SmartMan wurde ins Leben gerufen, um die automatisierte Halbleiterverpackung für die Automobilindustrie in Richtung fehlerfreie, ressourceneffiziente Fertigung voranzutreiben.
Gefördert vom Bundesministerium für Wirtschaft und Energie (BMWi) und finanziert von der Europäischen Union, brachte das dreijährige Konsortium Bosch, Infineon Technologies, ams OSRAM, Berliner NANOTEST und Design, Chemnitzer Werkstoffmechanik (CWM), inuTech, Fraunhofer EMFT, Fraunhofer ENAS, TU Chemnitz, TU München und AppliediT zusammen.
Das Ziel entlang der Wertschöpfungskette war es, Fehleranalyseverfahren inline-fähig zu machen, Anfangsfehler direkt in der Produktion zu erkennen, Prozess- und Qualitätsdaten durch 1:1-Rückverfolgbarkeit und digitale Zwillinge zu verknüpfen und diese Erkenntnisse zu nutzen, um Produktionsparameter für höhere Null-Stunden-Qualität und langfristige Bauteilverlässlichkeit anzupassen.
In den Demonstratoren des Konsortiums adressierten die Partner kritische Schritte der Halbleiterproduktionskette: optische, akustische, elektrische und thermografische Inspektionsmethoden näher an die Linie zu bringen, kontrollierte Testfehler einzuführen und beschleunigte Belastungs- und Zuverlässigkeitsstudien durchzuführen, sodass frühe Fertigungsschwankungen mit dem Systemverhalten verknüpft werden konnten.
Innerhalb dieses Programms arbeitete AppliediT an der Digitalisierung, Datenverarbeitung und Analyseebene. Früh im Projekt wurde klar, dass Inline-Inspektion und KI-gestützte Diagnostik nur in automatisierter Produktion funktionieren, wenn die zugrundeliegende Datenpipeline stabil ist und Kandidatensignale gegen die physikalische Realität geprüft werden.
Werkzeugspezifische Erfassungsskripte, unversionierte Variablenzuordnungen und Rohmessungen, die Bauteilgeometrie mit Vorrichtungsneigung, Sensorresonanz oder Rezeptwechseln vermischen, können keine automatisierten Parameteranpassungen oder digitalen Zwillinge direkt speisen.
Unser Ansatz entwickelte sich daher zu einem strukturierten Workflow: Standardisierung der Maschinendatenerfassung, Extraktion kompakter physikalischer Merkmale aus Rohinspektionssignalen und Verifikation durch statistische und Korrelationsstudien, welche Indikatoren tatsächlich einen Defekt widerspiegeln und wie sie die Qualität über mehrere Stationen beeinflussen.
Gemeinsam mit den Konsortialpartnern führte dies zu konkreten Fortschritten entlang der Produktionskette und in mehreren Inspektionsdomänen:
- Optische und visuelle Inspektionsanalytik: Zur Unterstützung der Inline-Optikinspektion und Vormontage-Geometrieprüfungen entwickelten wir automatisierte Nachbearbeitungs- und Clustering-Methoden für 3D-Höhen- und Platzierungsscans, die Chipflächen von Seitenwänden trennen, Ebenheit, Kantenneigung, Stufenhöhe und relative Neigung quantifizieren sowie Trägerneigung und lokale Oberflächenanomalien von der Gesamtpaketgeometrie isolieren.
- Akustische Fehlererkennung: Für die akustische Emissionstestung zur Untersuchung von Rissen und mechanischen Schäden entwickelten wir Feature-Extraktions- und interaktive Analyse-Software, die hochfrequente Burst-Wellenformen mit synchronen Lastsignalen kombiniert, Hochenergieereignisse vom Hintergrundrauschen trennt und Sensorresonanz von mechanischen Ereignissen unterscheidet.
- Elektrische und Prozesskorrelation für Drahtbonden und Sintern: Zur Bewertung der Drahtbondqualität und subsurface Sinterschäden führten wir Korrelationsstudien über Ultraschallprozessspuren, Verformungsmessungen und Schertests durch und etablierten rezeptbewusste Filterung, sodass Prozessreaktionen auf echte Defekte von normalen Rezeptunterschieden getrennt werden.
- Thermografische Integration und 1:1-Rückverfolgbarkeit: Wir bereiteten Datenintegrationskonzepte für Lock-in-Thermografie vor und definierten strenge Kontextregeln – Verknüpfung von Ausrüstung, Bauteilidentität, Profilversion, Rezept und Auswertemethode – sodass Messungen aus optischen, akustischen, thermischen und Prozessquellen für domänenübergreifende Ursachenanalyse und digitale Zwillinge kombiniert werden können.
- Standardisierte Geräteanbindung: Um Produktionstools ohne individuelle Software für jede Maschinenvariante anzubinden, entwickelten wir einen profilbasierten SECS/GEM-Adapter, der Variablen nach Identifikator abbildet, Schemaänderungen versioniert und Maschinenbestätigungen von der Speicherung entkoppelt, sodass die Live-Produktion nie verzögert wird.
Diese Methoden und Softwaremodule bilden nun die Grundlage des Produkts, das wir bei AppliediT entwickeln. Wir kombinieren profilbasierte Geräteanbindung, automatisierte Merkmalsextraktion für visuelle, akustische und Prozesssignale sowie kontextbewusste geführte Analytik zu einer modularen Softwaresuite für automatisierte Fertigung.
Der SECS/GEM-Adapter und unsere Auswertungsanwendungen für geometrische, Bond- und akustische Daten wurden an Partnerdemonstratoren validiert, und ein Folgeprojekt mit Bosch führt den Adapter zur Einführung auf weiteren Geräten.
Die bevorstehenden Entwicklungsarbeiten konzentrieren sich auf die Skalierung dieser Ergebnisse für den breiteren Produktionseinsatz: Kalibrierung optischer Höhenmerkmale über Instrumente hinweg anhand von Referenzstandards, Aufbau unabhängig verifizierter Referenzlabels vor dem Einsatz automatisierter akustischer Schadensklassifikatoren, Abschluss der systemweiten Validierung der Thermografieintegration und direkte Anbindung der strukturierten Datenausgaben an zentrale Fabrikdatenbanken.
SmartMan zeigte, dass der Weg zur fehlerfreien Halbleiterfertigung sowohl fortschrittliche Inline-Inspektionshardware als auch eine Datenschicht erfordert, die jede Messung vom Werkzeug bis zur Systemebene interpretierbar hält. Was wir in die Produktentwicklung mitnehmen, ist diese ingenieurtechnische Disziplin: Maschinenverbindungen konfigurieren statt neu schreiben, komplexe Sensorsignale zu validierten physikalischen Merkmalen reduzieren und sicherstellen, dass jeder Datenpunkt den Kontext für zuverlässige automatisierte Entscheidungen trägt.
Teile diesen Beitrag
