Quantitative Analysis of Defect Detection Algorithm for Semiconductor Package Redistribution Layer Using Acoustic Microscope

Abstract

The inspection of redistribution layers in modern semiconductor packaging technology requires high-resolution equipment to detect porosity, interlayer separation, and internal defects. In particular, owing to the micro/nanometer dimensions, it is difficult to analyze internal defect characteristics due to overlapping of surface signals using general pulse-echo ultrasound inspection. However, scanning acoustic microscopy ( SAM) demonstrates high performance in detecting defects in multi-layer structures with micro-thickness, offering quantitative analysis in a short time. This study presents an algorithm that determines the presence or absence of internal defects through the V(z) technique, which is mainly used in scanning acoustic microscopes, and quantitatively analyzes the characteristics of normal and abnormal cluster data based on reflectance functions. The results of k-means clustering for ten samples of normal and abnormal reflectance functions of the redistribution layer extracted through principle component analysis demonstrated the usefulness of performing defect discrimination by dispersing the cluster at distances 2.6 times higher in abnormal cluster data than in normal cluster data. The developed post-processing algorithm shows excellent performance in independent defect detection, indicating that high-frequency focused ultrasound transducer is an optimal choice for visualizing interface quality.

현대 반도체 패키징의 재배선층의 공정 내 검사는 외부로부터 공극률 및 층간분리 검출과 내부 결함을 분석하기 위해 고분해능 검사 장비가 요구되고 있다. 특히 마이크로/나노미터 차원의 소형화로 인해, 일반적인 펄스-에코 방식의 초음파 검사는 표면 신호와의 중첩으로 내부결함 특성을 분석하기 힘들다는 문제가 있다. 하지만 주사 음향 현미경은 낮은 시간 소모와 측정에 기반한 정량적 분석을 보장함으로써 일부 마이크로 두께의 다층 구조물 결함 검출에 높은 성능을 보인다. 본 연구는 주사 음향 현미경에 주로 사용되는V(z) 기법을 통해 내부 결함의 유무를 판단할 수 있는 알고리즘을 제시하며, 반사율 함수 기반의 정상과 비정상 군집 데이터에 대한 특성을 정량적으로 분석하였다. 주성분 분석(Principle Component Analysis, PCA)을 통해 추출된 재배선층의 정상과 비정상 반사율 함수 10개 샘플에 대한 K-Means clustering 결과는 정상 군집 데이터에 비해 비정상 군집 데이터가 2.6배 먼 거리에 대해 군집도가 분산되어 미세 결함 판별을 수행할 수 있는 유용성을 입증했다. 개발된 후처리 알고리즘은 반사울 함수 기반의 독립적인 내부 마이크로 결함 검출에서 우수한 성능을 보이며, 고주파 집속 초음파 소자가 인터페이스 품질 가시화에 좋은 선택임을 나타낸다.