja) | 回路シミュレーション方法及び半導体集積回路 | |
CN116339145A (zh) | 机台参数调控方法、设备及存储介质 | |
WO2023148209A1 (en) | System, apparatus and method for calibrating simulation model of one or more assets | |
CN113536489A (zh) | 一种组件封装的连接构型和工艺参数确定方法 | |
JP4575326B2 (ja) | 基板レイアウトチェックシステムおよび方法 | |
JP2008084306A (ja) | 工業製品の生産支援方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |