抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
銅(Cu)ワイヤボンディングは伝統的な金(Au)ワイヤボンドへの新しい代替法である。CuがAuのようとして不活性ではないので,パッケージにおける材料選択はパッケージの信頼性において重要な役割を果たす。研究者はpH値,イオン汚染,およびCuワイヤボンドの信頼性に及ぼすEMCなどの充填剤含有量のような変数の個々の影響を報告した。しかしながら,全てのこれらパラメータが信頼性に及ぼす複合効果を持っているので,Cuワイヤボンドの信頼性に及ぼす全てのパラメータの複合効果を理解することは,Cuワイヤボンドシステムへのスムーズな移行のために必要である。本論文では,ニューラルネットワークに基づく銅ワイヤボンド系の寿命予測のための予測モデルを提示した。部品のセット,八種類のEMCの成形は,高温環境(温度範囲150~°セツキシマブ°C)に供した。抵抗,IMC変化やせん断強度変化が本研究時に監視した。抵抗分光法は,正確な抵抗測定に使用した。Dage2400pcはせん断強さの変化を計算した。部品は破壊後のSEMおよびEDXシステムを用いたCu-Al界面に沿って切断し研磨した。せん断強度の変化と抵抗変化の間の関係を確立した。抵抗の20%の変化は破壊しきい値と考えられた。全てのパートは,破壊するまで試験した。耐性の進化は失敗の主要な指標として考えられた。モデルのための変数選択は,主成分分析を用いて行った。Scree地区を用いてモデルにおける影響力のある変数を同定し,保持し,有意な変数を無視することであった。抵抗進化と故障時間データと共にshortlisted変数を用いて,予測モデルを構築した。ニューラルネットワーク回帰モデルは,入力特徴ベクトルで訓練した。教師つき学習は訓練に使用した。フィードフォワード多層ネットワークはLevenberg Marquardtアルゴリズムと連動するBayes正則化を用いて訓練した。データの過剰適合を避けるために複数回行った自己検証および交差検証した。環境条件,EMCの特性と現状先行指標のが分かっているときに予測モデルは残存耐用年数を予測することができる。モデルは,所定の運転条件で,Cuワイヤボンディングした成形パッケージの残存耐用年数(RUL)の教育評価,提供するであろう。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】