LG Innotek业界首创用AI锁定不良原材料
用AI预判原材料致缺陷原因
应用于高附加值半导体基板
1分钟完成缺陷分析…时间缩短90%
LG Innotek于25日表示，公司在业内首次开发并应用了在入库阶段判读原材料是否存在不良、从源头筛除不良原材料投入的“原材料入库检测AI”。
LG Innotek将材料信息技术与人工智能（AI）图像处理技术相融合，开发出了“原材料入库检测AI”，并率先导入至RF-SiP（射频系统级封装）工艺。近期，该技术又扩展应用到FC-BGA（倒装芯片球栅阵列）领域，有望进一步强化LG Innotek高附加值半导体载板产品的质量竞争力。
以往在工艺投入前，对入库原材料仅停留在肉眼检验的水平。但随着半导体载板产品高规格化，情况发生了变化。即便将工艺导致的不良原因全部改善，仍不断出现无法通过可靠性评估门槛的案例。入库并投入工艺的原材料质量开始被视为影响可靠性评估的决定性因素。
构成半导体载板的核心原材料（PPG、ABF、CCL等）以玻璃纤维、无机混合物等混合形态入库。过去即便在原材料混合过程中产生空隙（颗粒间缝隙）或异物，也不会对产品性能实现造成问题。然而，随着电路间距缩小等载板产品规格不断高度化，依据空隙大小或异物含量开始出现不良。由此，采用传统肉眼检测方式几乎无法判断原材料的哪一部分是潜在不良因素，这一问题成为业内难题。以一个原材料混合物批次（Lot，投入生产工艺的同一特性原材料单位）比作一团饼干面团（dough），就如同无法用肉眼确认面团内部盐或糖在一侧聚集到何种程度、产生了多少气孔、混入了多少异物一样。
LG Innotek从人工智能中找到了攻克这一行业难题的方案。LG Innotek开发的“原材料入库检测AI”学习了数万张将合格品适合与不适合的材料构成形象化的数据。在此基础上，该AI不仅可以在1分钟内以90%以上的精度分析半导体载板原材料的构成要素及不良区域，还能将各原材料批次的质量偏差进行可视化呈现。
通过这种AI机器学习方式，将最适合合格品的材料构成实现可视化、定量化与标准化后，LG Innotek得以从源头阻断不良原材料投入工艺。基于AI可视化呈现的质量偏差信息，企业可以改变材料设计，使在工艺投入前各原材料批次的质量均一化、达到适合合格品的水平。
LG Innotek相关负责人表示：“导入‘原材料入库检测AI’后，为分析不良原因所耗费的时间相比以往最多缩短了90%，为解决不良原因而额外投入的成本也得以大幅削减。”
LG Innotek计划通过与载板领域客户及合作伙伴开展原材料相关数据互相共享的“数字合作伙伴关系”，持续高度化原材料入库检测AI的判读功能。同时，公司还计划将“原材料入库检测AI”扩展应用到以图像为基础、可检测原材料不良的光学解决方案产品群，如摄像头模组等。
No Seungwon LG Innotek首席技术官（专务）表示：“以此次导入‘原材料入库检测AI’为契机，我们得以构建LG Innotek独有的AI生态系统，能够事先把握产品的多种不良原因，为客户提供差异化价值。今后也将持续推进数字化生产创新，以最低成本、最短时间生产出最高质量的产品。”
版权所有 © 阿视亚经济 (www.asiae.co.kr)。 未经许可不得转载。
