TWI840586B - 基於自動校正的印刷電路板設計之方法、系統與非暫態電腦可讀儲存媒體 - Google Patents
基於自動校正的印刷電路板設計之方法、系統與非暫態電腦可讀儲存媒體 Download PDFInfo
- Publication number
- TWI840586B TWI840586B TW109123435A TW109123435A TWI840586B TW I840586 B TWI840586 B TW I840586B TW 109123435 A TW109123435 A TW 109123435A TW 109123435 A TW109123435 A TW 109123435A TW I840586 B TWI840586 B TW I840586B
- Authority
- TW
- Taiwan
- Prior art keywords
- printed circuit
- circuit board
- design
- machine learning
- learning model
- Prior art date
Links
- 238000013461 design Methods 0.000 title claims abstract description 256
- 238000012937 correction Methods 0.000 title claims abstract description 129
- 238000000034 method Methods 0.000 title claims description 172
- 238000003860 storage Methods 0.000 title claims description 5
- 238000007689 inspection Methods 0.000 claims abstract description 168
- 238000010801 machine learning Methods 0.000 claims abstract description 115
- 238000004519 manufacturing process Methods 0.000 claims abstract description 57
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims description 132
- 238000004422 calculation algorithm Methods 0.000 claims description 64
- 239000004020 conductor Substances 0.000 claims description 60
- 238000012549 training Methods 0.000 claims description 57
- 239000002184 metal Substances 0.000 claims description 12
- 229910052751 metal Inorganic materials 0.000 claims description 12
- 230000003746 surface roughness Effects 0.000 claims 3
- 239000000047 product Substances 0.000 description 56
- 239000010410 layer Substances 0.000 description 34
- 230000006870 function Effects 0.000 description 32
- 230000009897 systematic effect Effects 0.000 description 31
- 238000005457 optimization Methods 0.000 description 19
- 238000012360 testing method Methods 0.000 description 19
- 230000008901 benefit Effects 0.000 description 14
- 238000005259 measurement Methods 0.000 description 14
- 238000012986 modification Methods 0.000 description 14
- 230000004048 modification Effects 0.000 description 14
- 230000005540 biological transmission Effects 0.000 description 13
- 238000003384 imaging method Methods 0.000 description 12
- 238000013473 artificial intelligence Methods 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 10
- 150000003071 polychlorinated biphenyls Chemical class 0.000 description 10
- 239000007795 chemical reaction product Substances 0.000 description 9
- 238000005553 drilling Methods 0.000 description 9
- 230000004907 flux Effects 0.000 description 9
- 229910052710 silicon Inorganic materials 0.000 description 9
- 239000010703 silicon Substances 0.000 description 9
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 8
- 239000000463 material Substances 0.000 description 8
- 239000000758 substrate Substances 0.000 description 6
- 235000012431 wafers Nutrition 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 5
- 230000000712 assembly Effects 0.000 description 4
- 238000000429 assembly Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000004806 packaging method and process Methods 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 239000003990 capacitor Substances 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000012938 design process Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 238000012625 in-situ measurement Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 2
- 239000011358 absorbing material Substances 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 2
- 230000001070 adhesive effect Effects 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- WABPQHHGFIMREM-UHFFFAOYSA-N lead(0) Chemical compound [Pb] WABPQHHGFIMREM-UHFFFAOYSA-N 0.000 description 2
- 229920003023 plastic Polymers 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- CVOFKRWYWCSDMA-UHFFFAOYSA-N 2-chloro-n-(2,6-diethylphenyl)-n-(methoxymethyl)acetamide;2,6-dinitro-n,n-dipropyl-4-(trifluoromethyl)aniline Chemical compound CCC1=CC=CC(CC)=C1N(COC)C(=O)CCl.CCCN(CCC)C1=C([N+]([O-])=O)C=C(C(F)(F)F)C=C1[N+]([O-])=O CVOFKRWYWCSDMA-UHFFFAOYSA-N 0.000 description 1
- 238000012356 Product development Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000013065 commercial product Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000004070 electrodeposition Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 239000013072 incoming material Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000005865 ionizing radiation Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002086 nanomaterial Substances 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 230000003071 parasitic effect Effects 0.000 description 1
- 239000004038 photonic crystal Substances 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000011265 semifinished product Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 235000012239 silicon dioxide Nutrition 0.000 description 1
- 239000000377 silicon dioxide Substances 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 229910000679 solder Inorganic materials 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007655 standard test method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
- G01T1/16—Measuring radiation intensity
- G01T1/20—Measuring radiation intensity with scintillation detectors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
- G01N23/043—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using fluoroscopic examination, with visual observation or video transmission of fluoroscopic images
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/06—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption
- G01N23/083—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption the radiation being X-rays
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/06—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption
- G01N23/18—Investigating the presence of flaws defects or foreign matter
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/39—Circuit design at the physical level
- G06F30/398—Design verification or optimisation, e.g. using design rule check [DRC], layout versus schematics [LVS] or finite element methods [FEM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
- H01L21/00—Processes or apparatus adapted for the manufacture or treatment of semiconductor or solid state devices or of parts thereof
- H01L21/67—Apparatus specially adapted for handling semiconductor or electric solid state devices during manufacture or treatment thereof; Apparatus specially adapted for handling wafers during manufacture or treatment of semiconductor or electric solid state devices or components ; Apparatus not specifically provided for elsewhere
- H01L21/67005—Apparatus not specifically provided for elsewhere
- H01L21/67242—Apparatus for monitoring, sorting or marking
- H01L21/67288—Monitoring of warpage, curvature, damage, defects or the like
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K1/00—Printed circuits
- H05K1/02—Details
- H05K1/11—Printed elements for providing electric connections to or between printed circuits
- H05K1/115—Via connections; Lands around holes or via connections
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
- H05K3/00—Apparatus or processes for manufacturing printed circuits
- H05K3/40—Forming printed elements for providing electric connections to or between printed circuits
- H05K3/4038—Through-connections; Vertical interconnect access [VIA] connections
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/03—Investigating materials by wave or particle radiation by transmission
- G01N2223/04—Investigating materials by wave or particle radiation by transmission and measuring absorption
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/401—Imaging image processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/426—Imaging image comparing, unknown with known substance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/50—Detectors
- G01N2223/505—Detectors scintillation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/60—Specific applications or type of materials
- G01N2223/646—Specific applications or type of materials flaws, defects
- G01N2223/6466—Specific applications or type of materials flaws, defects flaws comparing to predetermined standards
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2115/00—Details relating to the type of the circuit
- G06F2115/12—Printed circuit boards [PCB] or multi-chip modules [MCM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/18—Manufacturability analysis or optimisation for manufacturability
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20208—High dynamic range [HDR] image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30141—Printed circuit board [PCB]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30152—Solder
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/06—Recognition of objects for industrial automation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Manufacturing & Machinery (AREA)
- Mathematical Physics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- High Energy & Nuclear Physics (AREA)
- Molecular Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Geometry (AREA)
- Toxicology (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Power Engineering (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
於一實施例中,計算系統可獲取待由第一製程製造的印刷電路板的設計資料。系統可使用機器學習模組分析印刷電路板的設計資料,其中機器學習模組係根據相關於第一製程的X射線檢驗資料所訓練。系統可根據機器學習模組的分析結果來自動地決定印刷電路板的設計資料的一或多個校正。
Description
本發明關於一種印刷電路板的設計及製造技術。
印刷電路板(printed circuit board,PCB)可包含一或多個層之非導體基板,且導體材料層壓於這些基板上。非導體基板可視為導體材料的機械式支撐件。為了發送電訊號,導體材料可形成數個電發送線路。為了使印刷電路板能正常運作,發送線路需要具有特定的多個效能參數,這些效能參數滿足印刷電路板設計者所設定的效能需求。
然而,在將印刷電路板設計傳送給製造商之後,製造商工程師可根據製程需求微調(tweak)印刷電路板設計。因此,所製造出的印刷電路板可能會具有不同於印刷電路板設計者所設定的相應規格之效能參數。這種差異可能會使所製造出的印刷電路板無法正常運作。所製造出的印刷電路板可經過電性測試以辨識
出這些問題。印刷電路板設計者可根據電性測試的結果調整印刷電路板設計,並重新將調整過的印刷電路板設計傳送給製造商以重複整個流程。這種流程可能會重複進行許多次且可能會消耗較多的時間與資源。
於此描述的特定實施例關於一種系統及方法,此系統及方法在印刷電路板設計傳送給製造商之前的設計階段中,使用專業系統分析印刷電路板設計並為分析過的印刷電路板設計產生自動校正。專業系統可包含機器學習(machine-learning,ML)模型或/及規則式演算法(rule-based algorithm)以為印刷電路板設計產生自動校正。系統可使用X射線檢驗系統來檢驗數個印刷電路板產品以量測這些受到檢驗的印刷電路板產品之計量資訊(metrology information)並產生X射線檢驗資料(如X射線影像及計量資訊)。接著,系統可使用X射線檢驗資料及對應的印刷電路板設計訓練(train)機器學習模型去微調或修改印刷電路板設計以達到設計者預期的目標效能。系統可包含規則式演算法以達到設計者預期的目標效能,其中規則式演算法包含根據製造商工程師微調或修改印刷電路板設計的實驗知識所產生的數個規則。在運行時,系統可根據機器學習模型推論(inference)或基於製造商工程師的實驗知識產生的校正規則,在設計階段為印刷電路板設計產生校正或修改。印刷電路板設計一旦於設計階段由專業系統根據自動校正校正後,便可被傳送給製造商以進行製造。在設計階
段被自動校正校正的印刷電路板設計可使製造出的印刷電路板終端產品能滿足印刷電路板設計者所指定的效能規格。
關於本揭露內容公開的實施態樣只是示例,本發明的範圍並不限於它們。特定的實施態樣可以包括上面公開的實施態樣的全部、部分或不包括任何元件、物件、特徵、功能、操作或步驟。針對方法、儲存媒介、系統和電腦程式產品的請求項中,根據本發明的實施例特別公開,其中在任一組請求項(如方法請求項)中提到的任何功能也可以在另一組請求項(如系統請求項)中提出。申請專利範圍中的附屬項或引用記載僅出於形式原因而選擇。然而,任何因刻意引用之前的請求項(特別是多重附屬關係)而產生的標的也可以請求保護,以便本揭露內容公開的請求項及其特徵的任何組合都可以主張,而不需考慮所附屬請求項中選擇的依賴關係。可以主張的標的不僅包含請求項中規定的特徵組合,而且還包括申請專利範圍中任何其他特徵的組合,其中申請專利範圍提到的每個特徵都可以與任一請求項中任何其他特徵組合。此外,揭露內容描述或描繪的任何實施例和特徵可以在單獨的請求項中主張,和/或與揭露內容描述或描繪的任何其他實施例或特徵做任何組合。
1000A:X射線檢驗系統
1000B:X射線檢驗系統
100:X射線源
101:X射線發射器
106:安裝件
111:X射線
140:平板
142:孔徑
200:物件
211:準直X射線光束
300:閃爍器組件
310:閃爍器
350:載台
400:光學系統
411:可見光子
500:感光元件
511:放大影像
600:電子裝置
700:電腦系統
998:遮罩
999:遮罩
2000A:現有流程
201:設計印刷電路板
202:修改印刷電路板設計
203:製造印刷電路板
204:測試印刷電路板
2000B:架構
210:整合式印刷電路板設計工具
212:專業系統
213:自動校正
214:製程
215:印刷電路板測試流程
217:機器學習模型
218:印刷電路板設計工具
219:規則式演算法
3000A:流程
301:印刷電路板設計
302:人力校正
307:印刷電路板設計
309:X射線檢驗校正
311:印刷電路板設計
312:人力校正流程
313:印刷電路板設計訓練樣本
314:機器學習模型
315:預測校正
316:誤差函數
317:最佳化演算法
3000B:流程
321:印刷電路板產品
322:X射線檢驗系統
323:印刷電路板X射線檢驗資料
325:印刷電路板設計訓練樣本
326:機器學習模型
327:預測校正
328:誤差函數
329:最佳化演算法
331:印刷電路板產品
332:X射線檢驗系統
333:X射線檢驗資料
334:印刷電路板設計
335:人力分析流程
336:印刷電路板設計訓練樣本
337:機器學習模型
338:預測校正
339:誤差函數
341:最佳化演算法
342:目標校正
343:印刷電路板設計
349:印刷電路板校正流程
3000C:流程
402:印刷電路板設計
411:系統誤差
412:非系統誤差
413:印刷電路板X射線檢驗資料
414:根本原因
415:圖案
416:印刷電路板校正規則
421:系統誤差
422:非系統誤差
423:印刷電路板校正訓練樣本
425:圖案
4000B:流程
510:步驟
520:步驟
530:步驟
圖1A繪示自動化高速X射線檢驗系統的示例。
圖1B繪示具有可移動X射線源的X射線檢驗系統之示例,
其中X射線源可相對檢驗物體移動以在不同方向生成X射線影像。
圖2A繪示現有用於設計及製造印刷電路板的示例性製程。
圖2B繪示根據在印刷電路板設計階段之自動校正設計及製造印刷電路板的示例性架構(framework)。
圖3A繪示使用人力校正流程產生的訓練樣本來訓練機器學習模型的示例性流程。
圖3B繪示使用基於X射線檢驗資料產生的印刷電路板訓練樣本來訓練機器學習模型的示例性流程。
圖3C繪示使用基於X射線檢驗資料及人的知識產生的印刷電路板訓練樣本來訓練機器學習模型的示例性流程。
圖4A繪示用於決定印刷電路板電性參數相對所對應的印刷電路板設計之誤差的示例性流程。
圖4B繪示用於決定印刷電路板計量學參數相對所對應的印刷電路板設計之誤差的示例性流程。
圖5繪示用於為印刷電路板的設計自動產生校正的示例性方法。
須注意的是,圖式中所呈現的元件僅用於解釋本發明的功能而非用於呈現比例(scale)。
自動化高速X射線檢驗系統
X射線系統架構
本發明所揭露的系統和方法是關於系統以及此系統的使用,涉及以X射線照射目標物來進行檢查或檢驗、將X射線轉換成可見光(或波長接近可見光波長)的光子、形成可見光(或波長接近可見光波長)的光子之影像並接著將影像轉換成電子形式。首先,將介紹X射線成像系統的各種實施例,然後介紹利用X射線成像系統的方法和系統之各種實施例。於本發明中,X射線承項系統也可稱為自動化高速X射線檢驗系統或X射線檢驗系統。
雖然使用本發明的設備可以對多種物體進行檢測,但特別適用於積體電路晶片和封裝元件的檢測,其中一個例子是有多個矽穿孔(TSV)的矽中介層電路板,但本發明也可以用來檢查積體電路(IC)本身、矽中介層電路板、二氧化矽中介層電路板、具有或不具有已安裝IC的印刷電路板、3D(三維)IC封裝結構或組件、2.5D IC封裝結構或組件、多晶片模組(MCM)、系統封裝(System-in-package,SIP)和其他包含微結構的微電子元件或其部分。基於計量、程序控制、檢驗或良率管理的目的,上述物品可作為進料、成品或在其製造的任何階段作為半完成品被檢查。
具有微米級或奈米級結構的電子元件例如是磁性記錄介質、光子結構和光子晶體、超材料等,這類的電子元件也可以使用本發明的設備進行檢查和檢驗。電容式感測器,如指紋感測器,也可以被檢驗。這種設備特別吸引的特點是,其可以像傳統的計量和檢驗工具那樣對物體內部的特徵進行無破壞性、高解析度的觀察和測量,而這些特徵在其他情況下是無法用電子或光
子觀察到的。
一般而言,適於與本發明一起使用的物體包括至少一平坦側,其例子包括:半導體晶片上的電子電路、晶片的部分或晶片上的選定區域;積體電路晶片、晶粒、組裝物、封裝或其部分;微流體裝置;微機電系統,包括加速度計、陀螺儀、磁性感測器及電容感測器等;光子裝置,特別是用平面波導製作的光子裝置;生物組織,包括染色樣本;用於印刷或製造任何上述裝置的模板或光罩;以及太陽能電池、其部件或與太陽能電池有關的部件。其他沒有平坦側的物體也可以使用本發明來觀察和檢驗,但是不規則尺寸的物體的成像品質可能不一致。
在特定實施例中,本發明揭露的X射線檢驗系統可以是高速X射線檢驗系統。於特定實施例中,高速X射線檢驗系統可以具有比傳統X射線系統更高的測量/檢驗速度(例如,比傳統X射線系統快100倍)。高速x射線檢驗系統在檢驗電子元件或裝置時所需要的圖像採集時間例如但不限於是約33毫秒。在特定實施例中,本發明中所描述的X射線檢驗系統可以是自動化X射線檢驗系統。在特定實施例中,自動化X射線檢驗系統可以包括一個或多個電腦或控制器,另外還包含儲存在一個或多個電腦媒介中的一個或多個指令。X射線自動檢驗系統的自動測量過程可以由電腦或控制器執行相應的指令來控制。自動化X射線檢驗系統的自動測量過程可不需要操作員的干預,並且可以按照特定的程式自動執行。
在特定實施例中,本發明所揭露的X射線檢驗系統可多使用一個人工智慧(AI)模組和/或機器學習(ML)模型。在特定實施例中,AI模組可以本身是或是包括由一個或多個計算系統執行的任何合適的方法、過程和/或演算法。在特定實施例中,機器學習模型可以本身是或是包括規則式(Rule-based)演算法、隨機森林模型、類神經網路或任何合適的機器學習模型,但本發明並不以此為限。在特定實施例中,本發明所揭露的X射線檢驗系統可以對由另一個系統(例如,鑽床、接合工具、組裝工具或任何合適工具)執行的一個或多個製程進行即時測量。在特定實施例中,術語「即時測量」可指由X射線檢驗系統在不降低相關製程進行的速度之情況下,與相關製程(例如鑽孔製程、組裝製程、接合製程或任何合適製程)並行進行的測量。X射線檢驗系統可以執行測量並以相較相關製程還要快或相當的速度向執行此相關製程的系統提供回饋。
在特定實施例中,本發明所揭露的X射線檢驗系統對一個或多個其他系統或工具(例如:鑽孔機、接合工具、組裝工具或任何合適的其他工具)進行現場測量和/或產線上測量。在具體實施例中,術語「現場量測」可指由與其他系統整合的X射線檢驗系統進行的測量。例如,X射線檢驗系統可以整合到鑽孔機上進行現場測量,以監測鑽孔機的鑽孔製程。現場測量可由一個或多個計算系統自動控制,且計算系統與X射線檢驗系統和鑽孔機相協調。在特定實施例中,術語「產線上測量」可指X射線檢
驗系統在同一製程(例如鑽孔製程、組裝製程、接合製程或任何合適製程)中由另一個系統(例如鑽孔機、組裝工具、接合工具或任何合適工具)進行的測量。一個示例是由組裝工具執行的組裝製程中,X射線系統可以在組裝製程的一個或多個步驟期間檢查組裝部件或裝置。部件或裝置可以從組裝工具自動地傳送(例如,透過機械手臂)到X射線檢驗系統,或者可以從組裝工具手動地傳送(例如,透過操作人員)到X射線檢驗系統。X射線檢驗系統可以自動向組裝工具或操作人員提供回饋資訊。
X射線成像系統
圖1A繪示自動化高速X射線檢驗系統1000A之示例。X射線發射器101發出X射線111。然後,在某些實施例中,利用X射線發射器101與平板140之間的距離以及平板140的孔徑142,將這些X射線調變(shaped)成準直X射線光束211。準直X射線光束211接著照射一個待檢查的物件200。X射線通過物件200而照射包含閃爍器310的閃爍器組件300,以及在某些實施例中還照射用於支撐閃爍器的載台350。閃爍器310吸收一部分的X射線並伴隨著射出可見光子411而釋放一些所吸收的能量。
藉由光學系統400在感光元件500上形成閃爍器射出的可見光光子的放大影像511。感光元件500將放大影像511的強度轉換成電訊號。感光元件500可包含電子感光元件,例如電荷耦合器件(CCD)或其他本技術領域已知的感光元件。電訊號
傳遞到電子裝置600的系統,其在某些實施例中可顯示影像結果,且在某些實施例中可儲存影像結果及/或結合電腦系統700對影像結果進行影像處理演算法。
對於任何發射電離輻射(如X射線)的來源,通常較佳地做法是在X射線源100周圍提供遮罩998,並且在某些情況下進行合乎法規的操作。這樣的遮罩998可以是一個簡單外殼形狀的鉛金屬片,或是以任意數量的X射線吸收材料製作出之更複雜的設計,其中X射線吸收材料例如是本技術領域熟知的含鉛玻璃或塑膠。遮罩是為了避免隨機X射線(直接來自發射器101或從其他表面反射)引起不必要的影響,特別是各種電子元件中用來控制系統的寄生(spurious)訊號。
同樣地,對於某些實施例,也可以在光束路徑周圍增加遮罩999,並且在某些情況下進行合乎法規的操作。額外的遮罩999可以是一個簡單外殼形狀的鉛金屬片,或是以任意數量的X射線吸收材料製作出之更複雜的設計,其中X射線吸收材料例如是本技術領域熟知的含鉛玻璃或塑膠。額外的遮罩999是為了避免隨機X射線(直接來自X射線發射器101或從其他表面反射)引起不必要的影響,特別是各種電子元件中用來控制系統的寄生訊號。
由於某些感光元件500(例如包括CCD感測器的感光元件500)對X射線曝光特別敏感,因此在一些實施例中,閃爍器組件300的一部分可以全部或部分地使用諸如含鉛玻璃的材料製
造,該材料在傳遞閃爍器所發出之可見光子411的同時吸收X射線。
圖1B繪示X射線檢驗系統1000B之示例,其中X射線源可相對檢驗樣本移動以在不同方向生成X射線影像。作為示例而非限制,X射線系統可包括安裝件106,其可相對於物件200移動X射線源100的位置,從而改變X射線光束相對於物件的入射角。安裝件106可被設計成允許X射線源100在x-z平面、y-z平面或任何其它軸的組合中擺動。X射線源100也可以沿著z軸移動,使X射線源100更靠近物件200,這可能會使光束更亮而增加訊號強度,換來的不良效應是X射線光束的准直度和解析度降低。透過縮減X射線源的光斑尺寸(spot size),可以減少或消除前述的不良效應。
透過安裝件106移動X射線源100的行為可由電腦系統700以多種方式控制。在某些實施例中,安裝件106可以將X射線源100移動到固定位置以允許捕捉影像。在某些實施例中,當影像被收集時,安裝件106可連續移動X射線源100,以允許通過物件200的X射線強度的動態變化作為光照角度的函數記錄下來。在一些實施例中,X射線發射器101可以移動到偏離法線入射角至少10度的位置。在一些實施例中,可以透過協調X射線源100使用安裝件106的運動與物件200使用安裝件106的運動來進一步調整準直X射線光束211相對於物件200的入射角。這種協調可以手動完成,也可以使用電腦系統700完成。在某些
實施例中,遮罩998被設計成包圍X射線源100和安裝件106。在其它實施例中,遮罩998可設計成僅包圍X射線源,且安裝件106設計成在移動X射線源100時一併移動遮罩998。在本發明的一些實施例中,可以使用多個X射線源來產生以不同入射角產生影像。X射線源可以位於空間中的固定位置,也可以是可移動的,並且可以按順序操作或同時操作。X射線源可以手動操作,或使用一個或多個電腦系統700控制這些X射線源。
於特定的實施例中,於本發明中所描述的X射線成像系統也可為用於產生電子裝置的X射線影像之自動化高速及高解析度X射線成像系統。於特定的實施例中,自動化高速X射線檢驗系統可包含X射線偵測器,此X射線偵測器對X射線輻射具有高靈敏度並具有大量的灰階位準(如10000個以上的灰階位準)以及大動態範圍。於特定的實施例中,為了在X射線檢驗流程中產生高解析度的X射線影像,X射線系統可包含一或多個高解析度X射線偵測器。於特定的實施例中,高解析度X射線偵測器可包含大量的像素(如1200萬以上的像素、2900萬以上的像素)。於特定的實施例中,具有高解析度X射線偵測器的系統可具有低於2微米(μm)的空間解析度、12公釐(mm)×12公釐的視野以及每分鐘大於3000平方公釐(mm2)的流通量(Throughput)。於特定的實施例中,具有高解析度X射線偵測器的系統可具有低於0.5微米的空間解析度、至少12公釐(mm)×12公釐的視野。於特定的實施例中,樣本可用不低於每分鐘300平方公釐之速度或流通量檢
驗。於特定的實施例中,系統可用至少30FPS的幀率產生X射線影像。X射線影像可在等於或小於33毫秒的時間區間內產生。關於X射線系統的更多細節可以參閱2017年3月27日提交的第15/470726號美國專利申請案,其內容合併在此作為參考。
總覽
欲解決之問題
現有的印刷電路板設計工具使印刷電路板設計者能藉由指定目標效能參數(如傳輸線路參數)來設計印刷電路板。當印刷電路板設計被傳送給製造商以進行製造時,印刷電路板設計可能會被製造商工程師微調或修改,以達成設計者所指定的目標效能參數。這種修改可能會藉由製造商工程師根據製造商工程師的實驗知識來手動進行。然而,由製造商工程師對印刷電路板進行的修改以及製程中的其他因素(如設備偏差或誤差)可能會使印刷電路板終端產品不符合設計者之預期。所製造出的印刷電路板可進行電性測試以判斷印刷電路板產品是否位於可接受的範圍內(如相對設計者所設定的效能規格)並判斷印刷電路板是否如設計者所預期般正常運作。印刷電路板設計者可根據電性測試結果調整印刷電路板設計,並重新將調整過的印刷電路板設計傳送給製造商以重複整個流程。這種印刷電路板設計及製造流程可能會重複進行許多次且可能會消耗較多的時間與資源。
解決方案總結
於特定的實施例中,專業系統可於印刷電路板設計
被傳送給製造商之前的設計階段中被用來分析印刷電路板設計並為經分析的印刷電路板產生自動校正。專業系統可包含機器學習(machine-learning,ML)模型或/及規則式演算法(rule-based algorithm)以為印刷電路板設計產生自動校正。系統可使用X射線檢驗系統來檢驗數個印刷電路板產品以量測這些受到檢驗的印刷電路板產品之計量資訊並將X射線檢驗資料(如X射線影像及計量資訊)儲存在資料庫中。接著,系統可使用X射線檢驗資料及對應的印刷電路板設計訓練機器學習模型去微調或修改印刷電路板設計以達到設計者預期的目標效能。系統可包含規則式演算法以達到設計者預期的目標效能,其中規則式演算法包含根據製造商工程師微調或修改印刷電路板設計的實驗知識所產生的數個規則。在運行時,系統可根據機器學習模型推論或基於製造商工程師的實驗知識產生的校正規則,在設計階段為印刷電路板設計產生校正或修改。印刷電路板設計一旦於設計階段由專業系統根據自動校正校正後,便可被傳送給製造商以進行製造且可使製造出的印刷電路板終端產品能滿足印刷電路板設計者所指定的效能規格。
效益及優點
藉由使用X射線來檢驗所製造出的印刷電路板及比較實際的印刷電路板及相對應的印刷電路板設計,系統的特定實施例可辨識出所製造出的印刷電路板產品相異於印刷電路板設計之原因。藉由辨識出使印刷電路板產品相異於規格的確切原因,
系統的特定實施例可產生更具體、更精準及更有效的校正,藉以消除這些差異。藉由在設計階段校正印刷電路板設計,系統的特定實施例可顯著地增加印刷電路板的設計及製造速度,並藉由消除設計者及製造商之間的來回確認流程而減少相關於設計及製造印刷電路板的資源浪費。藉由在設計階段校正印刷電路板設計,系統的特定實施例可使所製造出的印刷電路板產品能滿足設計者所預期的印刷電路板效能規格。藉由根據機器學習模型推論或製造商工程師的實驗知識來校正印刷電路板設計,系統的特定實施例可使所製造出的印刷電路板產品能具有較低的不良率(defect rate)及較高的製造品質。
現有的印刷電路板設計及製程
圖2A繪示設計及製造印刷電路板的現有流程2000A之示例。現有的印刷電路板設計及製造技術可能會需要多個步驟,這些步驟包含設計印刷電路板201、修改印刷電路板設計202、製造印刷電路板203及測試印刷電路板204。舉例來說,印刷電路板設計者可根據他們本身的知識及最佳判斷產生印刷電路板設計,且可指定特定的效能參數(如傳輸線路參數)作為用來設計印刷電路板的目標效能參數。接著,印刷電路板設計者可將印刷電路板設計傳送給印刷電路板製造商。製造商工程師在接收到印刷電路板設計後可分析各個印刷電路板設計,並對印刷電路板設計進行一些修改以達成設計者所指定的目標效能參數。這種修改可根據印刷電路板製造設備如何運作及特定印刷電路板設計的終端產品
將以何種方式呈現的實驗知識所決定。接著,印刷電路板製造商可根據修改過的印刷電路板設計製造出一些印刷電路板產品的樣品。然後,所製造出的印刷電路板樣品可經過電性測試(藉由印刷電路板設計者或印刷電路板製造商),以檢查印刷電路板是否如印刷電路板設計者預期般正常運作。在許多情況中,製造商工程師對印刷電路板設計進行的修改或/及製程中的其他影響因素(如製造設備變化或偏差誤差)可能會使印刷電路板終端產品非如設計者所預期。舉例來說,所製造出的印刷電路板產品的效能參數可能相異於印刷電路板設計者所指定的效能參數,因而使得印刷電路板產品無法如印刷電路板設計者所預期般正常運作。在這些情況中,印刷電路板設計者可能會需要根據來自製造商工程師的回饋資訊及電性測試結果來重新產生印刷電路板設計,並重新傳送新的印刷電路板設計給製造商以重複上述的流程。此流程包含設計印刷電路板201、修改印刷電路板設計202、製造印刷電路板,及測試印刷電路板並可能需要重複進行許多次且可能會消耗較多的時間與資源。此外,若係由不同的製造商之工程師對印刷電路板設計進行多種修改,則這些修改可能會不同。
用於印刷電路板設計自動校正的專業系統
使用自動校正的印刷電路板設計之架構
圖2B繪示在印刷電路板設計接電根據自動校正設計及製造印刷電路板的架構2000B之示例。於特定的實施例中,架構2000B可包含印刷電路板設計工具218及專業系統,其中專
業系統包含一或多個機器學習模型217或/及一或多個規則式演算法219。於特定的實施例中,印刷電路板設計工具218及專業系統212可被整合為整合式印刷電路板設計工具210。於特定的實施例中,印刷電路板設計工具218及專業系統212可為獨立的系統或是彼此協調作業的軟體。印刷電路板設計者可藉由下列程序使用印刷電路板設計工具218來產生印刷電路板:產生印刷電路板設計示意圖;界定印刷電路板的佈局(如導體線路的位置及方向)及尺寸(如線路寬度、長度、厚度);以及指定印刷電路板效能參數(如發送線路參數、電容值、電感值、電阻值、運作頻率範圍、訊號電壓及電流位準等等)。在產生印刷電路板設計之後且在印刷電路板設計被傳送給印刷電路板製造商以進行製造(如製程214)之前,系統可將所產生的印刷電路板設計傳送給專業系統212以進行分析。專業系統212可使用機器學習模型217或/及規則式演算法219來自動分析印刷電路板設計並對印刷電路板設計產生一或多個自動校正213(或稱為修改)。可根據機器學習模型推論結果或/及用於校正印刷電路板設計的一或多個規則對印刷電路板設計產生自動校正213(或修改)。機器學習模型217可預先被訓練以辨識出印刷電路板設計及相對應的印刷電路板終端產品之間的關係,並根據所辨識出的關係產生校正。規則式演算法219中的規則可根據製造商工程師的實驗知識產生或/及更新,且可被用來產生印刷電路板校正,此校正與製造商工程師以相似或相同的方式修改印刷電路板設計。於特定的實施例中,系統可在印刷電路
板設計被傳送給製造商之前根據自動校正213自動校正或修改印刷電路板設計。於特定的實施例中,系統可根據專業系統212所產生的自動校正傳送一或多個校正建議給印刷電路板設計者或專業系統的使用者,以使印刷電路板設計者或專業系統的使用者能根據校正建議在設計階段修改印刷電路板設計。印刷電路板設計一旦於設計階段經過校正,便可被傳送給印刷電路板製造商以進行製程214。校正過的印刷電路板設計可使印刷電路板終端產品能滿足印刷電路板設計者所預期的效能規格。在推出(ship)給消費者之前,所製造出的印刷電路板產品可於印刷電路板測試流程215中進行測試。
根據人的知識訓練的機器學習模型
圖3A繪示使用人力校正流程產生的印刷電路板訓練樣本來訓練機器學習模型的示例性流程3000A。於特定的實施例中,用於校正印刷電路板設計的專業系統(如圖2B中的專業系統212)可用於為印刷電路板設計產生自動校正而包含人工智慧(artificial intelligence,AI)演算法或/及機器學習模型。專業系統可使用人工智慧演算法及機器學習模型分析印刷電路板設計,並根據人工智慧演算法及機器學習模型的分析結果對設計自動產生校正。專業系統例如但不以此為限地可包含一或多個機器學習模型,以捕捉製造商工程師的實驗知識(或任何相關的知識)並根據捕捉至機器學習模型中的實驗知識產生自動校正。為了產生印刷電路板設計訓練樣本313,可由製造商工程師根據他們的實驗知
識來於人力校正流程312中對數個印刷電路板設計311進行校正。於特定的實施例中,印刷電路板設計訓練樣本313可為製造商工程師為了製造印刷電路板而在先前已經校正的印刷電路板設計。印刷電路板設計訓練樣本313可包含印刷電路板設計301及用於這些印刷電路板設計的相對應的人力校正302。在訓練過程中,系統可將印刷電路板設計301饋送給機器學習模型314,且機器學習模型314可根據當下的機器學習模組參數(如權重值)輸出相對應的預測校正312。接著,系統可將對應於輸入的印刷電路板設計301之人力校正302以及對應於同個輸入的印刷電路板設計301之預測校正315傳送給誤差函數316(或稱為損失函數)。誤差函數316可比較預測校正315及相對應的人力校正302並判斷預測校正315及人力校正302之間的差異。誤差函數316可將比較結果傳送給最佳化演算法317(如梯度坡降演算法)。最佳化演算法317可使用數學最佳化流程來決定機器學習模型參數,這種數學最佳化流程能將誤差函數316判斷之預測校正315及相對應的人力校正302之間的差異最小化。最佳化演算法317可將最佳化結果傳送給機器學習模型314,且機器學習模型314可據此調整相對應的參數(如權重)。具有經過調整的參數(如權重)之機器學習模型314可輸出後續較接近於製造商工程師所進行的人力校正之預測校正。機器學習模型314的訓練流程可重複進行直到機器學習模型314產生的預測校正315匹配於相應的人力校正(如位於預設相似範圍內)。因此,由人力校正流程所產生的訓練樣本訓練之
機器學習模型314可捕捉製造商工程師的知識(如實驗知識、理論知識或任何相關的知識)並產生自動校正,其中此自動校正與製造商工程師以相似或相同的方式校正或修改印刷電路板設計。
實驗知識及印刷電路板計量資訊
於特定的實施例中,專業系統(如圖2B中的專業系統212)可根據機器學習模型217或/及規則式演算法219中捕捉的人的知識(如製造商工程師的實驗知識或/及理論知識)為印刷電路板設計產生自動校正。舉例來說,系統可使用由製造商工程師根據他們的知識校正的印刷電路板設計作為訓練機器學習模組的訓練樣本,或為印刷電路板設計產生校正規則。製造商工程師的知識可包含相關於對特定的印刷電路板設計來說印刷電路板終端產品如何無法如印刷電路板設計者所預期之知識。然而,在沒有實際印刷電路板產品的實際計量資訊(如層體厚度及距離、線路尺寸)的情況下,製造商工程師可能無法清楚地理解為何對特定的印刷電路板設計來說,印刷電路板終端產品無法如印刷電路板設計者之預期。舉例來說,當印刷電路板產品沒有如印刷電路板設計者預期般正常運作,製造商工程師可(例如使用電性測試)辨識出印刷電路板產品中電容值不滿足規格需求的出錯電容器,但可能無法清楚地知道為何該電容值沒有位於正確的範圍中。為了判斷該電容值沒有位於正確的範圍中之根本原因,製造商工程師可能需要知道印刷電路板產品的實際計量資訊(如印刷電路板的線路之實際實體佈局)。
於特定的實施例中,X射線檢驗系統可檢驗數個所製造出的印刷電路板樣本或印刷電路板產品以量測這些印刷電路板的計量資訊。藉由根據X射線檢驗資料量測印刷電路板產品之計量資訊,系統不僅可判斷印刷電路板產品如何無法如設計者所預期,也可判斷印刷電路板產品無法如設計者所預期之根本原因。於特定的實施例中,系統可根據X射線檢驗資料(如印刷電路板計量資訊)校正印刷電路板設計,並產生印刷電路板設計訓練樣本以訓練機器學習模型(或產生印刷電路板校正規則)。相較於僅根據實驗知識產生的校正來說,具有根據X射線檢驗資料訓練的機器學習模型(或根據X射線檢驗資料產生的印刷電路板校正規則)之專業系統可產生較具體及精準的印刷電路板設計校正,因而能較有效且透徹地校正印刷電路板設計。舉例來說,在印刷電路板產品因電容值沒有位於正常的範圍內之出錯電容器而沒有如印刷電路板設計者所預期般正常運作的時候。系統可比較根據X射線檢驗決定之印刷電路板計量資訊及相對應的印刷電路板設計,以找出電容值沒有位於正常範圍內之根本原因(如相關於此電容器的電性線路之寬度超出預設需求範圍)。
根據X射線檢驗資料訓練的機器學習模型
圖3B繪示使用基於X射線檢驗資料產生的印刷電路板訓練樣本來訓練機器學習模型的示例性流程3000B。於特定的實施例中,用於為印刷電路板設計產生自動校正(或修改)之專業系統(如圖2B中的專業系統212)可包含一或多個機器學習模型。可使用根據X射線
檢驗資料產生的訓練樣本來訓練機器學習模型。X射線檢驗系統322例如但並不以此為限地可檢驗數個印刷電路板產品321以決定印刷電路板產品的計量資訊(如尺寸),並將X射線檢驗資料(如X射線影像、計量資訊)儲存在資料庫中。印刷電路板X射線檢驗資料323及相對應的印刷電路板設計可於印刷電路板校正流程349中被處理(例如藉由印刷電路板校正演算法或工程師處理),以產生印刷電路板設計訓練樣本325。印刷電路板設計訓練樣本325可包含數個印刷電路板設計及相對應的校正,其中校正係根據X射線檢驗資料所產生。在訓練機器學習模型326的過程中,系統可饋送印刷電路板設計307給機器學習模型326,且機器學習模型326可根據當下機器學習模型參數(如權重)輸出相對應的預測校正327。系統可傳送對應於相同印刷電路板設計之X射線檢驗校正309及預測校正327給誤差函數328(也可能為損失函數)。誤差函數328可比較預測校正327及相對應的X射線檢驗校正309,並判斷預測校正327及X射線檢驗校正309之間的差異。誤差函數328可傳送比較結果給最佳化演算法329(如梯度坡降演算法)。最佳化演算法329可使用數學最佳化流程調整機器學習模型參數,以使誤差函數328判斷之預測校正327與相對應的X射線檢驗校正309之間的差異最小化。最佳化演算法329可傳送最佳化結果給機器學習模型326,且機器學習模型326可據此調整相對應的參數(如權重)。參數(如權重)調整過的機器學習模型326可輸出後續較接近於X射線檢驗校正309之預測校正。可重複進行機器學習模型326的訓練過程直到機器學習模型所輸出的預測校正327匹配於基於X射線檢驗資料
之對應校正(如位於預設相似範圍內)。
根據X射線檢驗資料及人的知識訓練之機器學習模型
圖3C繪示使用基於X射線檢驗資料及人的知識產生的印刷電路板訓練樣本來訓練機器學習模型的示例性流程3000C。於特定的實施例中,用於為印刷電路板設計產生自動校正或修改的專業系統(如圖2B中的專業系統212)可包含用於為印刷電路板設計產生自動校正的一或多個機器學習模型。可使用一併根據X射線檢驗資料及人的知識(如製造商工程師的實驗知識)產生的訓練樣本訓練機器學習模型。X射線檢驗系統332例如但不以此為限地可檢驗數個印刷電路板產品331以決定印刷電路板產品的計量資訊(如尺寸)並將X射線檢驗資料333(如X射線影像、計量資訊)儲存在資料庫中。對應於經檢驗的印刷電路板產品331之印刷電路板設計334可於人力分析流程335中由製造商工程師分析。印刷電路板設計訓練樣本336可根據下列資料產生:(1)工程師基於他們的實驗知識得到的人力分析結果以及(2)儲存在資料庫中的X射線檢驗資料333。印刷電路板設計例如但不以此為限地可首先於人力分析流程335中由製造商工程師校正。製造商工程師產生的人力校正可進一步根據印刷電路板計量資訊調整或修改(例如藉由校正演算法或工程師),藉以產生印刷電路板設計訓練樣本336,其中印刷電路板計量資訊係根據X射線檢驗資料所決定。於另一示例中,印刷電路板設計可首先由基於X射線檢
驗資料之校正演算法校正。接著,根據X射線檢驗資料產生的校正可藉由工程師根據實驗知識進一步調整,藉以產生印刷電路板設計訓練樣本336。
於特定的實施例中,印刷電路板設計訓練樣本336可包含數個印刷電路板設計,這些印刷電路板設計具有的目標校正係一並根據X射線檢驗資料及工程師的實驗知識所產生。在訓練機器學習模型337的過程中,系統可饋送印刷電路板設計343給機器學習模型337,且機器學習模型337可根據當下機器學習模型參數(如權重)輸出相對應的預測校正338。系統可傳送對應於相同印刷電路板之目標校正342及預測校正338給誤差函數339(也可稱為損失函數。誤差函數339可比較預測校正338及相對應的目標校正342並判斷預測校正338及相對應的目標校正342之間的差異。誤差函數339可傳送比較結果給最佳化演算法341(如梯度坡降演算法)。最佳化演算法341可使用數學最佳化流程尋找能最小化預測校正338及相對應的目標校正342之間由誤差函數339判斷的差異的機器學習模型參數。最佳化演算法341可傳送最佳化結果給機器學習模型337,且機器學習模型337可據此調整相對應的機器學習模型參數(如權重)。參數(如權重)調整過的機器學習模型337可輸出後續較相似於目標校正342之預測校正。可重複進行機器學習模型337的訓練過程直到機器學習模型產生的預測校正338匹配於相對應的目標校正(如位於預設的相似範圍內)。
規則式演算法
於特定的實施例中,專業系統(如圖2B中的專業系統212)可為了產生印刷電路板設計校正而包含規則式演算法(如規則式演算法219)。規則式演算法可包含數個印刷電路板校正規則,這些印刷電路板校正規則係根據工程師的知識(如實驗知識、理論知識或任何其他相關於印刷電路板設計及製程的知識)或/及根據X射線檢驗資料決定的印刷電路板計量資訊所產生。於特定的實施例中,某些印刷電路板校正規則可相關於一或多個印刷電路板參數,這些印刷電路板參數例如但不限於包含訊號發送速度、資料發送速率、數個層體、印刷電路板佈局、導體線路的設計圖案、層體厚度、層體厚度變化趨勢、阻抗、阻抗變化等等。於特定的實施例中,印刷電路板設計的自動校正可至少部分根據規則式演算法的一或多個印刷電路板校正規則所產生。於特定的實施例中,印刷電路板設計的自動校正可根據一或多個印刷電路板校正規則及機器學習模型參考結果之結合所產生。於特定的實施例中,印刷電路板校正規則可由工程師(如製造商工程師、專業系統工程師、專業系統的使用者、印刷電路板設計工具的使用者)所決定且可由工程師(如製造商工程師、專業系統工程師、專業系統的使用者、印刷電路板設計工具的使用者)根據後續得到的知識(如新的實驗知識、新的X射線檢驗資料、新的理論知識)進行更新。於特定的實施例中,專業系統的一或多個印刷電路板校正規則可根據人力校正印刷電路板設計訓練樣本並且藉由人工智慧演算法或/及機器學習模型所產生。於特定的實施例中,專業系統的一或多個印刷電路板校正規則可根據基
於X射線檢驗資料產生的印刷電路板設計校正樣本並且藉由人工智慧演算法或/及機器學習模型所產生。於特定的實施例中,專業系統的一或多個印刷電路板校正規則可根據後續得到的資訊(如工程師校正的新印刷電路板設計、新的X射線檢驗資料)並且藉由人工智慧演算法或機器學習模型來更新(如添加新的規則或修改現有的規則)。於特定的實施例中,專業系統的一或多個印刷電路板校正規則可使用根據新學習資料或訓練資料之深度學習並且藉由人工智慧演算法或機器學習模型來更新(如添加新的規則或修改現有的規則)。於特定的實施例中,專業系統的印刷電路板校正規則可根據來自專業系統的使用者之回饋訊息或基於後續的X射線檢驗資料所決定的印刷電路板計量資訊來更新(如添加新的規則或修改現有的規則)。
為每一製造商個人化機器學習模型或規則式演算法
於特定的實施例中,專業系統可包含根據相關特性、特徵或量值(如製造商、印刷電路板類型、製造設備、印刷電路板運作頻率範圍、層體數量、應用類型等等)客製化的一或多個機器學習模型或/及規則式演算法。各個製造商例如但不以此為限地可具有使用不同參數變化的不同製造設備,而可對如何微調印刷電路板設計以達到印刷電路板設計者所指定的目標效能參數有不同的需求。專業系統可包含使用訓練樣本訓練的一或多個機器學習模型,其中訓練樣本是根據此特定製造商的製造商工程師之知識或來自此特定製造商的印刷電路板產品的印刷電路板檢驗資料所產生。規則式演算法可包含根據此特定製造商的製造商工程師之
知識所產生的一或多個規則。各個印刷電路板類型例如但不以此為限地(如用於高頻應用的印刷電路板、用於低頻應用的印刷電路板、多層的印刷電路板、單層的印刷電路板)可對應如何將印刷電路板設計或修改成達到目標效能參數有不同的需求。專業系統可包含使用此特定印刷電路板類型的訓練樣本訓練的一或多個機器學習模型。規則式演算法可包含根據此特定印刷電路板類型的設計需求產生的一或多個規則。
X射線檢驗及印刷電路板計量學
印刷電路板上的X射線檢驗
於特定的實施例中,X射線檢驗系統可用來檢驗印刷電路板樣本或產品,並根據X射線檢驗系統產生的X射線影像量測相對應的印刷電路板計量資訊。於特定的實施例中,X射線檢驗系統可檢驗根據特定的印刷電路板設計所製造的各個印刷電路板產品,以確保所製造出的印刷電路板符合印刷電路板設計者所設定的規格。於特定的實施例中,X射線檢驗系統可檢驗由特定製造商根據特定印刷電路板設計製造的各個印刷電路板產品。於特定的實施例中,X射線檢驗系統可檢驗同批產品中由特定製造商根據特定印刷電路板設計製造的各個印刷電路板產品。於特定的實施例中,X射線檢驗系統可檢驗從製造出的印刷電路板中選擇的代表性的印刷電路板樣本(如每10個印刷電路板挑1個、每100個印刷電路板挑1個、每1000個印刷電路板挑1個等等)。於特定的實施例中,X射線檢驗系統可檢驗特定種類的印刷電路
板樣本或產品(如於電性測試中失效的印刷電路板、通過電性測試的印刷電路板、在電性測試中不穩定的印刷電路板)。系統可為受到檢驗的印刷電路板產生數個X射線影像,且可根據X射線影像決定受到檢驗的印刷電路板的計量資訊(如層體厚度、層體距離、導體線路尺寸,包含長度、寬度、厚度、角落半徑等等)。
印刷電路板的X射線上視影像
於特定的實施例中,X射線檢驗系統可根據單一X射線上視影像(或單一X射線下視影像)來檢驗製造出的印刷電路板樣本或產品。系統可根據單一上視影像在相對印刷電路板表面的正交方向或水平方向上決定受檢驗之印刷電路板中的一或多個感興趣元件(如導體線路、印刷電路板層體、電鍍通孔等等)的導體材料厚度。舉例來說,對於正交方向來說,系統可根據X射線吸收量的變化決定導體材料厚度,其中X射線吸收量係由影像灰階值的變化來表示。系統可根據單一的上視影像中的一或多個特徵(如邊緣、外形、梯度、趨勢、灰階值等等)來使用電腦視覺(computer vision)及電腦分析技術決定材料厚度分佈(如相關重要元件的輪廓或外形)。於特定的實施例中,系統可使用灰階值的變化來決定導體線路在相對印刷電路板平面的正交方向或平行方向中的佈局。舉例來說,系統可使用由歷史資料訓練的機器學習模型來辨認及定位X射線影像中的一或多個感興趣元件,且將感興趣元件隔離於X射線影像中其他的干擾元件(如可能會重疊或交會於感興趣元件的同層或其他層的元件),並根據單一的上視影像決定相關於感興趣元件(如導體線路、印刷電路板層體、電鍍通孔等等)的印刷電路
板計量資訊(如線路長度、寬度、厚度、線路之間的距離、層體厚度、層體距離等等)。
來自不同方向的多個X射線影像
於特定的實施例中,系統可從不同的角度為受檢驗的印刷電路板產生好幾個X射線影像。舉例來說,系統可為受檢驗的印刷電路板捕捉上視X射線影像,並從相對印刷電路板表面為傾斜的角度為受檢驗的印刷電路板產生第二X射線影像。系統可使用來自不同角度的X射線影像以決定相關於受檢驗的印刷電路板之一或多個特徵(如多個層體的堆疊次序)及參數(如導體材料厚度、外形、距離、相對位置、輪廓變化、梯度等等)。系統可使用電腦視覺及電腦分析技術來處理上視影像及從其他角度產生的影像,藉以決定印刷電路板的多個層體之堆疊次序並於相對印刷電路板表面的正交方向、平行方向或任何合適的方向中計算這些層體之間的距離。在傾斜方向的角度為已知的情況下,系統可決定沿正交於印刷電路板的軸線之計量資訊、感興趣元件的相對位移及/或於相對印刷電路板表面的正交方向、平行方向或任何合適的方向中多個感興趣元件之間的距離。
於特定的實施例中,X射線檢驗系統可根據單一的上視X射線影像或從不同角度捕捉的好幾個X射線影像來量測印刷電路板計量資訊。由於無須像傳統的電腦斷層掃描(Computed Tomography,CT)系統一樣需要大量的斷層影像(slice image),因此X射線檢驗系統可以高速量測相對印刷電路板表面的正交方向、
側向方向或三維空間中任何合適的方向中的印刷電路板計量資訊,進而使印刷電路板製造商能監控及控制(如現場或是於產線上)印刷電路板製程以大幅降低缺陷率。對於需要篩檢數百或數千個印刷電路板產品的應用來說,X射線檢驗系統可大幅降低檢驗時間(如每個印刷電路板樣本從花數小時降低至花少許幾秒),進而提升檢驗流程的速度。舉例來說,X射線檢驗系統可能需要花少許幾秒或更少的時間來產生單一的影像進而進行檢驗,而傳統的電腦斷層掃描系統可能需要花好幾小時來產生用於剖面影像之X射線影像。於特定的實施例中,相較於傳統的電腦斷層掃描系統來說,X射線檢驗系統至少可用100倍快的速度產生X射線影像且檢驗演算法(如機器學習模型)至少可用1000倍快的速度檢驗樣本。於特定的實施例中,相較於傳統的電腦斷層掃描系統能檢驗的印刷電路板來說,X射線檢驗系統能檢驗的印刷電路板可具有較大之尺寸。於特定的實施例中,X射線檢驗系統可具有檢驗(例如以每分鐘2英寸乘2英寸之檢驗量)印刷電路板中每一個感興趣元件(如片層體、導體線路、電鍍通孔)之能力。
印刷電路板計量資訊
於特定的實施例中,X射線檢驗系統可檢驗數個印刷電路板產品以決定受到檢驗的印刷電路板產品之計量資訊。於特定的實施例中,根據X射線檢驗決定的印刷電路板計量資訊可包含相關於受檢驗的印刷電路板之一或多個尺寸,這種尺寸例如但不限於包含層體厚度、多個印刷電路板層體之間的距離、導體
線路佈局、線路寬度、線路長度、線路厚度、線路路徑半徑、線路角落半徑、多個導體線路之間的距離、基板的厚度、電鍍通孔的位置、相關於電鍍通孔的尺寸(如通孔直徑、墊部直徑、通孔深度、外形、大小、輪廓等等)等等。於特定的實施例中,根據X射線檢驗決定的印刷電路板計量資訊可更包含兩個感興趣元件之間的距離。感興趣元件例如但不限於包含印刷電路板層體、導體線路、電鍍通孔、裸晶、基板等等。於特定的實施例中,這種距離可沿垂直方向、側向方向、Z軸方向或三維空間中的任一方向來量測。於特定的實施例中,量測到的計量資訊例如但不限於可更包含一或多個量測到的尺寸之變化。
資料庫及印刷電路板模型
於特定的實施例中,系統可將X射線檢驗資料(如X射線影像、印刷電路板計量資訊)儲存在資料庫中,資料庫例如為作業資料庫(operational database,ODB)、相關性資料庫(relational database)或任何合適的資料庫。於特定的實施例中,X射線檢驗系統可檢驗數個印刷電路板以量測印刷電路板計量資訊(如與印刷電路板相關的尺寸)。於特定的實施例中,X射線檢驗系統可在印刷電路板上的數個預設位置檢驗印刷電路板,藉以在這些預設位置量測印刷電路板計量資訊。X射線檢驗系統可根據對在這些位置量測到的計量資訊進行內插,而決定相關於印刷電路板的其他位置之印刷電路板計量資訊。於特定的實施例中,X射線檢驗系統可根據量測到的印刷電路板計量資訊為受檢驗的印刷電路板
產生印刷電路板模型(如三圍模型)。於特定的實施例中,X射線檢驗系統可為根據特定印刷電路板設計製造的印刷電路板產生印刷電路板模型(如三維模型)。舉例來說,X射線檢驗系統可檢驗根據特定印刷電路板設計製造的數個代表性印刷電路板樣本,以藉由對受檢驗的代表性印刷電路板樣本取平均而產生印刷電路板模型。於特定的實施例中,X射線檢驗系統可為根據特定印刷電路板設計由特定製造商所製造的印刷電路板產生印刷電路板模型(如三維模型)。舉例來說,X射線檢驗系統可藉由對受檢驗的代表性印刷電路板樣本取平均來檢驗數個代表性印刷電路板樣本以產生印刷電路板模型,其中這些代表性印刷電路板樣本根據該特定的印刷電路板設計由該特定的製造商製造。於特定的實施例中,印刷電路板模型(如三維模型)可由工程師(如製造商工程師、專業系統工程師、印刷電路板設計工具的使用者或X射線檢驗系統的使用者)來產生及更新。於特定的實施例中,印刷電路板模型(如三維模型)可藉由X射線檢驗系統並使用人工智慧演算法或/及機器學習模型來自動產生及更新。於特定的實施例中,資料庫可被儲存於X射線系統的區域性(local)儲存空間或雲端取向遠端伺服器(cloud-based remote server)中。
比較印刷電路板及印刷電路板設計
確認印刷電路板參數
於特定的實施例中,X射線檢驗系統可被用來檢驗製造出的印刷電路板樣本或印刷電路板產品,以確認製造出的印
刷電路板之參數(如層體厚度、層體距離、導體線路尺寸等等)位於印刷電路板設計者所指定的規格範圍內。於特定的實施例中,系統可決定製造出的印刷電路板之計量資訊(如計量學參數量值),並比較此計量資訊及印刷電路板設計中指定的相對應之規格資訊(如預設範圍)。舉例來說,系統根據X射線檢驗資料決定兩個導體線路之間的距離為50微米(micron)。系統可比較量測到的50微米之距離以及相對應的45±7微米之預設範圍,其中此預設範圍用於印刷電路板設計者所指定的此特定距離參數。系統可決定此距離參數滿足對應於此預設範圍的規範(criteria)。於另一示例中,系統可根據X射線檢驗資料決定兩個導體線路之間的距離為60微米。系統可比較量測到的60微米之距離以及相對應的45±7微米的預設範圍,其中此預設範圍用於印刷電路板設計者所指定的此特定距離參數。系統可決定此距離參數無法滿足對應於此預設範圍的規範。
電性參數的系統誤差
圖4A繪示用於決定印刷電路板電性參數相對所對應的印刷電路板設計之誤差的示例性流程4000A。於特定的實施例中,系統可對製造出的印刷電路板進行電性測試(如使用電性測試設備)以量測印刷電路板的電性參數(如阻抗參數、電感值、電容值、電阻值、運作頻率、衰減等等)。系統可比較量測到的電性參數及印刷電路板設計者所指定的相對應之目標參數範圍。藉由比較量測到的實際印刷電路板樣本之電性參數以及印刷電路板設計者所指定的目標範圍,系統可
辨識出所製造的印刷電路板中的電性參數相對於相對應的印刷電路板設計之系統誤差411(或稱為差異)及非系統誤差412(或稱為差異)(如隨機誤差)。於特定的實施例中,系統可根據所述誤差相對時間來說較為一致(如在預設臨界範圍內)且於多個印刷電路板之間較為一致(如在預設範圍內)的判斷結果,而辨識出系統誤差(如參數偏差)。於特定的實施例中,系統可根據所述誤差相關於能一致地預測之指標性特徵或可辨認之趨勢的判斷結果,而辨識出系統誤差。系統例如但不以此為限地為特定的電容參數辨識出量測到的實際印刷電路板的電容值大於(如對於差值或差異範圍來說)印刷電路板設計者所設定的目標值,且這種情況存在於已經被測試的數個印刷電路板樣本中。系統可判斷出該特定電容參數的系統正向偏差。對於特定的電感參數,系統例如但不以此為限辨識出量測到的實際印刷電路板的電感值低於(如對於差值或差異範圍來說)印刷電路板設計者所設定的目標值,且這種情況存在於已經被測試的數個印刷電路板樣本中。系統可判斷出該特定電感參數的系統負向偏差。於另一示例中,系統可辨識出為了特定運作速度而設計的傳輸線路之阻抗參數,且此阻抗參數因為片層體隨著特定的變化趨勢所產生的間隔變化而落於預設目標範圍之外。系統可根據片層體的間隔變化趨勢判斷出阻抗參數的系統誤差
造成電性參數的誤差之根本原因
於特定的實施例中,系統可使用印刷電路板X射線檢驗資料413(如X射線影像、計量資訊等等)來判斷電性參數的系統誤差411之根本原因414。接著,系統可根據辨識出的電性
參數之系統誤差411之根本原因414來決定一或多個印刷電路板校正規則416。印刷電路板校正規則可為了校正印刷電路板設計而被使用於專業系統的規則取向印刷電路板校正演算法中。印刷電路板設計例如但不以此為限地可具有需要具有印刷電路板規格所指定的特定阻抗參數之發送線路。可根據印刷電路板製造一或多個印刷電路板樣本。接著,可對印刷電路板樣本進行電性測試以量測此發送線路的阻抗參數。量測到的阻抗可與相對應的目標範圍(印刷電路板設計及規則中所指定)進行比較,藉以判斷阻抗參數是否符合對應於目標範圍的預設規範。於某些情況中,印刷電路板樣本中的該發送線路之阻抗參數可能會落入預設的目標範圍內並滿足預設規範。於某些其他情況中,相關於該發送線路的阻抗之一或多個參數可能會落入預設目標範圍之外,並無法滿足相對應的預設規範。X射線檢驗系統可檢驗印刷電路板樣本以量測它們的計量資訊。包含印刷電路板計量資訊之印刷電路板X射線檢驗資料413可與相對應的印刷電路板設計進行比較,藉以辨識出這些參數落入預設目標範圍之外的根本原因。舉例來說,不符合規範的發送線路的導體線路之寬度可能會超過相對應的目標範圍,且使得該發送線路的阻抗參數落入目標範圍之外。
計量學參數的系統誤差
圖4B繪示用於決定印刷電路板計量學參數相對所對應的印刷電路板設計之誤差的示例性流程4000B。於特定的實施例中,系統可使用X射線檢驗製造出的印刷電路板,並比較這些印刷電路板
的印刷電路板X射線檢驗資料413及相對應的印刷電路板設計402,其中相對應的印刷電路板設計402具有印刷電路板設計者所指定的相對應的規格。藉由比較實際印刷電路板樣本或產品及印刷電路板設計者所預期的態樣,系統可辨識出所製造的印刷電路板的計量學參數相對於相對應的印刷電路板設計之系統誤差421(或稱為差異)及非系統誤差422(或稱為差異)(如隨機誤差)。於特定的實施例中,系統可根據所述誤差相對時間來說較為一致(如在預設範圍內)且於多個印刷電路板之間較為一致(如在預設範圍內)的判斷結果,而辨識出系統誤差(如參數偏差)。於特定的實施例中,系統可根據所述誤差相關於能一致地預測之指標性特徵或可辨認的趨勢的判斷結果,而辨識出系統誤差。於特定的實施例中,系統誤差可取決於印刷電路板設計。於特定的實施例中,系統誤差可取決於製造工具。
系統例如但不以此為限地可辨識出的導體線路的寬度大於(如對於差值或差異範圍來說)印刷電路板設計所指定的目標寬度,且這種情況存在於數個受到檢驗的印刷電路板中。系統可判斷出該導體線路的寬度的正向偏差。系統例如但不以此為限地可辨識出的導體線路路徑的角落半徑大於(如對於差值或差異範圍來說)印刷電路板設計所指定的目標角落半徑,且這種情況存在於數個受到檢驗的印刷電路板中。系統可判斷出該導體線路路徑的角落半徑的正向偏差。於特定的實施例中,系統可根據辨識出的計量學參數之系統誤差421決定一或多個印刷電路板校正規則416,且這些印刷電路板校正規則可為了校正印刷電路板設計
而被使用於專業系統的規則式演算法中。於特定的實施例中,系統可根據受到檢驗的印刷電路板的計量學參數及相對應的印刷電路板設計之間的差異來產生數個印刷電路板校正訓練樣本423。印刷電路板校正訓練樣本423可為了根據機器學習模型推論校正印刷電路板設計而被用來訓練專業系統的機器學習模型。於特定的實施例中,專業系統可使用機器學習模型或/及規則式演算法中的規則來捕捉製造商工程師的知識(如規則、實驗知識)以及根據比較實際印刷電路板及相對應的印刷電路板設計所學習到的知識。
非系統誤差
如圖4A所示,於特定的實施例中,系統可辨識出印刷電路板的電性參數相對相對應的目標值之非系統誤差412(如隨機誤差)。系統可分析(如使用機器學習模型)這些非系統誤差412以及相對應的印刷電路板X射線檢驗資料413,以辨識出相關於這些非系統誤差的一或多個圖案(pattern)。接著,系統可根據辨識出的圖案415決定一或多個印刷電路板校正規則416。如圖4B所示,於特定的實施例中,系統可辨識出印刷電路板的計量學參數相對相對應的目標值之非系統誤差422(如隨機誤差)。系統可分析(例如使用機器學習模型)這些非系統誤差422以辨識出相關於這些非系統誤差的一或多個圖案425。接著,系統可根據辨識出的圖案425決定一或多個印刷電路板校正規則416。
於特定的實施例中,計量學參數或電性參數的非系統誤差可由相關於印刷電路板製程或製造設備之一或多個因素所
導致。舉例來說,非系統誤差可包含設備參數偏差所導致的印刷電路板參數偏差。於另一示例中,非系統誤差可包含製程或製造設備的隨機變化(如黏著劑的隨機移動)所導致的隨機誤差(如同層體之間的對齊)。於另一示例中,非系統誤差可包含非隨機誤差(如不同層體之間的對齊),此非隨機誤差具有製程或製造設備的非隨機變化(如黏著劑從具有較多銅的區域移動到具有較少銅的區域)所導致的某些趨勢或特徵。於另一示例中,非系統誤差可包含沒有良好控制的材料特性所導致的隨機誤差。
自動校正
於特定的實施例中,如圖2B所示,專業系統可接收印刷電路板設計(例如從印刷電路板設計工具)且可分析印刷電路板設計以為該印刷電路板設計產生一或多個自動校正。於特定的實施例中,自動校正可相關於如印刷電路板的層體厚度變化之因素所導致的阻抗變化。於特定的實施例中,自動校正可包含對印刷電路板設計進行修改,以將印刷電路板的阻抗調整為獨立於印刷電路板上的位置。於特定的實施例中,印刷電路板的發送線路阻抗例如但不以此為限地可被調整為47.5歐姆(Ohm)的目標阻抗。於特定的實施例中,印刷電路板的發送線路阻抗例如但不以此為限地可被調整為100Ohms的目標阻抗。於特定的實施例中,自動校正可包含對一或多個參數進行調整,此參數例如但不限於包含金屬臂或導體線路的寬度、金屬臂或導體線路的長度、導體線路的區域性厚度、多個導體線路之間的距離、導體線路表面的粗
糙度、片層體厚度、多個層體之間的距離或間隔、導體線路路徑的角落半徑、電鍍通孔的位置、相關於電鍍通孔的尺寸等等。於特定的實施例中,自動校正可包含對導體線路的參數進行調整,藉以根據層體厚度變化調整阻抗。於特定的實施例中,印刷電路板的阻抗可由電阻部或用於調整該阻抗的可調式旋鈕(knob)部來調整。於特定的實施例中,印刷電路板的阻抗可根據印刷電路板的拓樸圖(topology map)來調整。
給印刷電路板設計的反饋及對流程控制的前饋(Feedforward)
給印刷電路板設計的直接反饋
於特定的實施例中,系統可使用X射線檢驗一或多個製造出的印刷電路板,並比較一或多個印刷電路板的X射線檢驗資料以及相對應的印刷電路板設計,其中這些印刷電路板係從相對應的印刷電路板設計所製造。藉由比較真實印刷電路板以及相對應的印刷電路板設計,系統可辨識出製造出的印刷電路板之計量學參數相對相對應的印刷電路板設計及參數規格的誤差或差異。於特定的實施例中,系統可辨識出印刷電路板及相對應的印刷電路板設計之間的誤差或差異,其中印刷電路板設計相關於一或多個參數,且此參數例如但不限於包含導體線路或金屬臂的寬度、金屬臂或導體線路的長度、導體線路的區域性厚度、多個導體線路之間的距離、導體線路表面的粗糙度、片層體厚度、多個層體之間的距離或間隔、導體線路路徑的角落半徑、電鍍通孔的
位置、相關於電鍍通孔的尺寸等等。於特定的實施例中,系統可根據辨識出的製造出的印刷電路板之計量學參數相對於相對應的印刷電路板設計及參數規格之誤差或差異,為該特定的印刷電路板設計產生一或多個校正。系統可提供所產生的校正給印刷電路板設計工具或/及印刷電路板設計者以校正該特定的印刷電路板設計。
給製程的前饋
於特定的實施例中,系統可辨識出製程或製造設備中造成印刷電路板及相對應的印刷電路板設計之間的(如系統或非系統性的)誤差或差異的一或多個參數。系統可產生前饋資訊(如指示或/及資料)並傳送前饋資訊給使用於製程中的一或多個相關的製造工具,以使製造工具調整相關的參數。參數經調整的製造工具可降低或消除隨後製造出的印刷電路板及相對應的印刷電路板設計之間的誤差或差異。舉例來說,系統可辨識出相關於印刷電路板製程的對齊參數偏差且可傳送指示及資料(如偏差值)給相關的製造工具以調整對齊參數並使參數不再偏差。於特定的實施例中,所提供的反饋/前饋資訊可使用任何通訊方法來通訊,此通訊方法例如但不限於包含區域網路(如有線網路或無線網路)、電信網路、中繼電腦等等。
示例性方法
圖5繪示用於為印刷電路板的設計自動產生校正的示例性方法5000。此方法開始於步驟510。於步驟510中,計算
系統可獲取將由第一製程生產的印刷電路板的設計資料。於步驟520中,系統可使用機器學習模型分析印刷電路板的設計資料。機器學習模型可根據相關於第一製程的X射線檢驗資料來訓練。於步驟530中,系統可根據機器學習模型做出的分析結果來為印刷電路板的設計資料自動決定出一或多個校正。於特定的實施例中,機器學習模型可使用數個訓練樣本來訓練,其中這些訓練樣本係根據X射線檢驗資料所產生。X射線檢驗資料可相關於由第一製程製造的印刷電路板。於特定的實施例中,可使用數個預先標註(pre-labeled)的訓練樣本來訓練機器學習模型。預先標註的訓練樣本可於人力校正流程中由製造商工程師根據實驗知識所產生。於特定的實施例中,系統可提供用於印刷電路板的設計資料之一或多個校正給設計工具或計算系統的使用者(例如管控專業系統),其中此設計工具用於產生印刷電路板的設計資料。
於特定的實施例中,系統可根據一或多個校正自動修改印刷電路板的設計資料。系統可將印刷電路板修改過的設計資料提供給第一製程。可使用製程根據印刷電路板修改過的設計資料來製造印刷電路板。於特定的實施例中,一或多個校正可調整相關於印刷電路板的阻抗之一或多個參數,藉以將阻抗調整為獨立於印刷電路板中的層體厚度變化。阻抗的此一或多個參數經調整後可獨立於印刷電路板的層體變化。於特定的實施例中,系統可判斷相關於印刷電路板的設計資料及第一製程所製造的印刷電路板之間的差異之根本原因。系統可根據根本原因產生前饋資
訊。系統可將前饋資訊提供給第一製程中使用的製造工具,藉以使製造工具調整相關於此根本原因的一或多個參數。於特定的實施例中,此一或多個校正相關於印刷電路板的一或多個參數,此參數包含下列一或多者:金屬臂或導體線路的寬度、金屬臂或導體線路的長度、導體線路的區域性厚度、多個導體線路之間的距離、導體線路表面的粗糙度、片層體厚度、多個層體之間的距離或間隔、導體線路路徑的角落半徑、電鍍通孔的位置、相關於電鍍通孔的尺寸。於特定的實施例中,系統可使用規則式演算法來分析印刷電路板的設計資料,其中規則式演算法包含多個規則。可更進一步根據規則式演算法中的一或多個規則決定一或多個校正。於特定的實施例中,規則式演算法的一或多個規則可根據相關於製程的預設參數來產生。預設參數可根據相關於製程的製造工程師之實驗知識來決定。於特定的實施例中,規則式演算法的一或多個規則可根據相關於先前製造的印刷電路板之X射線檢驗資料來產生。先前製造的印刷電路板可由第一製程所製造。於特定的實施例中,系統可決定先前設計資料及相對應的先前電路板之間的差異,其中相對應的先前電路板係由第一製程根據先前設計資料所製造。系統可決定相關於先前設計資料及相對應的先前印刷電路板之間的差異之根本原因,其中先前印刷電路板由第一製程製造。可根據根本原因決定規則式演算法的一或多個規則。
雖然以圖5中的特定次序描述及說明本發明之方法的步驟,但也可用任何合適的次序使用本發明於圖5中呈現的方
法之步驟。此外,雖然本發明將用於為印刷電路板的設計自動產生校正的示例性方法描述及繪示為包含圖5中的方法之特定步驟,但只要適當的話,本發明也適用於為印刷電路板的設計自動產生校正且包含任何合適步驟的任何合適的方法,其中合適的步驟可包含圖5中的方法之所有或部分步驟或可不包含圖5中的方法之步驟。此外,雖然本發明描述及說明以特定的元件、裝置或系統執行圖5中的方法之特定步驟,但本發明也適用於以任何合適的元件、裝置或系統之任何合適的結合來執行圖5中的方法之任何合適的步驟。
優點:檢驗速度
本發明的一個明顯優點是可以使用擴增的X射線源,從而增加了用於成像的X射線的可用流通量,這又進一步增加了系統可能的流通量。換句話說,在可移植像素圖格式(PPM)系統獲取單張檢驗影像的時間內,本發明可以獲得超過30萬張相同解析度的影像。
考慮以下與PPM X射線系統的比較,獲得影像的時間取決於X射線的通量:Tacquire=(P# x XP)/Φ,其中P#是像素數量,XP是每個像素的x射線數,以及Φ是X射線的通量。來自一點光源的X射線的通量為:通量=Φ=β x Ω x SA,其中β是點光源的亮度,Ω是角分布(單位為毫弧度平方,mrad2),SA是點光源面積(SA=π r2)。X射線系統點光源的光斑尺寸通常使用ASTM標準SE-1165定義(“Standard Test Method for
Measurement of Focal Spots of Industrial X-ray Tubes by Pinhole Imaging,”ASTM Committee E-7 on Nondestructive Testing,May 15,1992)。
一種典型的X射線源亮度β滿足以下條件:β=108 X射線/秒/平方公釐/毫弧度平方。為了避免自動檢驗中產生視差誤差,PPM X射線系統需以良好的方式實現準直,典型是20毫弧度的發散程度。對於一個點光源滿足下列條件:Ω=(20mrad)2=400mrad2,以及光源光斑直徑d滿足下列條件:d=2r=1μm=10-3mm,可以由下列計算得到通量Φ:Φ=β x Ω x SA=108 x 400 x π x[0.5 x 10-3]2 X射線/秒=400 x π x 0.25 x 108 x[10-3]2 X射線/秒=400 x π x 25 X射線/秒=31,416=3.14 x 104 X射線/秒。
典型的X射線感光元件可具有512 x 512個像素,其需要每個像素1000道X射線來形成影像。因此,PPM系統的影像採集大約需要8350秒,即2.3小時。
另一方面,根據本發明揭露之內容,保持光源亮度但用尺寸較大的光斑照射會顯著增加照射在物體上的X射線通量。例如,假設光源直徑為1公釐(半徑r=0.5公釐),與物體相距100公釐,並且物體與閃爍器相距100微米,則可以由下列計算得到X射線束的角發散度(angular divergence):α=1mm/100mm=10mrad,因此Ω=100mrad2。光斑面積=π x[0.5]2=0.785mm2,故通量Φ變成:Φ=108 x 100 x 0.785光子數/秒=7.85 x 109光
子數/秒;此通量比PPM的構成還要高250,000倍。因此,現在能夠快速地產生同樣的512 x 512影像(每個像素1000道X射線),例如影像採集時間大約成比例地提高了33毫秒。
作為一個實際問題,流通量的增加可能會從這個數字進一步減少2到10倍。PPM成像系統可搭配量子效率在50%到100%之間的CCD X射線偵測器直接偵測放大子影像(Shadow image)中的X射線。典型的X射線CCD陣列包含陣列像素,其中像素尺寸大約為100微米x 100微米。
相較之下,本發明揭露的系統的高解析度直接子影像來自擴增的X射線源,並且不被放大。現有X射線成像偵測器的像素太大而無法解析近距離影像。相反地,本發明揭露包括一個閃爍器以將X射線轉換為光學光子,然後放大光學影像。
為了達到特定的解析度,閃爍器可能有厚度規格。例如,對於1微米的解析度,閃爍器可具有1到10微米之間的指定厚度。對於薄閃爍器而言,一些入射的X射線會穿過閃爍器而不被吸收。因此,這種轉換過程的量子效率可能比PPM系統還要差,只有大約20%的X射線通過閃爍器時會發射出可見光子。除此之外,顯微鏡可能會失去額外的光子,這取決於光學系統的數值孔徑(NA)和可見光CCD偵測器的量子效率。即使有這些損失,擴增光源的較高通量所提供的好處仍然有顯著的優點。
優點:成像解析度
先前技術的PPM系統解析度由X射線源的光斑尺寸
決定。舉例來說,假設系統以最佳解析度運作,光斑尺寸1微米的X射線源可產生解析度1微米的影像。實際上,由於小光斑尺寸的X射線源之效率快速衰減,PPM系統很難達到遠低於1微米的解析度。當X射線源的光斑尺寸減小,必須降低X射線功率以避免熔化X射線目標物。此外,X射線目標物需要較薄以減少目標物光散射現象。如此一來,對於光斑尺寸每減小二倍,來自射線源的通量會減少約10倍。
對於根據本發明之成像系統來說,閃爍器離待檢查的物體很近,並且射出的光子與x射線成比例。對於將閃爍器發射的光子傳輸到偵測器的光學系統,假設有發射波長為535奈米的閃爍器以及數值孔徑約為1.75的固體浸入式光學系統(含有折射率為1.84的LuAG光學元件),將閃爍器產生的光子傳輸到偵測器的光學系統所擁有的繞射極限解析度R可定義如下:,此繞射極限解析度R比PPM系統的1微米解析度還要小6.5倍。
優點:上市時間
解析度小於50微米的無損影像的高採集速度可以改善如前述提到的倒裝晶片互連(FCI)製程等生產製程以縮短上市時間。在之前也提及的針對失效分析的破壞性製程可能耗費數星期收集單一影像,以及耗費數個月獲得部分的統計資料。由於使用本發明揭露的系統可以快速地收集和分析影像,此類產品的開
發過程所需時間可以以天為單位計算,通常只占設計並將新產品推向市場所需總時間的一小部分。
另外,由於解析度提升,本發明可用於線寬小於50微米的新倒裝晶片互連製程。本發明可用於明顯更小的線寬且仍然維持滿足需求的影像解析度和速度。就產品開發週期而言,增加一周到數周的回饋時間對開發新產品所需的時間有明顯的影響。舉一個簡單的例子,也許三到五個週期的設定和資料收集就足以建構一個新裝置的製程。在更複雜的情況下,如高密度交聯器或3D積體電路,可能需要數十或數百次反覆運算。如果不採用本發明,每個週期可能需要耗費幾個星期,而產品的總上市時間可能就會被這些週期嚴重影響。很明確地,在加工過程中確認細小線寬(50微米和更小的)接合品質的方法給出顯著的優勢。
本發明揭露的系統和方法所產生的影像和計算允許在接合之後的數秒或數分鐘內立即檢查接合品質。為了開發一種新的半導體產品並使其能被量產,必須建立、調整和測試許多單獨的製程和這些製程的整合。在半導體晶圓中形成矽穿孔的情況下,製造流程通常要求首先形成通孔,然後在通孔上的晶圓表面形成面環(Capture pad)。由於面環模糊了對通孔本身的光學檢查,在沒有本發明的情況下,如果不切割矽晶圓並在橫截面上檢查通孔特徵,則可能無法在製造時精準確定通孔和面環之間的對準關係。由於這個對準程序很耗時,而且會破壞矽晶圓和其中所包含的有價值之內容,因此不希望有它的存在。
在使用倒裝晶片互連製程將兩個或多個晶片、基板或甚至數個完整晶圓接合在一起時,必須嚴格控制對準關係、接合力、接合溫度、加熱速率和冷卻速率等因素。雖然對製造設備和製程的控制可以實現一些必要的控制,但對產品中不可見的特徵的檢驗和測量也可能是必需的。在不使用本發明所公開的設備的情況下,組裝部件必須被橫切以便進行檢驗。考慮到連接接合的細小線寬和大量的連接處,這個檢驗程序可能需要幾個星期。通常只有很小一部分的連接接合會被檢驗。
不能快速檢查接合會明顯增加微調獨立製程步驟以及多個製程步驟之整合以創建成品所需的時間。例如考慮一個案例,其中需要反覆25次接合過程來開發和鑒定產品。在沒有本發明所揭露的裝置的情況下,在各種製程和工具配置下,每次反覆運算可能需要1周時間來構建每組樣品。在製造一組樣品之後,可能需要額外的2周的時間來橫切個別的單元並檢驗已經形成的接合之品質和屬性。因此,總時間為25次週期x(1周製作+2周檢查)=75.0周。
使用本發明所揭露的裝置,透過消除耗時的橫切需求,可以將2周的檢查縮短到幾分鐘。一連串週期的總時間現在可以計算為:25個週期x(1周製作+1小時檢查)=25.15周,減少了49.85周(約初始上市時間的66%)。隨著電子產品大量消費,如手機年銷量超過1億台,不難看出上市時間縮短了50周(近一年)會對市場產生重大影響。設備還可進一步整合到接合工具或通孔
填充工具(例如電化學沉積工具),以即時對接合製程提供反饋。這種設備的使用減少了數周的上市時間,實際上使一種產品可即時進入市場,而不會因太昂貴或上市時機太晚而喪失經濟價值。
優點:產品良率和成本
據稱,已經在這些裝置上開始生產商業產品,並且與封裝組件和互連裝置的總體良率在80%的範圍內。這個良率遠低於半導體領域一般能接受的數值,且有相當多的與廢料相關的額外成本。然而,對於被認為具有很高商業價值的特定物件,即使考慮到低產量所付出的相關成本,僅僅80%的封裝組件良率進行生產也是可行的。在其他成本更低、更以消費者為導向的市場領域,定價壓力要大得多,而且只有這種水準的封裝組件產品不太可能具有商業可行性。基於這個理由,產品製造過程必須強力且嚴格控管,以減少因接合製程而產生的報廢產品數量或良率損失。傳統上,封裝組件的良率範圍在98%至99%之間。本領域的技術人員能很快認知到,透過使用低良率的接合技術導致良好晶片被報廢,並且用於生產封裝良率低於80%的低價值晶片,是完全不可接受的。
需要注意的是,在多個晶粒以3D IC或高密度交聯器的形式安裝在一起的情況下,任何晶片上的一個連接失敗都會導致整個MCP或封裝組件的報廢。可能有成千上萬的連接處都必須按照設計的功能正常運行。如果有接合不正確的情況,通常難以對材料進行任何形式的重工(Rework)或回復(Recovery)。舉例
來說,以一個成本為10美元的處理器晶片與4個成本為5美元(即20美元)的記憶體晶片安裝在一起為例。晶片的總成本是30美元。晶片組裝和封裝可能會增加另外5美元的成本,總組裝成本為35美元。
藉由本發明的設備所產生的影像和測量結果,可以控制和監控對準流程和檢驗接合,從而使良率能夠迅速提高。對於MCP封裝,在上面的例子中,偵測前兩個晶粒之間的瑕疵將允許封裝組裝者只報廢前兩個晶粒,而不需要損失所有五個晶粒,因此節省報廢成本和提高良率。在良好的控制和監控下,組裝流程的良率通常能超過99.9%。本發明允許封裝組裝者在MCP結構中達到大於或等於90%的良率,其中此MCP結構具有4個以上的晶粒;另外,在最小間距小於100微米的間距處,每個中介層或晶粒層具有超過100個矽穿孔。在最小間距小於100微米之間距處具有超過400個微凸塊的倒裝晶片結構中,也可以實現同樣優異的良率。
這種在成本和良率方面的優異性也可以體現在細小間距中介層和3D晶粒堆疊的其他製程中,例如空孔的孔填充監視器、面環與穿孔的對準、凸塊對晶片或中介層的對準以及接合後完整焊點的品質。它也可用於測量矽裝置或小間距中介層的多晶片組裝中的熔合線(Bondline),或是矽裝置和其他感興趣材料之間的熔合線,熔合線的厚度對裝置性能是至關重要的。
備註
此處,詞語「或」具有包容性和非排他性,除非另有說明或上下文另有說明。因此,此處的詞語「A或B」是指「A、B或兩者」,除非另有明確說明或上下文另有說明。此外,詞語「和/以及/與」是共同且連帶的,除非另有明確說明或上下文另有說明。因此,此處的詞語「A和/以及/與B」是指「A、B共同」或「A、B個別」,除非另有明確說明或上下文另有說明。
本發明的專利保護範圍包括本發明中描述或說明的具有本技術領域具有通常知識的人可能理解的對示例性實施例的所有變更、替換、變化、變更和修改。本發明的專利保護範圍不限於本文描述或說明的示例性實施例。此外,儘管本發明描述和說明了各個實施例包含特定元件、物件、特徵、功能、操作或步驟,這些實施例可能包含任意段落描述或說明的任何元件、物件、特徵、功能、操作或步驟的任何組合或排列,並且這些組合或排列是本技術領域具有通常知識的人能夠理解的。此外,請求項中對設備或系統或設備與系統的組合適於、配置成、能夠或可操作地執行包括該設備、系統、部件的特定功能,無論此特定功能是否被啟動、接通或解鎖,只要該設備、系統或部件適於、被佈置成、能夠或可操作的。儘管本發發明公開描述或繪示了提供特定優點的特定實施例,但是特定實施例也可以沒有這些優點,或是只有部分優點或全部優點。
210:整合式印刷電路板設計工具
212:專業系統
213:自動校正
214:製程
215:印刷電路板測試流程
217:機器學習模型
218:印刷電路板設計工具
219:規則式演算法
Claims (20)
- 一種藉由一計算系統執行的方法,包含:獲取將由一第一製程製造的一印刷電路板的一設計資料;使用一機器學習模型分析該印刷電路板的該設計資料,其中該機器學習模型根據相關於該第一製程的一X射線檢驗資料訓練;以及根據該機器學習模型產生的一分析結果自動決定用於該印刷電路板的該設計資料的一或多個校正,其中該一或多個校正調整相關於該印刷電路板的一或多個參數,且其中該一或多個參數包含下列一或多者:一金屬臂寬度或一導體線路寬度、一金屬臂長度或一導體線路長度、一導體線路區域性厚度、多個該導體線路之間的距離、一導體線路表面粗糙度、一片層體厚度、多個層體之間的一距離或一間隔、一導體線路路徑角落半徑、一電鍍通孔位置,或是一電鍍通孔相關尺寸。
- 如請求項1所述之方法,其中該機器學習模型使用根據該X射線檢驗資料產生的多個訓練樣本來訓練,且該X射線檢驗資料相關於由該第一製程製造的多個該印刷電路板。
- 如請求項1所述之方法,其中該機器學習模型使用預先標註的多個訓練樣本來訓練。
- 如請求項1所述之方法,更包含:將用於該印刷電路板的該設計資料的該一或多個校正提供給一設計工具,該設計工具用來產生該印刷電路板的該設計資料。
- 如請求項1所述之方法,更包含:根據該一或多個校正自動修改該印刷電路板的該設計資料;以及將經過修改的該印刷電路板的該設計資料提供給該第一製程,其中該印刷電路板使用該第一製程並根據修改過的該印刷電路板的該設計資料所製造。
- 如請求項5所述之方法,其中該一或多個校正調整相關於該印刷電路板的阻抗的一或多個參數,且其中該印刷電路板的阻抗之該一或多個參數經調整後獨立於該印刷電路板的多個層體厚度變化。
- 如請求項5所述之方法,更包含:判斷相關於該印刷電路板的該設計資料及由該第一製程所製造的該印刷電路板之間的差異之一根本原因;根據該根本原因產生一前饋資訊;以及 將該前饋資訊提供給使用於該第一製程中的一製造工具,以使該製造工具調整相關於該根本原因的一或多個參數。
- 如請求項1所述之方法,更包含:使用一規則式演算法分析該印刷電路板的該設計資料,該規則式演算法包含多個規則,其中該一或多個校正更根據該規則式演算法的該些規則中的一或多者所決定。
- 如請求項8所述之方法,其中該些規則中的一或多者根據相關於該第一製程的多個預設參數所產生。
- 如請求項8所述之方法,其中該些規則中的一或多者根據相關於多個先前製造印刷電路板之X射線檢驗資料所產生,且該些先前製造印刷電路板由該第一製程所製造。
- 如請求項8所述之方法,更包含:決定一先前設計資料及一對應先前印刷電路板之間的差異,該對應先前印刷電路板由該第一製程根據該先前設計資料所製造;以及判斷相關於該先前設計資料及該第一製程所製造的該相關先前印刷電路板之間的差異的一根本原因,其中該規則式演算法的該些規則中的一或多者根據該根本原因所決定。
- 一種非暫態電腦可讀儲存媒體,儲存一個或多個指令,該一個或多個指令被電腦執行以:獲取將由一第一製程製造的一印刷電路板的一設計資料; 使用一機器學習模型分析該印刷電路板的該設計資料,其中該機器學習模型根據相關於該第一製程的一X射線檢驗資料訓練;以及根據該機器學習模型產生的一分析結果自動決定用於該印刷電路板的該設計資料的一或多個校正,其中該一或多個校正調整相關於該印刷電路板的一或多個參數,且其中該一或多個參數包含下列一或多者:一金屬臂寬度或一導體線路寬度、一金屬臂長度或一導體線路長度、一導體線路區域性厚度、多個該導體線路之間的距離、一導體線路表面粗糙度、一片層體厚度、多個層體之間的一距離或一間隔、一導體線路路徑角落半徑、一電鍍通孔位置,或是一電鍍通孔相關尺寸。
- 如請求項12所述之媒體,其中該機器學習模型使用根據該X射線檢驗資料產生的多個訓練樣本來訓練,且其中該X射線檢驗資料相關於由該第一製程製造的多個該印刷電路板。
- 如請求項12所述之媒體,其中該機器學習模型使用多個訓練樣本來訓練,且其中該些訓練樣本於一人力校正流程中藉由多個製造工程師根據實驗知識所產生。
- 如請求項12所述之媒體,實施電腦軟體並於被操作時更執行下列步驟:將用於該印刷電路板的該設計資料的該一或多個校正提供給一設計工具或一計算系統的一使用者,該設計工具用來產生該印刷電路板的該設計資料。
- 一種基於自動校正的印刷電路板設計系統,包含一或多個處理器;以及耦接於該一或多個處理器並包含多個指示的一或多個非暫態電腦可讀儲存媒體,該些指示被操作時受該一或多個處理器執行而使該系統進行下列步驟:獲取將由一第一製程製造的一印刷電路板的一設計資料;使用一機器學習模型分析該印刷電路板的該設計資料,其中該機器學習模型根據相關於該第一製程的一X射線檢驗資料訓練;以及根據該機器學習模型產生的一分析結果自動決定用於該印刷電路板的該設計資料的一或多個校正,其中該一或多個校正調整相關於該印刷電路板的一或多個參數,且其中該一或多個參數包含下列一或多者:一金屬臂寬度或一導體線路寬度、一金屬臂長度或一導體線路長度、 一導體線路區域性厚度、多個該導體線路之間的距離、一導體線路表面粗糙度、一片層體厚度、多個層體之間的一距離或一間隔、一導體線路路徑角落半徑、一電鍍通孔位置,或是一電鍍通孔相關尺寸。
- 如請求項16所述之系統,其中該機器學習模型使用根據該X射線檢驗資料產生的多個訓練樣本來訓練,且其中該X射線檢驗資料相關於由該第一製程製造的多個該印刷電路板。
- 如請求項16所述之系統,其中該機器學習模型使用多個訓練樣本來訓練,且其中該些訓練樣本於一人力校正流程中藉由多個製造工程師根據實驗知識所產生。
- 如請求項16所述之系統,其中該系統更用以:將用於該印刷電路板的該設計資料的該一或多個校正提供給一設計工具或一計算系統的一使用者,該設計工具用來產生該印刷電路板的該設計資料。
- 如請求項16所述之系統,其中該系統更用以:基於該一或多個校正自動修改該印刷電路板的該設計資料;以及 提供該印刷電路板的修改後的該設計資料給該第一製程,其中該印刷電路板係透過使用該第一製程基於該印刷電路板的修改後的該設計資料而被製造。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962873752P | 2019-07-12 | 2019-07-12 | |
US62/873,752 | 2019-07-12 | ||
US16/924,769 | 2020-07-09 | ||
US16/924,769 US11042981B2 (en) | 2019-07-12 | 2020-07-09 | Methods and systems for printed circuit board design based on automatic corrections |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202109340A TW202109340A (zh) | 2021-03-01 |
TWI840586B true TWI840586B (zh) | 2024-05-01 |
Family
ID=80268356
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109123435A TWI840586B (zh) | 2019-07-12 | 2020-07-10 | 基於自動校正的印刷電路板設計之方法、系統與非暫態電腦可讀儲存媒體 |
Country Status (3)
Country | Link |
---|---|
US (2) | US11042981B2 (zh) |
TW (1) | TWI840586B (zh) |
WO (1) | WO2021011355A1 (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111054638A (zh) * | 2019-11-27 | 2020-04-24 | 奥特斯科技(重庆)有限公司 | 制造部件承载件的方法及在制造期间操控面板的设备 |
US20220180295A1 (en) * | 2020-12-03 | 2022-06-09 | Aspen Technology, Inc. | Method and System for Process Schedule Reconciliation Using Machine Learning and Algebraic Model Optimization |
CN114943673A (zh) * | 2021-02-09 | 2022-08-26 | 富泰华工业(深圳)有限公司 | 瑕疵图像生成方法、装置、电子设备及存储介质 |
CN112685993B (zh) * | 2021-03-17 | 2021-07-06 | 武汉大学 | 一种柔性pcb板湿法化学蚀刻工艺仿真方法 |
CN113283210B (zh) * | 2021-04-14 | 2023-01-10 | 山东英信计算机技术有限公司 | 一种电路组件选配方法、系统及介质 |
TWI841834B (zh) * | 2021-04-16 | 2024-05-11 | 威盛電子股份有限公司 | 檢測面板線段瑕疵的設備及方法 |
US11763062B2 (en) | 2021-05-10 | 2023-09-19 | GBT Tokenize Corp. | Systems and methods for eliminating electromigration and self-heat violations in a mask layout block |
US11853682B2 (en) | 2021-06-07 | 2023-12-26 | GBT Tokenize Corp. | Systems and methods for identification and elimination of geometrical design rule violations of a mask layout block |
US20220415683A1 (en) * | 2021-06-27 | 2022-12-29 | Tignis, Inc. | Method for determining corrective film pattern to reduce semiconductor wafer bow |
CN113411979B (zh) * | 2021-07-12 | 2022-08-09 | 深圳正实智能装备有限公司 | 一种基于视觉标定的pcb板加工纠偏方法及系统 |
US12040103B2 (en) | 2021-08-16 | 2024-07-16 | Carl Zeiss Smt Gmbh | Imaging optical arrangement to image an object illuminated by X-rays |
US11817231B2 (en) * | 2021-08-16 | 2023-11-14 | Carl Zeiss Smt Gmbh | Detection system for X-ray inspection of an object |
US11586799B1 (en) * | 2021-09-27 | 2023-02-21 | GBT Technologies, Inc. | Systems and methods of eliminating connectivity mismatches in a mask layout block |
US11741284B2 (en) | 2021-09-28 | 2023-08-29 | GBT Technologies, Inc. | Systems and methods of automatic generation of integrated circuit IP blocks |
TWI790795B (zh) * | 2021-10-29 | 2023-01-21 | 財團法人資訊工業策進會 | 模型校正方法、模型校正系統及非暫態電腦可讀取媒體 |
TWI787014B (zh) * | 2021-12-24 | 2022-12-11 | 和碩聯合科技股份有限公司 | 電路板加工系統及電路板加工方法 |
KR20240113984A (ko) * | 2022-01-19 | 2024-07-23 | 디2에스, 인코포레이티드 | 예측된 제조 윤곽들에 기초한 ic 설계에서의 예측된 중첩 형상의 계산 및 디스플레이 |
CN118392834B (zh) * | 2024-06-27 | 2024-09-10 | 国鲸科技(广东横琴粤澳深度合作区)有限公司 | 一种用于集成电路透明柔性基板的检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080147374A1 (en) * | 2006-12-18 | 2008-06-19 | Cadence Design Systems, Inc. | Modeling and cross correlation of design predicted criticalities for optimization of semiconductor manufacturing |
KR20100060327A (ko) * | 2008-11-27 | 2010-06-07 | 연세대학교 산학협력단 | 박막 특성의 모델링 방법 |
TW201716744A (zh) * | 2015-08-14 | 2017-05-16 | 克萊譚克公司 | 用於校正計量工具之系統、方法及計算機程式產品 |
US20180113974A1 (en) * | 2016-10-21 | 2018-04-26 | International Business Machines Corporation | Neural Network Based Prediction of PCB Glass Weave Induced Skew |
TW201925766A (zh) * | 2017-08-14 | 2019-07-01 | 美商克萊譚克公司 | 使用目標分解之裝置上計量 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003107022A (ja) | 2001-09-28 | 2003-04-09 | Hitachi Ltd | 欠陥検査装置及び検査方法 |
US6859915B1 (en) * | 2003-02-13 | 2005-02-22 | Hewlett-Packard Development Company, L.P. | Signal line impedance verification tool |
US8156450B2 (en) * | 2006-12-18 | 2012-04-10 | Cadence Design Systems, Inc. | Method and system for mask optimization |
US8146024B2 (en) * | 2006-12-18 | 2012-03-27 | Cadence Design Systems, Inc. | Method and system for process optimization |
US8863046B2 (en) * | 2008-04-11 | 2014-10-14 | International Business Machines Corporation | Controlling impedance and thickness variations for multilayer electronic structures |
US8549444B2 (en) * | 2008-04-11 | 2013-10-01 | International Business Machines Corporation | Controlling impedance and thickness variations for multilayer electronic structures |
US7921403B2 (en) * | 2008-04-11 | 2011-04-05 | International Business Machines Corporation | Controlling impedance and thickness variations for multilayer electronic structures |
JP5664649B2 (ja) * | 2010-06-03 | 2015-02-04 | 株式会社村田製作所 | コンデンサ配置支援方法及びコンデンサ配置支援装置 |
US8895873B2 (en) * | 2011-09-28 | 2014-11-25 | Ibiden Co., Ltd. | Printed wiring board |
US9129715B2 (en) | 2012-09-05 | 2015-09-08 | SVXR, Inc. | High speed x-ray inspection microscope |
US9784690B2 (en) | 2014-05-12 | 2017-10-10 | Kla-Tencor Corporation | Apparatus, techniques, and target designs for measuring semiconductor parameters |
US9490183B2 (en) | 2014-05-16 | 2016-11-08 | Tokyo Electron Limited | Nondestructive inline X-ray metrology with model-based library method |
US10395362B2 (en) | 2017-04-07 | 2019-08-27 | Kla-Tencor Corp. | Contour based defect detection |
US11270430B2 (en) | 2017-05-23 | 2022-03-08 | Kla-Tencor Corporation | Wafer inspection using difference images |
CN115185163A (zh) * | 2017-09-08 | 2022-10-14 | Asml荷兰有限公司 | 用于机器学习辅助的光学邻近误差校正的训练方法 |
US10895541B2 (en) | 2018-01-06 | 2021-01-19 | Kla-Tencor Corporation | Systems and methods for combined x-ray reflectometry and photoelectron spectroscopy |
US10546088B2 (en) * | 2018-04-03 | 2020-01-28 | International Business Machines Corporation | Document implementation tool for PCB refinement |
US10572697B2 (en) * | 2018-04-06 | 2020-02-25 | Lam Research Corporation | Method of etch model calibration using optical scatterometry |
US10713769B2 (en) * | 2018-06-05 | 2020-07-14 | Kla-Tencor Corp. | Active learning for defect classifier training |
US10750616B2 (en) * | 2018-08-14 | 2020-08-18 | International Business Machines Corporation | Controlled-impedance printed-circuit board (PCB) design with stack-up re-mapping |
US11475187B2 (en) * | 2019-03-22 | 2022-10-18 | Optimal Plus Ltd. | Augmented reliability models for design and manufacturing |
US11947890B2 (en) * | 2019-05-10 | 2024-04-02 | Sandisk Technologies Llc | Implementation of deep neural networks for testing and quality control in the production of memory devices |
US11324119B1 (en) * | 2020-10-23 | 2022-05-03 | Achronix Semiconductor Corporation | Capacitive compensation for vertical interconnect accesses |
-
2020
- 2020-07-09 US US16/924,769 patent/US11042981B2/en active Active
- 2020-07-10 WO PCT/US2020/041546 patent/WO2021011355A1/en active Application Filing
- 2020-07-10 TW TW109123435A patent/TWI840586B/zh active
-
2021
- 2021-05-20 US US17/325,591 patent/US11662479B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080147374A1 (en) * | 2006-12-18 | 2008-06-19 | Cadence Design Systems, Inc. | Modeling and cross correlation of design predicted criticalities for optimization of semiconductor manufacturing |
KR20100060327A (ko) * | 2008-11-27 | 2010-06-07 | 연세대학교 산학협력단 | 박막 특성의 모델링 방법 |
TW201716744A (zh) * | 2015-08-14 | 2017-05-16 | 克萊譚克公司 | 用於校正計量工具之系統、方法及計算機程式產品 |
US20180113974A1 (en) * | 2016-10-21 | 2018-04-26 | International Business Machines Corporation | Neural Network Based Prediction of PCB Glass Weave Induced Skew |
TW201925766A (zh) * | 2017-08-14 | 2019-07-01 | 美商克萊譚克公司 | 使用目標分解之裝置上計量 |
Also Published As
Publication number | Publication date |
---|---|
US20210012054A1 (en) | 2021-01-14 |
US20210279878A1 (en) | 2021-09-09 |
US11662479B2 (en) | 2023-05-30 |
WO2021011355A1 (en) | 2021-01-21 |
TW202109340A (zh) | 2021-03-01 |
US11042981B2 (en) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI840586B (zh) | 基於自動校正的印刷電路板設計之方法、系統與非暫態電腦可讀儲存媒體 | |
TWI842929B (zh) | 根據x射線影像複查預測產品失效的方法、電腦可讀取非暫存性儲存媒體及系統 | |
TWI840585B (zh) | 自動化高速x射線檢驗方法、電腦可讀取非暫態儲存媒體及電子系統 | |
US20210010953A1 (en) | Methods and Systems for Defects Detection and Classification Using X-rays | |
US10559396B2 (en) | Devices processed using x-rays | |
US11651492B2 (en) | Methods and systems for manufacturing printed circuit board based on x-ray inspection | |
US11430118B2 (en) | Methods and systems for process control based on X-ray inspection | |
US8661905B2 (en) | Non-contact microelectronic device inspection systems and methods | |
US11815349B2 (en) | Methods and systems for inspecting integrated circuits based on X-rays | |
TWI853978B (zh) | 基於x射線檢驗之印刷電路板製造系統及方法、電腦可讀取非暫存性儲存媒體及印刷電路板 | |
US11913772B2 (en) | Non-destructive gap metrology | |
JP2011169788A (ja) | X線検査方法及びx線検査装置 |