包装のためのデジタルツイン：設計、製造、試験、信頼性を結ぶ架け橋

かつては主に設計探索に関連付けられていたものが、今や製造ライフサイクル全体に広がっている。包装や組立工程において、デジタルツインは設計意図とプロセス実行を結びつけ、複数の段階にわたる変動を監視し、場合によってはリアルタイムで是正措置を指示する手段として台頭している。

パッケージングの仮想化への圧力は高まっている。高度な統合スキームにより、エンジニアが管理すべき変数が増加している。 相互接続はより密接に、材料はより多様化し、システム要件はより厳しくなっている。平坦性、熱膨張、反りにおけるわずかな偏差さえも、連鎖的な故障を引き起こす可能性がある。統計的工程管理、レシピの適格性評価、下流工程での根本原因分析といった従来の手法は依然として重要だが、問題発生後の歩留まり損失を防ぐには反応が遅すぎる場合が多い。エンジニアは、問題の発生を早期に予測し、損害が生じる前に対処可能な選択肢を提供できるツールを求めている。

「顧客は、単一パッケージ内に複数のダイタイプを統合する異種統合経路を求めています」とアムコルの社長兼CEO、ギール・ルッテンは述べた。「歩留まりと信頼性を維持するためには、事後対応的な修正だけに頼るわけにはいきません。結合、応力、熱的相互作用を事前にシミュレーションする必要があります」

図1：アムコールのCEO、ギール・ルッテン氏がセミコン・ウェストで先進パッケージングの課題について議論する様子。出典：グレゴリー・ヘイリー／セミコンダクター・エンジニアリング

この視点は、業界がパッケージングのデジタルツインに注目する理由を浮き彫りにしている。物理的な試験や検査に取って代わるのではなく、問題が製造ラインで顕在化する前に、ダイ、基板、材料間の相互作用を理解するための予測レイヤーを提供するのだ。

フィードバックエンジンとしてのテスト
多くの企業はまずパッケージレベルのテストセルでツイン実験を行っています。テストはパッケージ性能を早期に測定する機会を提供しますが、従来、テストデータは事後分析にのみ使用されていました。故障は記録され、エンジニアが原因を調査し、是正措置は事後的に実施されていました。

試験セルで構築されたデジタルツインがこの状況を変える。プローブの挙動、ロードボードの応力、パッケージ境界をシミュレートすることで、問題発生の初期兆候を捉え、歩留まりが急落する前にその情報を組立工程へフィードバックできる。

「当社のテストセルツインでは、プロービング環境、ロードボード、パッケージ境界をシミュレートします」と、Cohu AnalyticsSolution傘下のTignisソリューションエンジニアリング部門ディレクター、ボイド・フィンレイ氏は述べた。「これにより、信号および熱ストレスの問題を事前に検出でき、それに応じてパッケージングパラメータを調整することが可能になります」

このアプローチにより、テストは単なる合格・不合格のチェックポイントから、プロセス最適化のためのフィードバックメカニズムへと変容する。モデルが接触抵抗の上昇を検知した場合、ボンディング圧力の変更を推奨できる。熱応力の蓄積を検知した場合、アンダーフィル硬化条件の変更を提案できる。課題は速度と精度である。モデルは大量生産テストのペースに追従できる十分な速度で動作し、真のドリフトとランダムノイズを確実に区別しなければならない。

ファブから組立工程へのフィードフォワード
テストツインを組立・パッケージング工程に接続することは、全体像の一部に過ぎない。パッケージング不良を引き起こす多くの要因は、ウェハー加工段階で発生する。堆積厚のばらつき、パターンの均一性、欠陥密度といった変動は、後工程の組立において応力や位置ずれとして現れることが多い。信頼性を確保するためには、パッケージングツインはファブからのフィードフォワードデータと計測モデルを吸収し、理想化された仮定ではなく実際の入力を反映しなければならない。

「パッケージングツインを大規模に信頼性高く実現するには、ウェーハテストからアセンブリまでのフィードフォワードが必要であり、ウェーハ座標を基板を通じてパッケージまでマッピングしなければならない」と、PDF Solutionsのソリューションアーキテクチャ担当シニアディレクター、マーク・ジェイコブスは述べた。「そうしなければ、ツインは上流工程のばらつきを認識できない」

この継続性の必要性は、装置レベルで開発されたプロセスモデルにも及ぶ。エッチングや成膜のシミュレーションは既にファブにおけるリスク低減に貢献している。これらのモデルをパッケージング工程まで拡張することで、エンジニアは配線層や表面形状が組み立て後にどのように振る舞うかについて現実的な予測を得られるようになる。

「複数の設計段階で、システムレベル、ボードレベル、パッケージレベル、チップレベル、IPレベルといった複数スケールでのシミュレーションが必要だ」と、シノプシス傘下のアンシスで研究開発担当シニアディレクターを務めるスダルシャン・マル氏は述べた。「一部のチップレットは完全に実装されている一方、他のチップレットはフロアプランニングやRTL段階にある場合もある。異なる抽象化レベルを統合的に分析できる手法とシミュレーション能力が求められる」

予測手法では、物理ベースのアルゴリズムと組み合わせた疎な計測技術を活用することも可能です。すべてのウェーハやダイを測定しようとする非現実的な試みではなく、これらのモデルは限られたデータポイントを用いてプロセスドリフトを推定します。この情報が下流工程に渡されると、パッケージングツインが上流工程のわずかな偏差が組み立て結果に与える影響をシミュレートできるようになります。

シーメンスEDAのプロダクトマネジメントディレクター、ジョー・クワン氏は次のように述べた。「我々は疎な計測技術とショックレー・モデリングを用いて上流工程のドリフトを推定する。その情報はパッケージングやテストといった下流工程のツインに対する文脈的入力となる」

図2：シーメンスEDAのジョー・クワンがセミコン・ウエストでデジタルツインに関するプレゼンテーションを行う。出典：グレゴリー・ヘイリー／セミコンダクター・エンジニアリング

より大きな構想は、設計から製造、パッケージング、テストに至るまで相互接続された双子の連鎖である。各ノードが次のノードに情報を提供し、デバイスがウェハーから完成システムへと進化する過程の全体像をより完全に描き出す。しかし障壁は大きい。データ形式の整合、知的財産の保護、組織境界を越えたモデルの同期には新たな枠組みが必要だ。それでも部分的な採用さえも有用であることが証明されつつある。

双子が規範的になる時
双子が予測を超えて規範へと移行すると、その重要性は高まる。診断モデルはエンジニアに欠陥率が増加していると伝えるかもしれないが、規範的モデルはシナリオを実行し具体的な調整を提案できる。パイロットケースでは、これらのモデルは既に、失われるはずだった製品を救うため、工程途中でのパラメータ変更を推奨している。エンジニアは制御権を保持するが、モデルがトレードオフを評価し最も安全な選択肢を提案できるという事実は、閉ループ運転に向けた重要な一歩を意味する。

「予測モデルを構築する際、基本的に二つの選択肢があります」と、EMDエレクトロニクス社デジタルソリューション事業部のデータサイエンス・デジタルビジネス責任者、ジャンニ・クレス氏は述べた。 「一つは物理学や化学に基づくメカニスティックモデルに依存する方法。もう一つは実証データで訓練されたAIと機械学習に依存する方法です。当社の経験上、メカニスティックモデルは大規模化学プロセスではほぼ常に非現実的です。そのため機械学習がデジタルツインのエンジンとなります。静的モデルのみを導入した場合、最終的にドリフトが生じ信頼性が失われます。堅牢なAIには継続的な監視、定期的な再学習、不確実性の厳密な定量化が不可欠なのです」

その約束は魅力的だ。小さな修正を適時に行うことで、何千ものユニットを廃棄から救える可能性がある。しかしリスクも同様に明白である。モデルの調整が不十分であれば、その推奨事項が問題を悪化させる恐れがある。十分な速度で動作できなければ、その助言は手遅れになるかもしれない。現時点では、ほとんどの実装は助言的な性質を持ち、エンジニアに推奨される行動方針を示す一方で、最終的な判断は人間の手に委ねられている。ツインが最終的に自律的に行動することを信頼されるようになるかどうかは、依然として未解決の問題である。

時間の経過に伴う信頼性のモデリング
歩留まりを超え、長期信頼性はツインが価値を提供し得る新たな領域として浮上している。従来の信頼性試験は、熱サイクル、湿度暴露、エレクトロマイグレーション解析などの加速ストレス手法に依存している。これらの試験は時間がかかりコストも高く、インラインでの実施は不可能である。劣化モデルをパッケージングツインに組み込むことで、寿命挙動を仮想的にシミュレートする手段が提供され、潜在的な故障モードに関する早期のフィードバックが可能となる。

「我々は化学的安定性、拡散、経時的な応力のモデルをこの双子モデルに組み込む」とクレスは述べた。「これにより、接着剤や封止材が数か月あるいは数年後にどのように劣化するかシミュレートできる」

この機能により、エンジニアは短期的な生産性と長期的な耐久性を天秤にかけ、両方を考慮した材料とプロセスの最適化が可能となる。しかし信頼性領域には固有の課題が存在する。モデルは加速応力データを実環境条件にスケールする手法に依存しており、そのスケール法則が外れると予測値は実稼働性能と一致しない。実際の故障データへの較正が不可欠である。

デジタルツインは設計領域にも進出している。マルチダイシステムでは、分割、相互接続、電力供給において困難な選択が求められる。設計初期段階での決定は、組み立て工程に直接影響する。製造現場からの現実的なフィードバックなしにこれらの選択を行うと、エンジニアは非現実的な道筋を深く進みすぎてしまう可能性がある。デジタルツインを用いたアーキテクチャ探索は、テープアウト前にリスクを特定するのに役立ち、パッケージング制約を考慮したトレードオフの比較をチームに可能にする。

「マルチダイ（シリコンベース、チップレットベースのパッケージング）への移行が進む中、多くの顧客は依然として参入のタイミングを模索しています」とシノプシスの研究開発担当エグゼクティブディレクター、スティーサ・カビルは述べた。「主な推進要因は、スケーリング、再利用、設計時間の短縮にあります。ツインベースのアーキテクチャを検討せずに進むと、後で実現不可能だと判明する道に深く踏み込んでしまうリスクがあります」

これは、双子が生産現場に限定されないという考えを裏付けるものである。双子は設計と製造を結びつけるより広範なエコシステムの一部だ。データが双方向に移動し、設計がプロセス選択に情報を提供し、製造が設計にフィードバックされることで、コスト削減と時間短縮の可能性が大幅に高まる。

導入障壁
デジタルツインへの熱意を冷ます未解決の課題がいくつか存在する。第一にデータ信頼性だ。ツイン構築にはウェハー加工、組立、試験の情報を必要とし、しばしば企業境界を越える。これにより知的財産の流出懸念が生じる。安全な枠組みと明確なガバナンスがなければ、企業は有意義なモデルに必要な詳細データの提供を躊躇する可能性がある。単一組織内でも、統合を阻むサイロ化が生じうる。 部分的な情報しか把握できないデジタルツインは、予測的というより誤解を招くリスクがある。

密接に関連する問題がモデルの信頼性である。エンジニアは、予測が現実の結果と一貫して一致しない限り、デジタルツインを採用しない。検証は一度きりの作業ではない。モデルは生産データと頻繁に照合し、ドリフトを検出する必要がある。初期試験で良好な性能を示したモデルも、プロセスレシピの進化、材料の変更、パッケージタイプの多様化に伴い、乖離する可能性がある。継続的な再調整は不可欠だが、リソースを消費し、厳密な相関研究を必要とする。

もう一つの障壁は解釈可能性である。エンジニアは、その背後にある理由を理解せずにブラックボックスの推奨に従うことはまずない。モデルが圧力増加や硬化時間の変更を助言する場合、チームはその理由を知る必要がある。物理ベースのツインは、エンジニアにとって馴染み深い方程式に基づいているという利点があるが、リアルタイム利用には遅すぎる可能性がある。一方、機械学習モデルは高速に動作するが、往々にして不透明である。

ハイブリッド手法が現在模索されているが、エンジニアが評価可能な説明を提供する必要がある。解釈可能性がなければ、予測の精度にかかわらず普及は停滞するだろう。

レイテンシと計算コストは実装において重大な課題となる。リアルタイム補正は、モデルが生産に追いつくほど高速に実行できる場合にのみ意味を持つ。 高精度な物理シミュレーションは処理速度の遅さで悪名高い。低次元モデルは速度を優先して詳細を犠牲にするが、重要な相互作用を見逃すリスクがある。AIを組み合わせれば改善されるが、モデルの訓練と維持にはオーバーヘッドが発生する。部分データや近似値で動作するツインをパッケージ化すれば一定の価値は提供できるが、大量生産のタイムフレーム内で実用的な結果を出せるようになるまでは、その活用は限定的であり続けるだろう。

汎用性も懸念事項である。パッケージング技術は急速に進化する。ある世代のインターポーザや材料積層構造で訓練されたモデルは、次の世代には適用できない可能性がある。エンジニアは再訓練のコストと過学習のリスクを懸念している。転移学習アプローチが研究されているが、複数の世代にわたるパッケージング技術で実証された例はほとんどない。業界は、プロセスが変化するたびに一から作り直すことなく、ツインを更新・適応させる戦略を必要とするだろう。

「ツインモデルは単発型のモデルではありません」とPDFのジェイコブスは述べた。「継続的な検証、ドリフト検出、そして基盤となるプロセスが進化した際の再トレーニングのための枠組みが必要です。それがなければ、予測ツールのように見えるものが負債となってしまいます」

その慎重な見解は設計およびEDAの専門家たちにも共有されており、彼らは強力なデータ統合がなければパッケージングツインは失敗すると指摘する。彼らは、マッピング、座標、インターフェースに関する標準規格への合意がなければ、モデルは断片化したままであると主張している。

「設計と製造の整合性を確保する課題は認識しています」とシノプシスのカビール氏は述べた。「デジタルツインは新たなサイロではなく、架け橋としての役割を果たさねばなりません。さもなければ、全体像を捉えきれない複数の断片的な見解が生まれる結果となります」

信頼性モデリングはさらなる複雑性を加える。応力、拡散、劣化メカニズムはモデル化可能だが、限界がある。短期加速試験から長期性能を予測することは常に困難であり、そうした外挿をデジタルツインに組み込むことでリスクは増大する。 信頼性を過大評価するモデルは、早期故障が実稼働環境で発生するリスクを招く。信頼性を過小評価するモデルは過剰設計と歩留まり低下を招きかねない。実稼働データによる較正は不可欠だが、現場からのフィードバックは稀で蓄積に時間がかかる。

組織的・文化的な障壁も存在する。多くのファブやOSATは自社データの保護に慣れている。たとえ抽象化された形であれ、データを共有することは確立された慣行への挑戦となる。EDA、装置、組立企業間の連携は必要だが、それらのプレイヤー間でインセンティブを調整することは容易ではない。業界団体は標準化について議論を始めているが、その採用には技術的解決策以上のものが必要となる。競争優位性と共有インフラのバランスを取る新たなビジネスモデルが求められるだろう。

双子の次なる行方
こうした障壁があるにもかかわらず、パッケージング分野におけるデジタルツインへの関心は、その利点が非常に説得力があるため、引き続き高まっている。故障に至る前にドリフトを検知し、稼働中にプロセス変更を推奨し、長期的な信頼性リスクを指摘できるツインは、歩留まりと保証コストで数百万ドルの節約につながる可能性がある。設計、製造、パッケージング、テストを単一の連続モデルに統合する可能性は依然として理想論の域を出ないが、その方向性は明らかである。

この勢いは外部要因によっても推進されている。市場参入の機会は縮小しており、顧客は複雑なシステムの納期短縮と予期せぬ問題の低減を期待している。同時に、歩留まり損失のコストは上昇中だ。先進プロセスノードや微細ピッチパッケージングにおける廃棄物と手直しは、過去の世代に比べて著しく高コストであり、予測制御の経済的合理性をより強固なものとしている。

多くのエンジニアは、助言システムが推奨事項を提供し、最終判断を人間の専門家に委ねる方式を好む。航空における自動操縦装置の使用と同様に、助言システムは作業負荷を軽減し日常業務を処理できるが、異常事態における判断責任はパイロットが負う。パッケージングツインズも同様の軌跡をたどる可能性がある。最初は助言補助として始まり、信頼性が確立されるにつれて徐々に指示的役割へと移行していくのだ。

デジタルツインへの推進は、AI、機械学習、エッジコンピューティングといったより広範な産業トレンドとも交差している。機器へのセンサー追加が進み、ノイズの多い多次元データの処理能力がAIツールで向上するにつれ、リアルタイムモデルの実現可能性が高まっている。しかし物理学を伴わないAIは脆弱になりやすく、AIを伴わない物理学は遅延が生じやすい。真の価値は両者を融合し、物理学でモデルを制約しつつAIで実行を加速させる点にあるかもしれない。 この適切なバランスを見出すことが、今後10年間におけるパッケージングツインの決定的な課題の一つとなるだろう。

シーメンスのクワン氏は次のように述べた。「課題は単に双子モデルを構築することではなく、精度、速度、解釈可能性の適切なバランスを保ちつつ、実環境で実用可能なものにすることだ。エンジニアが日常的に活用できなければ、モデルがどれほど洗練されていても意味がない」

結論
技術が成熟するにつれ、デジタルツインの適用範囲は拡大する見込みである。単一工程の最適化手段として始まったものが、組立ライン全体の管理フレームワークへと進化する可能性がある。ツインは工具のスケジュール管理、資材フローの最適化、さらには要員要件のシミュレーションにも活用されうる。信頼性ツインは顧客コミュニケーションの一環となり、長期的な耐久性の証拠を提供できる。設計統合型ツインはアーキテクチャの早期検証により市場投入までの時間を短縮するだろう。

しかし、これらすべてはデータ、モデル、そしてそれらを支えるエコシステムへの信頼にかかっている。その信頼がなければ、デジタルツインは解決策ではなく、複雑さの新たな層となるリスクがある。信頼があれば、デジタルツインは包装を事後対応的な分野から予測的・処方的分野へと変革し、設計意図と製造現実を一致させることができる。

デジタルツインが台頭しているのは流行だからではなく、代替手段が手に負えなくなっているからだ。複雑性は従来の手法を凌駕している。パッケージングは重大なボトルネックとなり、小さなミスが連鎖して大きな失敗を招く。エンジニアは対処するための新たなツールを必要としている。デジタルツインは課題も多いが、最も有望なアプローチの一つである。