中 華 大 學

中 華 大 學 碩 士 論 文

題目：照相感應模組產業之良率研究

系 所 別： 經 營 管 理 研 究 所 學號姓名： M09219035 李堯銓 指導教授： 葉 鳴 朗 博 士

中華民國 九 十 四 年 六 月

摘要

良 率 是 照 相 感 應 模 組( 互 補 式 金 屬 氧 化 半 導 體 CMOS -Complementary Metal Oxide Semiconductor)業者進行獲利評估的一 個重要指標，也是建立市場地位的主要因素。因此，若業者能快速、

有效率地進入市場而建立有效管理制度並提出製程良率之改善方 案，則良率將可獲較佳之掌控，對整體公司獲利及市場競爭力，將 有重大之影響。

由於以往良率提升模式大都建構在產品本身缺陷，而忽略了整 體生產環境及設備結構，本研究所提出的良率模式，在建構上考量 從生產無塵室環境、人員紀律、生產設備、材料著手，並利用變異 數分析及迴歸分析，建立一套良率作業模式，以快速穩定製程，提 升良率，強化公司獲利競爭能力。所以，本研究收集 X 照相感應模 組廠之生產資料來建構良率模式，從比較結果中可以發現本研究所 提之良率模式，可創造整體良率達 97%以上，若公司能在新成立時 即導入此模式，公司將可在短期內大幅改善良率。

關鍵詞：變異數分析，迴歸分析，良率模式，照相感應模組

目錄

摘要---i

目錄---ii

表目錄---iv

圖目錄---v

第一章 緒論---1

1.1 研究動機---1

1.2 研究目的---1

1.3 研究流程---2

1.4 研究架構---3

第二章 文獻探討---4

第三章 產業簡介---6

3.1 照相感應模組產業簡介---6

3.2 照相感應模組市場概況分析---9

3.3 照相感應模組生產流程---10

第四章 良率分析---14

4.1 良率定義及其重要性---14

4.2 照相感應模組之產品結構---15

4.4 照相感應模組之相關材料進料檢驗---18

4.5 照相感應模組之生產環境及人員紀律維護---20

4.6 照相感應模組之製程缺點形態分析---23

4.7 照相感應模組之良率模式建構---27

第五章 實證結果與分析---29

5.1 實證良率資料來源---29

5.2 變異數分析---29

5.3 迴歸分析---31

5.4 分析與討論---35

第六章 結論與建議---36

6.1 結論---36

6.2 建議---37

參考文獻---38

附錄 1 良率資料統計表---40

表目錄

表3.1 CMOS 與 CCD 之技術比較---7

表3.2 CMOS 與 CCD 之特性比較---7

表3.3 數位相機與手機相機的畫素趨勢---10

表4.1 製程管制說明表---17

表4.2 材料進料檢驗管制表---18

表4.3 生產環境管制表---20

表4.4 製程缺點形態表---23

表5.1 三種生產情境之基本資料---30

圖目錄

圖3.1 以手機相機為主之CMOS 影像感測器市場狀況---10 圖3.2 生產流程---11 圖3.3 生產管理流程圖---13

第一章 緒論

1.1

研究動機

在大量生產製造的產業裡，從整體生產製程流程中找出影 響良率高低的因子，是當今照相感應模組廠最重要也是最困難 的工作。照相感應模組之製造是從晶圓切割封裝到 SMT(IC 表 面粘著)、模組組裝測試至成品，需經過多道完整且精密的加工 流程。生產製造者為求有效掌握模組成品良率，在每道製程階 段都會記錄其特性及參數數據。由於製程參數間相互影響，產 出之良率很難掌握且無法找出真正影響良率高低之因子。

良率低一直困擾著照相感應模組廠，如鏡頭殘留污點。污 點之來源控制，涵蓋了工廠整體環境，其包含了無塵室環境、

人員紀律、材料品質、自動生產設備、製程流程控制、即時改 善方法等，這些變數間每個屬性不同但又交互影響，造成良率 難於掌握。然而，有鑑於良率對照相感應模組廠之重要性，本 研究將以最佳製程參數、流程、方法找出最佳良率模式。

(林峻毅 2)

1.2

研究目的

以 CMOS 感測模組為主之製程，早在 1967 年便出現，不過 當時技術並未成熟，直到 1990 年代初期次微米半導體技術逐漸成

入應用期，最主要原因是其低耗電、低成本及高整合性的優點，

目前已廣泛被應用在數位相機、PC 相機、行動電話等產品。(阮 世昌 1)

本研究是以探討某 X 照相模組廠從建廠至量產獲利過程中，

如何為因應低良率而對製程提出改善方法，進而使良率提升，達 到最佳良率之方法做研究分析。

1.3

研究流程

本研究的研究步驟如下：

1. 文獻探討--- 蒐集並研究國內相關資料 a. 照相感應模組產業簡介。

b. 照相感應模組市場分析及未來趨勢。

c. 照相感應模組生產流程及管理簡介。

2. 問題之界定--- 良率模式之建構，以照相感應模組廠之良 率改善為主，從產品結構到製程參數、材料、生產環境、

人員紀律、自動化設備間關係，考量可量化資訊及質化因 素。

3. 問題探討與模式建立--- 依生產過程中影響良率各種因 素，逐步考量分析，建立相關定義，限制與假設，從而建 立基本模式，並將基本模式導入量產。

4. 模式架構發展--- 依據所蒐集各項改善資料，建立改善模 式，規劃完善生產系統架構。

5. 實證分析--- 以實際工廠為例，將良率模式導入執行，將

其結果加以分析驗證比較，而獲得最佳模式。

1.4

研究架構

以CMOS 為主體之照相感應模組是一個剛起步(1990 年)之產 業，相關之製程改善報告極少，為使該報告能與業界實際情況相 聯繫，本研究以變異數分析及迴歸分析方法應用在良率改善的研 究，並以某 X 照相模組廠為實例，建立最佳模式。

確立研究主題與目的

相關文獻蒐集與探討

問題界定及模式建立

實例資料蒐集及模式驗證

結論與建議

第二章 文獻探討

良好的品質是產品不可或缺的一項競爭利器，企業通常應用 統計製程管制(Statistical Process Control , SPC)來監控與改善產品 或製程之品質，而管制圖及製程能力分析又是SPC 的兩項重要工 具。在作製程能力分析時，製程能力指標(process capability index , PCI)可用來量化一個製程能力的好壞，透過這些指標值可評估製 程實際的績效與找出改善的方向，其改善方式是應用設備本身能 力，尋找出最佳產出參數及配合原物料最佳生產條件融合形成良 率。

1、邱永德(2003)研究多重品質特性實驗設計模式，根據電漿電 弧銲銲接最佳參數組合之決定結果得到以下的結論：

(1) 對於單一品質特性所獲得的最佳參數值，只能滿足品質特 性本身的目標。因此該研究應用多準則 Q 分析來整合多重 品質特性對於其他的品質特性無法兼顧的問題，不僅能在 多項品質特性中找到一個平衡點，更能根據專家的經驗以 提供實驗設計者一個較為客觀的判斷方法。

(2) 當在判斷一項品質特性時，往往不能以一個實際的數值來 表示，必須藉由語意變數來表達其品質特性。該文研究根 據模糊多準則 Q 分析的概念，建構出來多準則田口 Q 分 析來處理多重品質特性的問題。

2、陳在萬(2003)依據不同產品的品質特性，區分為單邊規格與雙 邊規格特性，來研究製程能力之模糊評估。另外，該文亦研究

雙邊規格品質特性，做為如何選擇供應商之評估方法。得到製 程能力指標作為分析單邊規格產品的品質特性，是一個很有效 分析工具。

3、謝昆霖與唐麗英( 2003 )所提出的良率模式，在建構上的考量 是將晶圓(wafer)上的缺陷來源(defect source)、缺陷數目以及缺 陷群聚(defect cluster)等一併納入分析，並利用類神經網路對於 非線性結構的良好處理能力，建立適切的良率預測模型，以有 效 地 解 決 傳 統 良 率 模 式 精 確 度 較 差 的 問 題 以 及 修 正 之 良 率 模 式在使用上過於複雜的問題。其採用的實例證明所提出的良率 模式構建方法，確實比其他的良率模式簡單且預測良率之能力 較佳。

4、羅國弘、蔡智政、賈方霈、與孫天龍(2002) 所提出的良率模 式，將影響電子產品良率高低之製程資料分為二種，利用製程 機台運作之製程參數及量測機台之品質量測值，運用決策樹演 算法結合多維資料視覺手法，從晶圓製造廠之線上批量製程控 制(Lot in line process control )資料中，找出製程中影響晶片 (wafer)良率高低之重要因子，並提出如何運用類似技術於 PCB 製程資料分析，以輔助 PCB 不良品成因之探討。

本研究是以設備最佳參數、量測品質最佳化及材料最佳產出 條件為已知條件，而以微粒控制之製程條件、生產環境、人員紀 律為基礎，進行良率改善方式，尋求最佳生產組合。

第三章 產業簡介

3.1 照相感應模組產業簡介

影像傳輸時代的到來，讓 CMOS Sensor 產業蓬勃發展，CMOS Sensor 在 1967 年出現，不過當時技術並未成熟，直至 1990 年初 期次微米半導體技術逐漸成熟後，才使 CMOS 影像感測器成為市 場焦點。影像感測器(image sensor)是負責將光的影像訊號轉換成 電的影像訊號，最常見的是 CCD(Change-Coupled Device)光電耦 合元件與 CMOS(Complementary metal Oxide Semiconductor)互補 式金屬氧化半導體，CCD 主要應用在高階數位相機，保全監視 器、掃瞄器和攝錄影機等；而 CMOS 主要應用在 PC Camera、低 階數位相機、手機、PDA 和影像電話等。(阮世昌 1)

從 CMOS 發展至今，已陸續整合濾光片發展彩色應用，並發 展微鏡片來加強感光品質，所以將整合前端光學鏡片，走向模組 化發展，降低系統製造難度，理論上，所有影像感測器所需要的 動能，如垂直位移、水平位移暫存器、時序控制等都可放置於同 一顆晶片上，整合成單晶片(System-On-Chip)。由於 CMOS 有整 合前後段製程於單一晶片上，直接促使元件成本降低，提升市場 競爭力。

CMOS 是半導體標準製程，可利用現有的半導體設備，且品 質可隨著半導體技術的提升而進步，非常適合半導體產業架構完 整的台灣廠商，但在品質上仍難與 CCD 媲美，故一般都使用在

低階產品，近幾年來由於半導體技術提升，CMOS 的畫質已接近 低階解析度的 CCD，且因體積小，耗電量不到 CCD 的 1/10，價 格也比 CCD 便宜 1/3，因此已有相當之業者採用 CMOS 替代 CCD，尤其是手機業。

表 3.1 CMOS 與 CCD 之技術比較(阮世昌 1)

CMOS CCD

一般矽晶圓製程 一種矽基固態影像感測元件

一般晶圓廠即可生產 製造技術及專利掌握在日商

表 3.2 CMOS 與 CCD 之特性比較(阮世昌 1)

CCD CMOS

優點 優點

1、 低雜訊 2、 高感度

3、 線路設計及製程單純 4、 技術成熟

5、 100 萬畫素以上

1、 低價位 2、 低耗電量

3、 畫素可隨機讀取

4、 相機功能可整合在單一晶片 上

5、 130 萬畫素以下

缺點 缺點

1、 高耗電量 1、 雜訊度較高

2、 畫素無法隨機讀取

3、 電荷傳遞須接近完美無缺

2、 感度較差 3、 晶片線路複雜 4、 技術尚未完全成熟

在手機相機與中低階數位相機龐大市場誘因下，國內外廠商 皆積極投入。以國外廠商而言，Omnivision 為 CMOS 影像感測 器的領導廠商，已開始量產 2 百萬像素的產品，並已完成 3 百萬 像素產品的研發，委由台積電生產。安捷倫與 ST 皆為光學滑鼠 用 CMOS 影像感測器大廠，亦積極投入手機相機用 CMOS 影像 感測器。美國 DRAM 大廠 Micron 亦投入手機相機 CMOS 影像感 測器的發展。由於大廠的共襄盛舉，在技術製程與供給面上，將 形成有利的支撐與推波助瀾的力道。(阮世昌 1)

國內目前生產 CMOS 影像感測器廠商，主要有宜霖、泰視、

銳相、原相等四家，敦南科技亦由線型 CIS 轉往面型 CIS 發展，

東元電機投資的菱光科技亦有興趣朝此領域發展。同時國內在後 段控制 IC 方面，包括有凌陽、兆宏、華邦、義統、松瀚、倚強與 太欣等廠商，在未來整合趨勢下，亦有助於國內 CMOS 影像感 測器之蓬勃發展。在國內手機 ODM 逐漸興起之際，手機相機市 場亦將會是國內 CMOS 影像感測器廠商的主要目標。

3.2 照相感應模組市場經營概況分析

CMOS 影像感測器市場值預估 2007 年為 5.5 億美元，約為 CCD 的 三分之一；但 2007 年在數量上將與 CCD 等量齊觀，達 到 2.2 億顆，而 2003 年估計僅有 37 百萬顆，2003 至 2007 年數 量年複合成長率達到 56.3%，遠高於營收的 23.7%。

由圖 3.1 可知，CMOS 像感測器主要應用在手機相機上，由於手 機相機以輕薄短小與高待機時間為主要訴求，對於畫素的需求並 不高，皆有利於 CMOS 影像感測器滲透此一市場。CCD 主要將 應 用 在 高 畫 素 的 數 位 相 機 、 相 機 手 機 與 數 位 攝 影 機 上 ， 而 與 CMOS 影像感測器有所區隔。數位相機與手機相機的畫素趨勢，

雖然目前手機相機的畫素落後數位相機，但手機以服務為主要收 費來源支撐下，朝高畫素發展快速，預估至 2007 年手機相機有機 會在 3 百萬像素與 4 百萬像素上超越數位相機，如圖一所示。對 CMOS 影像感測器而言，由於 CMOS 影像感測器的品質與良率 能隨製程技術不斷提升，亦有機會往中高畫素發展。(范哲豪 5)

圖 3.1 以手機相機為主之 CMOS 影像感測器市場狀況 表 3.3 數位相機與手機相機的畫素趨勢

3.3 照相感應模組生產流程

a.生產流程 (Process Flow)

一般製造業之生產流程乃描述產品已經完成研發階段而導入 量產階段，從原物料投入歷經各加工製程至完成成品，其間有品 質部門做生產稽核，促使成品能符合客戶需求。

Wafer IQC 晶圓進料 Wafer SAW 晶圓切割

2VI 切割後目視 Die Bond 粘晶

Wire Bond 打線

Glass Attach 上玻璃

Glass SAW 玻璃

Mark 蓋印

SMT 表面粘著 Flex Mark 軟板蓋印

Glass Clean 玻璃清潔 Lens Holder Attach

Singulation 軟板切單 Focus &Test 聚焦電

圖 3.2 生產流程(x 公司 本研究整理)

b. 照相感應模組之生產管理

照相感應模組之生產流程跨越 3 大生產領域，從晶圓切割封 裝、SMT 表面粘著、模組組裝，歷經 3 大無塵生產環境 1K、100K、

10K，其間所產生之製程變動相互交叉影響下，對良率影響甚大。

以下針對人員、環境、物料、設備等概略說明。

◎人員：乃從事生產活動之直接人員，負責產品生產及品質之維 持。為達成生產目標前必須給予下列訓練：生產紀律、生產操作、

產品檢驗等教育訓練及考核。

◎環境：指提供生產產品之廠房空間並施以必要之環境控制，為 符合生產環境必須執行下列管制：無塵室定期檢測、氣壓/水質定 期檢測、無塵衣定期清潔、 1k 區生產人數管制。

◎物料：指提供生產產品之物料，為維持該物料能符合生產需求 及管制在使用期限內生產而做出下列要求：物料檢驗規範及儲存 區域、取材手法、保存期限。

◎設備：指生產產品之生產設備，為維持一定之產出及生產品質 標準化而做出下列要求：自動化生產設備、設備定期清潔、設備 動線規劃。

◎生產管理：是指達成客戶需求從客戶訂單至原物料採購、進料

驗收入庫、生產排程、生產投入、生產產出、檢驗入庫、出貨至 產生銷貨收入之生產過程。生產系統架構著重於各子系統之聯結 與管理，各系統人員之溝通協調，在此複雜的生產管理系統中，

在觀念上想法上應隨客戶之需求而有所調整，以滿足客戶需求。

圖 3.3 生產管理流程圖

銷售管理

生產排程

物料需求規劃

生產製令

委外加工管

生產工令單管理

庫存管理

生產作業

採購作業管

進料管理

品質管理

出貨銷帳管

成品入庫管理

生產設備管理

設備製程作業

第四章 良率分析

4.1 良率定義及其重要性

良率定義為製程投入之產品件數與通過生產製程無缺點件數 之比率，再將各製程之比率相乘而得總良率，一般半導體製程，

在製造過程中當不良品產生時，大部份是不能重工的。照相感應 模組之良率分三大部份：

(1). 封裝良率：將好的晶粒 (Wafer Die) 置入基板後打線與封上 上蓋後經測試所得之封裝良率。

(2). 表面粘著 (SMT) 良率：將己封裝完成之感應元件及電阻電 容零件置於軟板後經檢驗所得之良率。

(3). 模組組裝良率：將表面粘著完成之半成品粘貼上鏡頭後經過 影像測試所得之良率。

良率是一個品質指標，良率愈高代表產出效率高，報廢少，成本 低，一旦成品品質穩定，相對客戶滿意度高，即可提升企業競爭 力，因此整體良率可以決定一家企業的盈虧。

4.2 照相感應模組之產品結構

本研究以 CMOS 為主體之照相感應模組，該模組以組裝在手 機上，為目前最熱門之通訊產品，其產品結構分為三大主體：感 應晶片、軟板、鏡頭。(肯特 6)

(1). 感應晶片:其原理為將光轉變類比訊號輸出，且透過感應器內 之畫素(Pixel)完成，其畫素內包含一個光電二極體，用來產 生與入射光成比例的電荷，也包含一些電晶體，以提供緩衝 轉換和復位功能，當畫素電容所累積的電荷經抽樣緩衝並傳 給放大器(Gain Amplifiers)與類比/數位轉換器(A/D Connenter) 之後，所攝取之影像原始訊號才得以形成。(肯特 6)

感應器若要達到高品質、高畫質必須對下列三項條件有所要 求：

◎信噪比:影像感應器的信噪比(SNR)可以用分貝(dB)來表示，

高的信噪比能讓低數值訊號可以被檢測到。

◎暗電流:暗電流是在沒有入射光時光電二極體所釋放的電流 量，高品質的影像感應器其暗電流應該是零，因暗電流是 畫素的雜訊之一。

◎畫素大小和填充比:感應器能否攝取到低亮度影像將取決 於每個畫素活動(採光)區的大小，較大的畫素使影像感應 器攝取較多的光子，如此能提高畫素的動態範圍。

(2). 軟板: 主要轉接來自影像感應器之電荷而與手機主體連結。

(3). 鏡 頭 : 主 要 是 協 助 影 像 感 應 器 攝 取 外 來 影 像 做 調 整 焦 距 之 用。

(4). 產品組合結構:

照 相 模 組 是 由 CMOS 晶片及陶瓷基板、軟板、鏡頭堆疊形 成，再經由影像測試取得成品。

mCLCC + Module=陶瓷基板+粘粒+打線+上玻璃

→

→

上鏡頭+調整焦距及影像測試

→

2

1

2

4.3 照相感應模組之製程說明

生產照相感應模組須歷經 17 道製程，各製程間環環相扣，任 何一個製程誤差將影響整體良率及產品可靠度，因此對於生產之 操作規範及設備參數設定必須有良好之規範及訓練。

表 4.1 說明製程流程中各製程站別之主要原料，其生產投入前品 質檢驗重點，若品質符合規定才可往下一製程繼續生產。

表 4.1 製程管制說明表

項目 製程 說明

1 Wafer IQC 晶圓進料檢 驗

感應區不良、灰塵附著、刮傷

金墊區污染、金墊區開窗不良 2 Wafer SAW 晶圓切割 切割道尺寸、矽崩尺寸

3 2VI 切割後目視 金墊區矽粉殘留、刮傷、灰塵附 著

4 Die Bond 粘晶 膠回溫、陶瓷基板清潔、治具清 潔

粘晶位置居中、粘晶共平面 5 Wire Bond 打線 打線拉力、打線高度、金球強度 6 Glass SAW 玻璃切割 尺寸、灰塵附著

基板密合

8 3VI 外觀目視 灰塵附著、刮傷 9 Mark 蓋印 膠回溫、字體明確 10 SMT 表面粘著 IC 位置，錫珠 11 Flex Mark 軟板蓋印 膠回溫、字體明確 12 Glass Clean 玻璃清潔 灰塵附著、玻璃刮傷 13 Lens Holder Attach 上

鏡頭

膠回溫、鏡頭共平面、鏡頭位置

14 Singulation 軟板切單 切割位置

15 Focus &Test 聚焦電測 鏡頭聚焦、灰塵、電訊 16 Image Test 影像測試 影像清晰、暗點

17 FVI 最終目檢 外觀

(x 公司 本研究整理)

4.4 照相感應模組之相關材料進料檢驗

材料進料檢驗是生產前首要之品質檢驗項目，對任何一件良 品產出必須對材料做好進料檢驗及儲存環境，以確保原物料品質 維持在最佳狀況下被使用。

表 4.2 說明製程流程中各製程站別之主要原料進料檢驗標準。

表 4.2 材料進料檢驗管制表

項目 製程 材料 檢驗重點 1 Wafer IQC 晶 圓 進

料檢驗

晶圓 感 應 區 不 良 、 灰 塵 附著、刮傷

2 Wafer SAW 晶 圓 切 割

膠帶、切割刀 使用期限、型號

3 Die Bond 粘晶 粘膠、陶瓷基 板

保 存 環 境 、 使 用 期 限

4 Wire Bond 打線 金線 強度

5 Glass SAW 玻璃切割 玻璃、切割刀 灰塵附著、刮傷 6 Glass Attach 上玻璃 粘膠 保 存 環 境 、 使 用 期

限

7 Mark 蓋印 蓋印膠、鋁板 保 存 環 境 、 使 用 期 限

8 SMT 表面粘著 鍚膏、軟板 尺寸、使用期限 9 Flex Mark 軟板蓋印 蓋印膠、鋁板 保 存 環 境 、 使 用 期

限 10 Glass Clean 玻 璃 清

潔

清潔液、無塵 棒

純度、清潔度

11 Lens Holder Attach 上鏡頭

粘膠、鏡頭 灰 塵 附 著 、 使 用 期 限

4.5 照相感應模組之生產環境及人員紀律維護

感應元件之生產環境必須每日維護，使整體無塵室微粒維持 在一定程度以下，才能製造出高良率之成品，而針對人員管理必 須遵守無塵室管理規範。下列為生產環境及人員紀律詳細規範：

(1). 生產環境維護

表 4.3 說明生產環境(無塵室)清潔與維護之方法及頻率。

表 4.3 生產環境管制表

AREA 區域 ITEM 項目

METHOD/

FREQUENCY

方法/清潔頻率

FLOOR 天花板

每日用真空吸塵器 清理後，再用無塵 布及純水擦拭。

WALLS 牆面

每週用無塵布及純 水擦拭。

GOWN AREA 更衣室

CEILING / LIGHTING FIXTURE 燈罩

每月用無塵布及純 水擦拭。

SHOE CABINET/LOGISTICS 鞋櫃衣架

無塵衣鞋每週更換 外送清洗，治工具 依需求清洗。

STICKY MAT 粘塵貼紙 每班更換。

WALLS/FLOORING/DOOR 牆/地板/門

每日用真空吸塵器 清理後，再用無塵 布及純水擦拭。

AIR SHOWER 吹氣室

AIR GUIDE NOZZLES 吹氣 孔

每日用無塵布及純 水擦拭。

FLOOR (CLASS 1K) 1K 區地板

每日用真空吸塵器 清理後，再用無塵 布及純水擦拭。

FLOOR (CLASS 10K) 10K 區地板

每日用真空吸塵器 清理後，再用無塵 布及純水擦拭。

WALLS 牆面

每週用無塵布及純 水擦拭。

CEILING / LIGHTING FIXTURE 燈罩

每月用無塵布及純 水擦拭。

CLEANROOM 無座室

EQUIPMENT/WORKTABLES 設備/工作桌

每 班 用 無 塵 布 清 潔。

CLEANBENCH CURTAIN 塑膠簾

每 週 用 無 塵 布 清 潔。

純水 DI Water 每日灰塵含量量測 Facility 廠務 空氣產生器 Air 每日灰塵含量量測

(x 公司 李堯銓整理)

依據美國聯邦標準 209E(Fed-Std-209E)無塵室定義:

粒子大小 粒子數目 粒子大小 粒子數目

級數

um Particles/ft3

級數

um Particles/ft3

≧0.5 ≦1 ≧0.5 ≦1000

1

≧5.0 0

1000

≧5.0 ≦10

≧0.5 ≦10 ≧0.5 ≦10000 10

≧5.0 0

10000

≧5.0 ≦65

≧0.5 ≦100 100

≧5.0 ≦1

註：1cm=10mm,1mm=1000um,ft3 立方呎.

(2). 人員紀律維護----對生產照相感應模組，乾淨與微粒管制是非 常重要，人員進出無塵室必須管制，管制項目如下：

無塵室內不准跑跳，請慢慢走動。

所有拿進無塵室的東西都應透過傳遞箱。

所有不是無塵室用的紙與紙箱都不可帶入。

任何時間未受訓練的人不可進無塵室，除非有專人陪伴。

在無塵室內不可脫掉手套，無塵衣或頭罩。

沒有在操控機器或材料 ，千萬別站在濾網下。

除非你要做調整或更換，否則別把身體靠近機器。

4.6 照相感應模組之製程缺點形態分折

在生產過程中所產生之不良品必須加以分類及定義，針對各 製程所產生之缺點形態，工程部門必須分析及提出改善方案，促 使產出良之率穩定。

表 4.4 說明各製程站在生產過程中之缺點形態以做為品質判定基 準。

表 4.4 製程缺點形態表

項目 製程 缺點形態

Particle on Die Sensor 感應區污染 Particle on Die Logic 邏輯區污染 Die Scratch 晶片刮傷

1 Contamination on Bond Pad 銲墊污染

Foreign Material on Bond Pad 銲墊外來 物

Foreign Material on Die Sensor 感應區外 來物

Passivation 開窗不良 Probe Defect 探針痕缺失 Wafer IQC

晶圓進料檢驗

Corrosion 銲墊腐蝕 Silicon Dust 矽粉殘留

Wafer/Die Scratch 晶圓/晶片刮傷 Particle on Die Sensor 感應區污染 2 Wafer Saw

晶圓切割 Particle on Die Logic 邏輯區污染 Substrate Misoriented 基板方向錯誤 Die Misalign / Position Shift 晶粒偏移 Insufficient Epoxy 出膠不良

Epoxy on Die 晶粒沾膠

Epoxy on Bond Lead 二銲點沾膠 Epoxy Void 黏著膠空洞

3 Die Bond

粘晶

Die Tilting 晶粒傾斜

Ball Lift (NSOP) 一銲點不黏 Ball Shift 球位移

Stitch Lifted ( NSOL) 二銲點不黏 4 Stitch Position Shift 二銲點位移

Low Looping/High Looping 線弧過高或 過低

Broken Wire 斷線 Missing Bond 漏銲線 Wrong Bond 銲錯線 Wire bond

打線

Stray Wire 殘線

Scratch on Glass 玻璃刮傷 Glass Crack 玻璃龜裂

Glass Misalignment 玻璃偏移 Wrong Glass Size 玻璃大小不符 Seal Void 密封空洞

5 Glass Attach

上玻璃

Glass Foreign Matl (imbedded) 玻璃內外 來物

Illegible Marking 印字模糊 Wrong Marking 印字錯誤 Cut/Broken Character 斷字 Shifted Marking 印字偏移 Lead Contamination 腳污染 6 Mark

蓋印

Wrong Mark Orientation 印字方向錯誤 Particle on Die Sensor 感應區污染 Particle on Die Logic 邏輯區污染

元件檢驗 Lead (Gold) Shorting 金腳區短路 Insufficient fillet (low/open)空焊 Misaligned Substrate 基板偏移 Solder Balls (excess)錫球

Solder Bridging (short) 短路 Missing Components 缺件 Wrong Components 錯件 Cold Solder 冷焊

Wrong Orientation mCLCC 極性錯誤 8 SMT

表面粘著

Tombstone 墓碑效應

Lens Holder Overhang 鏡座突出 Lens Holder Contamination 鏡座污染 Glass Stain in Sensor Area 影像區玻璃 污染

Glass Contamination 玻璃污染 Holder Displacement 鏡座位移 9

Holder Attached

上鏡頭

Holder Tilt 鏡座傾斜 Electrical Fail 電性不良 MTF/Focus Fail 聚焦不良 10

Focus

聚焦電測

Particle /Cluster 污染 Electrical Fail 電性不良 MTF/Focus Fail 聚焦不良

Particle /Cluster 污染

Dark test Fail 暗點測試不良 11 Image Test

影像測試

Shadow Mark 陰影

(x 公司 本研究整理)

4.7 照相感應模組之良率模式建構

照相感應模組之良率模式建構將以 a.製程條件 b.生產環境 c.

人員紀律三方面交叉運用提出最佳模式，其運作模式將以某 x 照 相感應模組廠從建廠到接單認證試產，量產致獲利之過程。本模 式採取在製程機台運作中參數條件已確定，及所生產出之成品驗 證已可最佳化，且為設備產出應具備之基本條件，在從生產中找 出下列(生產情境)影響良率高低之重要因子。

生 產 過 程 中 良 率 改 善 之 方 法 如 下 列 三 階 段 模 式(以 季 為 單 位)：

生產情境(一)：資料搜集時間為 92 天(季)之每日生產良率，其生 產條件如下

a.製程條件：a-1.晶片切割後經純水清洗並 100%目檢。

a-2.粘晶、打金線、上玻璃為連線生產。

潔。

b. 生產環境：b-1.元件生產環境在 class10~class1000。

b-2.模組鏡頭組裝環境在 class10,000。

c. 人員紀律：c-1.無塵室每日清潔、無塵服每週更換清潔。

c-2.元件生產區維持一定人數，無塵室內不

准跑跳。

生產情境(二).(在生產情境(一)持續下再改善條件)：資料搜集 時間為 78 天(季,扣除休假日)之每日生產良率，其生產條件如下

a. 製程條件：a-1.晶片進料已經切割篩選。

a-2.陶瓷元件生產前清潔。

b. 生產環境：b-1.元件生產工作區間環境在 class0~10。

b-2.鏡頭組裝區環境在 class1,000。

c. 人員紀律：c-1.無塵服吊掛區環境在 class100。

c-2.人員工作技巧每月再考核。

生產情境(三). (在生產情境(二)持續下再改善條件)：資料搜 集時間為 84 天(季,扣除休假日)之每日生產良率，其生產條件如下

a. 製程條件：a-1.鏡頭零件在生產前清潔。

b. 生產環境：b-1.元件上之玻璃清潔在環境 class100。

第五章 實證分析與結果

5.1 實證良率資料來源

本研究係利用 X 公司生產線上最終良率資料，以每日投入、

產出數求得良率值，依據生產情境一、二、三分別求得 254 組良 率值(參閱附錄 Table 1)。

5.2 變異數分析

為了分析 X 公司採取不同的生產情境，以改善良率的績效是 否有所不同，我們以變異數分析來說明不同生產情境所產生的不 同樣本平均良率，是否亦代表在不同生產情境下的，母體平均良 率亦不相同。在此，我們將生產情境中的良率改善方法視為因子 (factor)，而因子有三種不同的良率改善方法，亦即有三種不同處 理方式(treatment)，所以 X 公司所做的良率改善活動，事實上就 是一種實驗(experiment)，在此實驗中，生產情境中的良率改善方 式，共有三種處理方式，亦即 X 公司的良率改善活動是一種單因 子實驗。換言之，我們可以單因子變異數分析證明，不同的處理 方式是否會有不同的良率效果產生。

於是，我們面對的問題是：是否三種不同的生產情境(不同的 良率改善條件)所產生相異樣本平均良率，是否亦代表母體的平均 良率在三種情境下亦不相同？在此，我們令

=

μ₁ 生產情境 1 下所產生的平均良率

=

μ₂ 生產情境 2 下所產生的平均良率

=

μ₃ 生產情境 3 下所產生的平均良率

表 5.1 三種生產情境之基本資料

組別 X1 X2 X3

n 93 77 84

ΣX 74.86706 71.94573 81.56667 ui 0.805022 0.93436 0.971032 Si 0.058323 0.04627 0.01095

以統計的術語來說，我們要利用樣本平均良率來檢定以下的 假設。

3 2 1 0 :

H μ =μ =μ

:

H₁ 並非所有母體的平均良率皆相同

利用 SPSS 的統計功能，我們代入所有的樣本資料，獲得以下 的結果。

變異原因 平方和 自由度 平 均 平 方 和

F 檢定 顯著性

組間 1.353 2 0.677 356.932 0.000 組內 0.476 251 0.002

總合 1.829 253

由上列 3 個單因子變異數分析表結果，F 值是 356.932，F 檢 定的 P 值為 0.000，因此在α=0.05 的顯著水準下，我們拒絕 H0， 因為 P 值=0.000＜α=0.05，這表示 X 公司所採取的三種不同生產 情境值之良率改善策略，確實具有統計上的顯著效果。亦即，不 同良率生產方式會產生不同的平均良率。

5.3 迴歸分析

本研究再利用迴歸模式預測在不同生產情境下的良率，由於 生產情境只有三種，我們只要利用兩個虛擬變數(Dummy Variable) 就可以表達不同的生產情境。每個虛擬變數值的設定如下：

X1= 1 若良率值屬於生產情境 2 0 其他情境

X₂= 1 若良率值屬於生產情境 3 0 其他情境

在這種定義下，X1與 X2在不同生產情境下的數值如下：

生產情境 X1 X2

1 0 0

2 1 0

3 0 1

所以在生產情境 1 之下的樣本點會被記為 X1=0，X2=0；在生 產情境 2 之下的樣本點會被記為 X1=1，X2=0；以及在生產情境 3 之下的樣本點會被記為 X1=0，X2=1。因此迴歸方程式中的預測良 率值 E(Y)與虛擬變數間的關係可以表示為

( )

E =β +β +β

為了解釋β0，β1與β2的意涵，我們考慮以下三種不同的迴 歸方程式。

E(Y/生產情境 1)=β₀ +β₁

( )

( )

( )

( )

( )

( )

因此，β0是代表生產情境 1 之平均良率；β1是代表生產情 境 2 之平均良率與生產情境 1 之平均良率間的差異；β2是代表生

產情境 3 之平均良率與生產情境 1 之平均良率間的差異。現在，

將本研究的所有樣本點代入迴歸模型

ε + β + β + β

= _{0 1}X_{1 2}X₂ Y

利用 SPSS 的統計功能，我們可以獲得以下的模型參數的估 計值為Y) =0.805+0.129X₁ +0.166X₂

，而在 0.05 顯著水準下，P 值 為 0.000，而 F 檢定(F=356.331)顯示此迴歸關係是顯著的。就各 估計值的 t 檢定而言，虛擬變數 X1(P 值=0.000)以及虛擬變數 X2(P 值=0.000)皆具有統計的顯著水準。而 R²=0.86，調整的 R²=0.74 表示估計的迴歸方程式對解釋良率的變異具有良好的解釋能力。

因此，估計的迴歸方程式可以用來協助我們估計或預測不同生產 情境下的平均良率值，有關迴歸模型的統計結果如下表所示。顯 然地，由於β1=0.129 以及β2=0.166，我們可以獲得以下的結論：

(1) 生產情境的改善中，我們發現廠商的良率有明顯的改善。

(2) 平均而言，生產情境 2 的良率值高於生產情境 1 的良率值，

其數值是 0.129。

(3) 平均而言，生產情境 3 的良率值高於生產情境 1 的良率值，

其數值是 0.166

(4) 生產情境 3 的良率值高於生產情境 2 的良率值，其數值是 0.037。

(5) 生產情境 3 的生產條件顯然是最佳的生產條件。

模式 R R 平方 調整後的 R 平 方

1 0.860 0.740 0.738

a. 預測變數：常數,X₁,X₂ b. 依變數\：YIELD

係數

未標準化系數 標準化系

數 模式

B 之估計 值

標準誤 Beta 分配

t 顯著性

常數

X₁

X₂

0.805

0.129

0.166

0.005

0.007

0.007

0.700

0.920

178.292

19.278

25.329

0.000

0.000

0.000

a. 依變數\：YIELD

變異數分析

模式 平方和 自由度 平均平方 和

F 檢定 顯著性

1 迴歸

殘差

總合

1.535

0.476

1.829

2

251

253

0.677

0.002

356.331 0.000

a. 預測變數：常數,X₁,X₂ b. 依變數\：YIELD

5.4 分析與討論

在大量生產製造的過程中，利用單一的設備製程參數做為良 率改善分析資料是不足夠，在時間就是金錢的情形下，能利用現 場監督者收集其他相關材料製程資料、人員紀律、環境維護為良 率改善之必要條件，並每日檢討相關改善措施。生產主管得做出 最正確之決策，指示所有生產相關人員擬定一套生產標準，來監 控製造環境，並時時提出良率改善動作，只要有良好製程參數且 可確認對良率之提升有正面效果且不增加整體成本投入，良率之 改善參數將持續不斷投入且產出。

由於照相感應之產品有生命週期短、種類繁多、製程冗長之 生產特性，在生產管理及良率之掌握都具備高難度，因之生產管 理的決策中，生產及製程工程師對各個生產環節所產生之資料做 有效分析，進而提升良率，將有助於降低生產異常之成本。感應

有效找出最佳改善條件及背後隱藏之相關信息，並迅速整理成製 程條件，是目前感應模組最重要課題。

第六章 結論與建議

6.1 結論

一般產品之良率改善模式都建立在機台設定參數及產出量測 值之製程能力，即所謂之製程上之改善，而未考慮其他影響良率 之相對投入因素，因機台參數及所產生之製程能力乃是生產設備 天生具備之能力，只須持續投入時間及相關數值交叉分析即可獲 得，本研究乃提出以其他製程條件、生產環境、人員紀律來建構 良率模式，並特別強調生產中相關之微粒(Particle)控制，以增進 良率模式之可信度。

本報告所發展之良率建構模式，主要在探勘模組組裝中影響 製造良率之因子，希望協助新加入者對於生產中所產生之品質異 常，能事先擬定品質管制點，以達到降低成本的目的。故本報告 試從對影響品質之微粒及人員紀律做為投入與所產出良率間的關 係，挖掘出有價值的資訊並加以研究探討，進而擬定出良率生產 模式，借用此方法以提高生產良率、控制品質，最終達到降低成 本，縮短量產上市時間。由於收集之資料乃是長期經驗累積彙集，

其良率模式簡易且預測良率能力較佳，其優點如下：

1. 在建構最佳良率模式前即與設備供應商取得最佳參考製程參 數，使設備工程人員更具設備操作能力。

2. 抓住影響產品良率之關鍵因素，如何掌控微粒子。

3. 可以從生產環節中掌握影響良率之因素並提出解決方案。

4. 利用變異數及迴歸分析方法，簡便且快速建構良率模式。

6.2 建議

照相感應器對影像擷取產品而言是相當重要之零組件，面對 競爭激烈之市場環境，如何提升品質、降低成本，其組裝良率之 提升是重要競爭力之一環。就產品結構來看，隨產品由低晝素影 像往高晝素影像邁進，感應器範圍也隨之變大，製程品質之掌握 相對困難。

就公司營運來看，應整合業務行銷、研發、生產、採購、財 務各部門，共同協助達成公司願景，有效應用集團資源、人脈達 成公司營運目標。

就 應 用 市 場 來 看 ， 感 應 器 將 朝 低 價 及 高 附 加 價 值 兩 方 向 發 展，其市場範圍隨著網際網路及多媒體的蓬勃發展，在視訊會議、

影像電話、手機、汽車倒車影像、指紋辨識器應用將更廣泛，若 以市場成長率及市場規模觀之，未來將是以 CMOS 製程為主之感 應器之市場。

參考文獻

1. 阮世昌，「CMOS 感測器現況簡介」 2002.07.26。

2. 林峻毅，「手機用數位相機市場展望」 2003.03.17。

3. 邱永德，「多重品質特性實驗設計模式」。華梵大學工業工程碩 士班(2003)

4. 吳昶葳、賴彥璋、林克誠、郭鴻森，「無塵室地板孔率之流場 分析」大同大學機械系 90 級。(2001)

5. 范哲豪，「CMOS IMAGE SENSOR 的未來發展趨勢」工研院 IEK 電子組 2004.04.27。

6. 肯特，「剖析 CMOS 和 CCD 影像感測器技術原理」。

7. 陳再萬，「模糊推論於製程能力評估之研究」國立中興大學機 械工程學系博士班。(2003)

8. 陳梧桐，「相機手機為 CMOS 影像感測器主要應用市場」工研 院 IEK 電子組 2004.07.26。

9. 許文輝、鍾雲恭，「區間神經網路應用於半導體晶圓缺陷辨識 及良率估計之設計」元智大學工業工程研究所。(1998)

10. 謝昆霖、唐麗英，「積體電路良率管理之良率模式構建-類神 經網路之應用」南華大學資訊管理學系、交通大學工業工程與 管理學系。(2003)

11. 簡志勝，「CMOS IMAGE SENSOR 市場發展趨勢」工研院 IEK 電子組 2004.03.15。

12. 羅國弘、蔡智政、賈方霈、孫天龍、劉泰興、廖建華，「資 料探勘技術於電子資料分析-以 IC 及 PCB 為例」元智大學工業 工程研究所、美商威能資訊台灣分公司，國科會工業工程學門 研究計劃編號：NSC 90-2218-E-155-014。(2002)

附錄 1

良率資料統計表

項 目 良 率 項 目 良 率 項 目 良 率 項 目 良 率 項 目 良 率 項 目 良 率 項 目 良 率 項 目 良 率 項 目 良 率

1 0.85090 31 0.76561 61 0.82167 91 0.84796 121 0.92518 151 0.97712 181 0.97629 211 0.97974 241 0.97836

2 0.81920 32 0.71607 62 0.82500 92 0.82891 122 0.92511 152 0.96995 182 0.97126 212 0.98958 242 0.97479

3 0.86240 33 0.74760 63 0.80082 93 0.83648 123 0.93048 153 0.97780 183 0.96409 213 0.97419 243 0.94421

4 0.83034 34 0.79910 64 0.82493 94 0.87492 124 0.96442 154 0.95360 184 0.94845 214 0.97529 244 0.94466

5 0.85983 35 0.82659 65 0.81715 95 0.88245 125 0.97276 155 0.95865 185 0.96613 215 0.97736 245 0.96088

6 0.85839 36 0.81560 66 0.82888 96 0.86052 126 0.95700 156 0.95211 186 0.96294 216 0.98571 246 0.96021

7 0.84462 37 0.76773 67 0.81516 97 0.87609 127 0.95490 157 0.96632 187 0.95448 217 0.98289 247 0.96252

8 0.83230 38 0.75281 68 0.78313 98 0.91869 128 0.94323 158 0.96499 188 0.95482 218 0.97486 248 0.97770

9 0.79162 39 0.70639 69 0.78940 99 0.85414 129 0.96848 159 0.96873 189 0.93964 219 0.98262 249 0.98669

10 0.78530 40 0.72751 70 0.75113 100 0.82187 130 0.97519 160 0.97112 190 0.96650 220 0.97187 250 0.98097

11 0.71573 41 0.75677 71 0.85573 101 0.89327 131 0.97590 161 0.96614 191 0.96123 221 0.97755 251 0.98753

12 0.75218 42 0.81426 72 0.88558 102 0.88928 132 0.98231 162 0.97124 192 0.95982 222 0.98090 252 0.98291

13 0.79241 43 0.83472 73 0.89860 103 0.84528 133 0.96761 163 0.96152 193 0.96054 223 0.98280 253 0.98414

14 0.71931 44 0.81545 74 0.81984 104 0.81458 134 0.96106 164 0.97562 194 0.97835 224 0.98075 254 0.98606

15 0.67114 45 0.81470 75 0.85691 105 0.86997 135 0.96914 165 0.96502 195 0.97146 225 0.97255

16 0.61144 46 0.82194 76 0.89674 106 0.84827 136 0.95621 166 0.94070 196 0.97956 226 0.96387

17 0.66636 47 0.78915 77 0.88965 107 0.86653 137 0.95746 167 0.96554 197 0.96532 227 0.99639

18 0.62186 48 0.80865 78 0.85567 108 0.81303 138 0.96332 168 0.97207 198 0.96932 228 0.97967

19 0.66642 49 0.78126 79 0.82822 109 0.91151 139 0.96075 169 0.95456 199 0.97815 229 0.97007

20 0.75436 50 0.82311 80 0.80707 110 0.88553 140 0.96864 170 0.95314 200 0.96561 230 0.97919

21 0.80575 51 0.79848 81 0.83387 111 0.87668 141 0.97250 171 0.94963 201 0.95946 231 0.97145

22 0.75921 52 0.78076 82 0.81321 112 0.92064 142 0.97300 172 0.95877 202 0.96815 232 0.97311

23 0.75298 53 0.85588 83 0.84542 113 0.94451 143 0.96290 173 0.96113 203 0.96215 233 0.97547

24 0.80081 54 0.83729 84 0.84093 114 0.88457 144 0.97047 174 0.97266 204 0.97567 234 0.97600

25 0.82707 55 0.80028 85 0.88466 115 0.93106 145 0.97127 175 0.97252 205 0.98203 235 0.97709

26 0.82366 56 0.80558 86 0.84998 116 0.88965 146 0.97773 176 0.96467 206 0.97053 236 0.97002

27 0.85218 57 0.85217 87 0.89369 117 0.91436 147 0.96461 177 0.96369 207 0.95088 237 0.97100

28 0.82550 58 0.86429 88 0.88417 118 0.91108 148 0.94123 178 0.97340 208 0.97576 238 0.97217

29 0.73246 59 0.83613 89 0.79177 119 0.90753 149 0.97763 179 0.96564 209 0.98463 239 0.96695

30 0.75014 60 0.82923 90 0.88370 120 0.89045 150 0.97281 180 0.96719 210 0.97619 240 0.97521