作为目前最为成熟、应用最为广泛的封装内部连接方式,引线键合技术不断变化以适应各种半导体封装新工艺和材料的要求和挑战。引线键合过程中的工艺参数较多,他们直接影响键合质量的好坏,影响半导体器件的可靠性。这些参数与质量判断响应如剪切力、压扁球直径等存在复杂的非线性、强耦合关系,难以用准确的数学模型表示,合理地设置各个参数变得非常困难。在实际生产中,参数的设置依靠工程人员的经验,无法保证键合质量的最优性和稳定性。因此,本课题对影响金球键合中第一点球键合的质量影响因素进行了深入分析,提出了基于自适应神经模糊推理系统的工艺参数预测模型,以实现工艺参数的最优组合。主要研究内容有:1.论文采用了神经网络与模糊理论结合的自适应神经模糊推理系统建立工艺预测模型,不仅可以调节逼近非线性模型的程度且可以得到实际模型的内在规律即知识系统。这对于调整模型以适应不同生产条件和芯片材质有重要作用。2.探讨了引线键合过程中多影响因素对键合质量产生的影响作用。工艺参数模型以剪切力和压扁球直径作为输出响应,采用正交试验的方差分析法比较了初选的九个工艺参数对输出响应的影响程度,从而确定了六个工艺参数为模型的输入变量。之后采用随机组合的方法,试验测量了60组和15组数据作为模型的建模样本和验证样本。从验证样本的测试看,模型的剪切力平均误差为3.16%,最大相对误差7.34%;压扁球直径的平均误差为1.24%,最大相对误差为2.06%。这说明建立的自适应神经模糊推理系统可以很好的逼近引线键合工艺的实际模型。3.用建立的工艺模型分析了各个工艺参数对两个输出响应的影响规律以及对假设的条件求取了最优解。论文所建立的自适应神经模糊推理系统及自动生成的模糊规则库为后续研究不同设备条件及芯片材质下工艺模型的快速修正与实时监测提供了技术基础。