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。
近年,消費者市場がますます大きくなっているため,電子機器は毎日改善し,電子パッケージングの信頼性にますます多くの注目を払っている。電子パッケージングはICデバイスを保護し,半導体産業において重要な役割を果たす複雑な構造である。本研究は,電子パッケージングの信頼性を評価し,熱サイクリング試験(TCT)は包装信頼性を確保するための重要な試験の1つである。TCTは,電子パッケージング信頼性を試験する良い方法であるが,この実験を行うためには,多くの時間とコストを取る。TCTを行うのに必要な時間は数か月または年の長さである。試験時間を効果的に減らすために,TCTの代わりに有限要素法(FEM)を使用するのは,TCTより時間が少なく,シミュレーション結果を得るためにFEMを使用するのに,まだ時間を要する。異なるパラメータおよび固定境界条件に従ってモデルを構築し,次に,電子パッケージの予測寿命値を得るために,モデルに熱サイクル負荷を適用した。異なる研究者は,同じモデルパラメータを使用するとしても,異なる結果をもたらす。機械学習(ML)のためのデータベースを構築するために,大量の検証済みFEMデータを使用するならば,著者らは,機械学習方式を通して電子パッケージ予測寿命を直ちに評価することができた。それは,モデルおよび検証を構築する時間を節約するだけでなく,シミュレーション誤差を避ける。本研究では,Wafer Level Chip Scale Packing(WLCSP)の信頼性を解析するためにML法を使用した。MLは,アルゴリズムを通してデータセットの潜在的規則を見つけることができて,数学モデルを確立して,種々のWLCSP構造の予測寿命を得た。同じデータセットのために,異なるアルゴリズムは異なる結果を得るかもしれない。したがって,適切なアルゴリズムを選択することは,機械学習アルゴリズムを使用する際に最も重要なステップである。本研究では,WLCSPの信頼性を評価するために,ランダムフォレストアルゴリズム(RF)と極端ランダム化ツリー(ET)アルゴリズムを用いた。FEMによって訓練データベースを作成し,FEMモデルを検証するためにTCT実験結果と比較した。検証したFEMモデルを得た後,同じモデリングプロセスにおいて,異なるデータ量と異なるデータ分布を有する複数のデータセットを生成する特徴レベルを設計した。RFモデルとETモデルに対するデータ体積とデータ分布の影響を論じた。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】