• 通过人工智能实现了对原材料缺陷原因的早期检测，成为 "业内首个攻克这一难题的企业"。
• 应用于高价值半导体基板，仅需一分钟即可分析原材料缺陷
• 缺陷分析时间最多可缩短 90

韩国首尔 2024年10月7日电 /美通社/ -- 今天、 LG Innotek(首席执行官Moon Hyuksoo）今天宣布，开发并应用了业内首个 "基于人工智能（AI）的原材料进货检验系统"，该系统旨在检测进货时的缺陷，防止在加工过程中使用不合格原材料。

LG Innotek 将其通过结合材料信息和人工智能图像处理技术开发的基于人工智能的检测技术应用于 RF-SiP（射频系统级封装）工艺。最近，该技术还被引入 FC-BGA（倒装芯片球栅阵列），有望进一步提高 LG 伊诺特高价值半导体基板产品的竞争力和质量。

以前，进货原材料在进入生产流程之前只需经过目视检查。然而，半导体基板技术的不断进步改变了这一状况。即使在改善了所有过程中的缺陷原因后，可靠性评估的失败率仍在继续上升。因此，作为影响可靠性评估的决定性因素，来料的质量越来越受到重视。

构成半导体基板的核心原材料（即预浸料 (PPG)、味之素增塑膜 (ABF) 和铜箔层压板 (CCL)）是玻璃纤维、无机化合物和其他成分的混合物。过去，材料混合过程中产生的空气空隙（颗粒之间的间隙）或外来颗粒不会对产品性能产生重大影响。然而，随着电路间距等基底规格越来越严格，气隙和异物颗粒（取决于其大小）的存在开始导致缺陷。

因此，使用传统的目视检测方法几乎无法确定缺陷是由原材料的哪个部分造成的，这已成为业界面临的一大挑战。

如果我们将一批原材料混合物（进入生产过程的具有相同特性的原材料单位）与一批饼干面团进行比较，那么肉眼就不可能感知到某一部分中盐或糖的浓度、面团中气孔的数量或异物颗粒的数量。

LG Innotek 找到了一种利用人工智能克服这一行业难题的方法。该公司的 "基于人工智能的原材料进货检验系统 "通过数以万计的数据进行训练，了解适合或不适合产品的材料成分。在此基础上，它能在短短一分钟内分析出半导体基板原材料的成分和缺陷区域，准确率超过 90%，并将每批原材料的质量偏差可视化。

通过使用人工智能机器学习来可视化、量化和标准化优化质量的材料配置，LG Innotek 能够防止有缺陷的原材料进入生产流程。该公司可以根据人工智能系统可视化的质量偏差信息改变材料设计，从而在进入生产流程之前确保原材料批次的质量统一在合适的水平上。

LG Innotek 的一位官员表示："有了 "基于人工智能的原材料入库检验系统"，分析缺陷所需的时间最多可减少 90%，解决缺陷原因的成本也大大降低。

LG 伊诺特计划通过数字合作伙伴关系，与基板行业的客户和供应商共享原材料相关数据，从而增强人工智能系统的检测能力。

此外，该公司还计划将该系统的应用范围扩大到光学解决方案，如相机模块，在这些领域，基于图像的材料缺陷检测可以发挥至关重要的作用。

LG Innotek 首席技术官S.David Roh表示："有了 "基于人工智能的检测系统"，我们将完善 LG Innotek 独特的人工智能生态系统，该系统可在生产过程的早期识别产品缺陷的原因，从而为客户带来卓越的价值。他还说："我们将继续在数字化生产技术方面进行创新，以最低的成本和最短的时间创造出一流的产品。