• Détection précoce de la cause des défauts des matières premières grâce à l'IA, devenant ainsi "la première entreprise à relever ce défi dans l'industrie"
• Appliquée aux substrats de semi-conducteurs de grande valeur, l'analyse des défauts des matières premières ne prend qu'une minute
• Réduction du temps d'analyse des défauts pouvant aller jusqu'à 90

SEOUL, Corée du Sud, 7 oct. 2024 /PRNewswire/ -- Aujourd'hui, LG Innotek (PDG Moon Hyuksoo) a annoncé le développement et l'application du premier " système d'inspection basé sur l'intelligence artificielle (IA) pour les matières premières entrantes " de l'industrie, conçu pour détecter les défauts au point de réception et empêcher l'utilisation de matières premières de qualité inférieure dans le processus.

LG Innotek a appliqué sa technologie d'inspection basée sur l'IA, développée en combinant les informations sur les matériaux et les technologies de traitement d'image de l'IA, au processus RF-SiP (système de radiofréquence dans l'emballage). Récemment, cette technologie a également été introduite pour le FC-BGA (Flip Chip Ball Grid Array), et devrait encore améliorer la compétitivité et la qualité des substrats semi-conducteurs de grande valeur de LG Innotek.

Auparavant, les matières premières entrantes ne subissaient qu'une inspection visuelle avant d'entrer dans le processus de production. Toutefois, les progrès constants de la technologie des substrats semi-conducteurs ont changé la donne. Même après avoir amélioré toutes les causes de défauts en cours de processus, les échecs lors des évaluations de fiabilité ont continué à augmenter. C'est ainsi que la qualité des matériaux entrants est devenue un facteur décisif pour les évaluations de fiabilité.

Les matières premières de base (c'est-à-dire le pré-imprégné (PPG), le film d'assemblage Ajinomoto (ABF) et le stratifié à base de cuivre (CCL)) qui composent les substrats semi-conducteurs arrivent sous la forme d'un mélange de fibres de verre, de composés inorganiques et d'autres composants. Dans le passé, les vides d'air (espaces entre les particules) ou les particules étrangères générés au cours du processus de mélange des matériaux n'avaient pas d'impact significatif sur les performances du produit. Cependant, les spécifications des substrats, telles que l'espacement des circuits, étant devenues de plus en plus strictes, la présence de vides d'air et de particules étrangères, selon leur taille, a commencé à provoquer des défauts.

Par conséquent, il est pratiquement impossible d'identifier la partie de la matière première responsable du défaut à l'aide des méthodes traditionnelles d'inspection visuelle, ce qui est devenu un défi important pour l'industrie.

Si l'on compare un lot de mélange de matières premières (unité de matières premières ayant les mêmes caractéristiques et entrant dans le processus de production) à un lot de pâte à biscuits, il est impossible pour l'œil de percevoir la concentration de sel ou de sucre dans une certaine portion, le nombre de trous d'air dans la pâte ou le nombre de particules étrangères.

LG Innotek a trouvé un moyen de relever ce défi industriel grâce à l'IA. Son "système d'inspection basé sur l'IA pour les matières premières entrantes" a été entraîné avec des dizaines de milliers de données sur la composition des matériaux qui conviennent ou non à un produit. Sur cette base, il analyse les composants et les zones défectueuses des matières premières des substrats de semi-conducteurs en seulement une minute, avec un taux de précision de plus de 90 %, et visualise les écarts de qualité dans chaque lot de matières premières.

En utilisant l'apprentissage automatique de l'IA pour visualiser, quantifier et normaliser les configurations de matériaux optimisées pour la qualité, LG Innotek a été en mesure d'empêcher les matières premières défectueuses d'entrer dans le processus de production. L'entreprise peut modifier la conception des matériaux en fonction des informations sur les écarts de qualité visualisées par le système d'IA, ce qui lui permet de s'assurer que la qualité du lot de matières premières est uniforme à un niveau adéquat avant d'entrer dans le processus.

Un responsable de LG Innotek a déclaré : "Avec le "système d'inspection basé sur l'IA pour les matières premières entrantes", le temps nécessaire à l'analyse des défauts a été réduit de 90 % et le coût de la résolution des causes des défauts a été considérablement réduit."

LG Innotek prévoit d'améliorer les capacités de détection du système d'IA en partageant les données relatives aux matières premières avec les clients et les fournisseurs du secteur des substrats par le biais de partenariats numériques.

En outre, l'entreprise vise à étendre l'application du système aux solutions optiques, telles que les modules de caméra, où la détection par l'image des défauts des matériaux peut jouer un rôle crucial.

Le directeur technique de LG Innotek , S.David Roh, a déclaré : "Avec le "système d'inspection basé sur l'IA", nous allons compléter l'écosystème unique d'IA de LG Innotek, qui offre une valeur exceptionnelle au client en identifiant les causes des défauts des produits à un stade précoce du processus de production." Il a ajouté : "Nous continuerons à innover dans la technologie de production numérique pour créer des produits de qualité supérieure au coût le plus bas et dans les plus brefs délais."