手機(jī)行業(yè)的規(guī)模和競(jìng)爭(zhēng)力推動(dòng)了許多行業(yè)的投資和創(chuàng)新，從成像、軟件，甚至冶金。毫無疑問，半導(dǎo)體技術(shù)和市場(chǎng)受到了最大的沖擊和影響， 更小封裝更高性能是半導(dǎo)體市場(chǎng)幾十年來一直不懈的需求。 幾個(gè)月前，蘋果發(fā)布了最新款 iPhone，其中一些配備了臺(tái)灣臺(tái)積電生產(chǎn)的全新 3 納米制造工藝的新型 A17 仿生芯片。 據(jù)報(bào)道，蘋果采購(gòu)了臺(tái)積電能夠生產(chǎn)的所有3nm芯片。 這些芯片比 5 納米前代芯片更小、更快、耗電更低、更節(jié)能。 據(jù)蘋果公司稱，每塊芯片都有 190 億個(gè)晶體管，其中一些晶體管非常小，可能只有 12 個(gè)硅原子寬。

同樣的壓力也延伸到了印刷電路板制造領(lǐng)域。據(jù)報(bào)道，蘋果公司將改用樹脂涂層銅 (RCC) 箔作為其新的 PCB 材料，從而使該公司能夠?qū)⑵渲圃斓酶　?nbsp;這對(duì)制造商來說將是一個(gè)挑戰(zhàn)，因?yàn)?RCC 箔非常脆弱，研究人員在 IEEE 上發(fā)表文章稱，它在層壓過程中特別容易受到熱量和壓力的影響。僅僅創(chuàng)新是不夠的——你必須要有利潤(rùn)。 《信息》雜志 的新報(bào)道描述了蘋果為降低成本而獲得的有利條件：作為巨額訂單的回報(bào)，臺(tái)積電必須承擔(dān)帶有缺陷的處理器芯片的成本。 因此，盡管像 TSM 這樣的晶圓廠正在通過開發(fā)更小的節(jié)點(diǎn)工藝以減小芯片尺寸和降低功耗來加強(qiáng)自己的競(jìng)爭(zhēng)力，但它們?cè)谫|(zhì)量方面將面臨嚴(yán)峻的挑戰(zhàn)。

PCB 質(zhì)量檢測(cè)的自動(dòng)光學(xué)檢測(cè)

對(duì)于許多公司來說，質(zhì)量控制是 PCB 制造鏈中的主要瓶頸，包括可靠性測(cè)試和返工有缺陷的 PCB。 提高質(zhì)量控制的速度和效率可以顯著提高產(chǎn)量和成品率，降低制造成本和減少浪費(fèi)。大多數(shù) PCB 制造商使用自動(dòng)光學(xué)檢測(cè) (AOI) 來監(jiān)控印刷電路板中的缺陷。 當(dāng)印刷板上的焊接、連接、焊盤和走線存在缺陷時(shí)，這可以提供強(qiáng)有力的保證。

事實(shí)證明，AOI 對(duì)于及早檢測(cè)組裝過程中出現(xiàn)的問題非常有用，例如短路、開路、焊接變薄、走線劃痕等。 特別是，劃痕對(duì)于電路板來說可能是“致命的”，會(huì)改變其電氣特性并導(dǎo)致成品完全故障。AOI 的優(yōu)勢(shì)是直接集成在 PCB 生產(chǎn)線的末端，在層壓和蝕刻之前，比其他方法更早地檢測(cè)到可能的缺陷。 成像系統(tǒng)捕獲高分辨率圖像，分辨率低至幾微米，然后將它們與“完美”模型板（也稱為“黃金模板”）的圖像或合格樣品和缺陷樣品的圖像數(shù)據(jù)庫(kù)進(jìn)行比較 。

盡管如此，隨著對(duì)更小、更高性能零件的需求，由此產(chǎn)生的材料缺陷的復(fù)雜性和微妙性意味著傳統(tǒng)的手動(dòng)檢查或基于規(guī)則的成像可能根本無法勝任這項(xiàng)任務(wù)。 一家半導(dǎo)體OEM設(shè)備廠家需要檢測(cè) PCB 元件上的各種細(xì)微缺陷，包括破損、磨損、污染、碎片和氣泡。 然而，使用傳統(tǒng)的基于規(guī)則的圖像處理并不能提供他們所需的準(zhǔn)確性。 他們面臨著在現(xiàn)有流程中未被發(fā)現(xiàn)的缺陷零件增加的問題，從而推高了成本。 他們需要一個(gè)新的解決方案。

PCB 上的晶體管可能有許多微小的變化，這些變化可能會(huì)，也可能不會(huì)影響性能。過去幾年AI機(jī)器學(xué)習(xí)領(lǐng)域取得的巨大進(jìn)步正是針對(duì)了此類的應(yīng)用。結(jié)果是一條生產(chǎn)線可以準(zhǔn)確地檢測(cè)印刷電路板上的細(xì)微缺陷，而無需進(jìn)行勞動(dòng)密集型的人工檢測(cè)。AI深度學(xué)習(xí)為傳統(tǒng)的基于規(guī)則的圖像處理提供了可靠且穩(wěn)定的替代方案，而傳統(tǒng)的圖像處理在檢測(cè)細(xì)微缺陷方面常常無能為力?？傮w而言，由于 Teledyne DALSA的 Sherlock8 AI 軟件，該OEM客戶在 PCB 缺陷檢測(cè)的準(zhǔn)確性和速度方面都取得了顯著提高，使他們能夠減少缺陷，同時(shí)提供符合其規(guī)格的更高質(zhì)量的產(chǎn)品。

為 2030 年做好準(zhǔn)備

如今，該行業(yè)仍在從 2021 年開始的全球半導(dǎo)體短缺中慢慢恢復(fù)。盡管麥肯錫分析師預(yù)測(cè)，未來十年半導(dǎo)體增長(zhǎng)的近 70% 將僅由三個(gè)行業(yè)推動(dòng)：汽車、計(jì)算和數(shù)據(jù)存儲(chǔ)，以及 無線通信領(lǐng)域，這些行業(yè)仍在因錯(cuò)過產(chǎn)品發(fā)布、延遲更新、更高的價(jià)格和更高的期望而奮起直追。 壓力與日俱增。

深度學(xué)習(xí)和人工智能軟件系統(tǒng)譬如：Sherlock8可以快速提高最大瓶頸的速度和準(zhǔn)確性：質(zhì)量控制。 各個(gè)公司可以將質(zhì)量控制轉(zhuǎn)化為競(jìng)爭(zhēng)優(yōu)勢(shì)，提高速度并降低成本，同時(shí)在緊密結(jié)合的行業(yè)中建立信任，而不是成為問題。更好的產(chǎn)品可能只是一個(gè)開始。 半導(dǎo)體公司已經(jīng)是生成和分析數(shù)據(jù)的領(lǐng)導(dǎo)者，但機(jī)器學(xué)習(xí)和人工智能提供的幫助將絕對(duì)增強(qiáng)每家公司運(yùn)營(yíng)的生產(chǎn)效率。預(yù)測(cè)性維護(hù)和成品率、研發(fā)投資，甚至市場(chǎng)策略和產(chǎn)品優(yōu)化都可能受益于更多數(shù)據(jù)和更好的機(jī)器學(xué)習(xí)。