몰디드 언더필 경화 공정 중 패키지 휨 예측을 위한 비용 효율적인 머신러닝 방법

국문 초록 (Abstract)

본 연구는 반도체 패키지의 초박형화로 인한 warpage 문제를 해결하기 위해, 몰드 재료인 MUF의 경화 공정에서 발생하는 warpage를 예측하는 비용 효율적인 머신러닝 모델을 구축하는 방법을 분석하였다. 반도체 패키지가 얇아짐에 따라 작은 하중에도 warpage가 발생할 수 있으며, 이는 재료의 박리나 크랙 등 제품의 신뢰성에 치명적인 영향을 미칠 수 있다. 특히, 반도체 칩을 외부 환경으로부터 보호하기 위해 몰드로 패키지를 감싸는 경화 공정은 열-화학-기계적 다물리 현상이 복합적으로 작용하여 warpage 예측이 어려운 공정이다. 따라서 본 연구에서는 몰드 재료인 MUF의 경화 공정에서 발생하는 warpage를 예측하기 위한 비용 효과적인 머신러닝 모델을 구축하는 방법에 대해 분석하였다. 연구의 목적은 몰드 경화 공정에서 발생하는 warpage를 정확하고 비용 효율적으로 예측하기 위한 머신러닝 모델을 구축하는 것이다. 이를 위해, 2장에서 MUF 경화 공정에서 시간과 온도에 따른 경화도를 특성화하고, 경화도에 따른 재료의 기계적 특성을 수치화하는 방법을 조사하였다. 또한, 3장에서는 특성화된 재료의 특성을 ABAQUS UMAT으로 코딩하여 다양한 설계 인자에 대해 warpage를 예측할 수 있는 FEM 시뮬레이션 모델을 개발하였다. 더불어 4장에서는 패키지의 적층 구조에 따라 발생하는 Local warpage를 예측하는 역학적 이론식인 warpage formula를 개발하였다. 이 식은 굽힘 이론과 열-화학-기계적 재료 특성을 통합하여 구축되었으며, FEM 시뮬레이션 결과와의 상관성 분석을 통해 유효성을 검증하였다. 최종적으로, 5장에서 앞서 개발된 모델과 이론식을 활용하여 다양한 설계 인자를 고려한 MUF 경화 공정에서의 warpage를 예측하는 머신러닝 모델을 비용 효율적으로 구축하는 방법을 제안하였다. 이는 머신러닝 입력 변수로 warpage formula를 활용함으로써 예측 정확도를 향상시키는 방법과 경화 공정 구간 별 입력 변수 분석 및 주요 설계 인자 분석을 통해 비용 효율적인 훈련 데이터 세트를 구축하는 방법을 포함하고 있다.

다국어 초록 (Multilingual Abstract)

This study analyzes a cost-effective method for building a machine learning model to predict warpage caused by the curing process of Molded Underfill (MUF) in semiconductor packages. As semiconductor packages become thinner, they become more susceptible to warpage even under small loads, which can critically impact the reliability of the products by causing material delamination or cracks. The curing process that encapsulates semiconductor chips with mold to protect them from external environments involves complex thermo-chemo-mechanical multi-physics phenomena, making warpage prediction challenging. Therefore, this research aims to develop a machine learning model to accurately and cost-effectively predict warpage occurring during the curing process of MUF.
In Chapter 2, we investigated the characterization of MUF's curing degree over time and temperature, and quantified the mechanical properties of the material based on the curing degree. In Chapter 3, we coded the characterized material properties into an ABAQUS UMAT to develop an FEM simulation model capable of predicting warpage under various design parameters. Furthermore, in Chapter 4, we developed an analytical warpage formula to predict Local warpage based on the bending theory and thermo-chemo-mechanical properties of the materials, and verified its validity through correlation analysis with FEM simulation results.
Finally, in Chapter 5, we proposed a cost-effective method to construct a machine learning model for predicting warpage during the MUF curing process considering various design parameters. This approach includes improving prediction accuracy by using the warpage formula as an input variable for machine learning, and constructing a cost-effective training data set through process segment input variable analysis and key design parameter analysis.

목차 (Table of Contents)

• 제1장 서론 1
• 1.1 연구배경 및 필요성 1
• 1.2 연구목적 및 방법 6
• 제2장 이론적 배경 8
• 2.1 다물리역학 기반 지배방정식 8
• 2.2 열경화성 재료 특성화 9
• 2.2.1 경화 동역학 모델 9
• 2.2.2 경화 의존 점탄성 재료 모델 11
• 2.2.3 재료의 구성방정식 20
• 제3장 FEM 시뮬레이션을 활용한 warpage 예측 22
• 3.1 재료 물성 모델링 22
• 3.2 구조 및 해석 조건 25
• 3.3 FEM 시뮬레이션 결과 29
• 제4장 굽힘 이론을 활용한 local warpage 예측 34
• 4.1 단순 적층 구조에서의 warpage 이론 34
• 4.2 Warpage formula 유효성 검증 39
• 제5장 Warpage 예측을 위한 비용 효율적인 머신러닝 방법 43
• 5.1 머신러닝 방법론 43
• 5.2 비용 효율적인 머신러닝 훈련 데이터 세트 구축 방법 48
• 5.2.1 경화 공정 구간 별 입력 변수 분석을 통한 훈련 데이터 세트 구축 48
• 5.2.2 주요 설계 인자 분석을 통한 훈련 데이터 세트 구축 52
• 5.3 머신러닝 회귀 모델 57
• 5.4 머신러닝 모델 유효성 검증 61
• 제6장 결론 66
• 6.1 연구 요약 및 요점 66
• 6.2 연구의 한계 및 향후 연구 방향 69
• 참고문헌 71
• ABSTRACT 79