功率器件封装失效分析和工艺优化的深入分析

摘要：随着功率mosfet的电流和工作电压的大幅度增加以及芯片尺寸的逐渐减小，器件芯片的内部电场也相应增大。这些现象都严重影响了功率M0SFET的可靠性，如何提高功率器件的可靠性是业界所期待的。其中，关键因素是功率器件封装失效。介绍了功率器件封装的内涵和分类，并通过失效机理分析，提出了功率器件封装工艺优化的路径。

封装技术是提高电子设备运行的可靠性并采取相应的保护措施，即利用封装技术和特殊材料保护电子设备免受力学、化学或环境等不确定因素的可能攻击。封装技术已广泛应用于航空航天设备、汽车、计算机、移动通信设备等诸多领域。

然而，随着电子设备在超低压、超高压、强湿热、大温差等特殊条件下的运行要求越来越高，以及封装器件的功率应用越来越高、体积小、功能集成度高、因素更复杂，电子设备在运行过程中经常发生故障，严重影响功率器件的可靠性。因此，包装失效问题以及如何优化包装工艺是包装行业需要研究的课题[1]。

1功率器件封装的介绍和分类

1.1封装介绍在芯片的应用过程中，封装工艺必不可少。简单来说，这个过程就是为半导体集成电路核心安装一个外壳，它有两个功能，一是稳定、密封和保护芯片；二是起到芯片散热的作用，三是连接芯片内外的载体。

在作用机理上，通常包括接线电气保护、物理保护和标准规范化。封装质量直接影响器件的工作效率，尤其是功率半导体器件。包装还有两个特殊作用：好的包装可以帮助设备散热；对于较大的芯片，封装可以在封装和焊接芯片的过程中产生应力，从而避免芯片断裂。

1.2包装形式的分类

1.2.1塑料包装直列式包装塑料包装最大的优点是适合大规模生产，工艺简单，成本低，因此适应性强，应用性好，发展趋势好，在包装行业整体份额中所占比重越来越大。在全球集成电路封装市场中，95%以上都是塑料封装的直列式。消费电路中合格器件的封装几乎都是这类封装；

同时，工业电路也占据了很大的比重。这种封装形式最多。最常用的包装形式有两种：TO-220；致：247 .塑料包装有大量的电流传输。为了提高散热效果，将塑料封装器件贴附在电路板或散热器上，以达到最佳的散热效果。

1.2.2大功率器件应用模块随着近年来igbt的日益普及，单个igbt、两个或三个igbt以及控制电路可以封装在一个模块中。此外，新兴的多模块(mcm)代表了封装领域的新趋势。

1.2.3塑封表面贴装和其他塑封是功率器件的一种表面贴装方式，是20世纪80年代迅速发展起来的一种塑封形式。通常，两个端子和三个端子用于封装分立器件。虽然单个分立器件不需要很多端子，但端子的增加有利于电流流动和散热。例如，t0263、t0262和其他形式的包装都类似于这一特性[2]。

1.2.4高可靠性封装这种封装方式多用于军事或航空航天领域。基于可靠性的要求，外壳采用金属封装。

两个电源设备的故障分析

2.1焊点空洞导致的EOS失效本文借鉴了相关文献的研究成果，确定了影响器件散热的因素是焊点空洞，并对不同尺寸空洞对器件散热的影响程度进行了深入分析，在此基础上深化了

目前广泛使用的环氧塑料封装材料导热系数极低，导热效果差，功率器件运行中唯一的传热方式就是芯片。如图1所示，图1中箭头的方向是芯片在工作状态下产生的热量的传递方向。从图1可以很容易地看出，如果在器件的生产过程中由于工艺不当而形成焊料中的空腔，则基于空气的热导率仅为0.03w/(m.k)，这表明导热体的状态不佳，器件的散热受到影响。如果在这种状态下长时间运行，ESO会由于大量热量的积累而导致装置失效。

2.2闸门打开导致EOS故障。场效应晶体管(mosfet)是一种电压控制手段，它有效地控制绝缘层沟道区的栅极电压，并通过改变栅极电压来控制该区域的载流子浓度，从而保证源极和漏极之间电流的有效控制。长时间热循环导致引线跟部裂纹断裂后，由于引线键合薄弱或产生栅极开路，导致栅极引线被提离，从而失去栅极控制电流的能力，导致EOS，导致器件失效。

2.3芯片裂纹导致EOS失效。又硬又脆的单晶硅晶体具有金刚石的品质，硅片一旦形成，在应力作用下很容易断裂开裂。硅片裂纹可以在引线键合、晶圆减薄、芯片键合、晶圆划片等工艺中形成。

通常情况下，芯片只是在引线区域外轻微开裂，很难被发现。最坏的情况是在工艺实现中没有发现芯片裂纹，即使对芯片进行电学测试，有微裂纹的芯片和没有裂纹的芯片在电学反应上没有区别，但是微裂纹会危及封装器件的可靠性，降低器件的使用寿命。只有在以下情况下才会出现裂纹：使用可靠的高低温循环实验或器件散热时瞬间加热，表现为芯片和封装材料的热膨胀系数不匹配，运行中存在外部应力。否则很难发现裂纹，这也会成为器件封装失效的原因。

3种功率器件封装工艺优化研究

3.1问题分析在功率器件的封装过程中，最关键的工艺是芯片焊接[3]。在焊接过程中，通过使用熔融合金焊料将芯片和引线框架结合，从而很好地形成引线框架散热器和芯片集电器之间的欧姆接触

的散热途径。因为性质不同的粘结剂和固体表面，以及化学、吸附、力学、静电、配位键、扩散等诸多因素，并不能对不同表面和粘结剂粘结的道理做出清楚解释。

同时，气体、油污、尘埃等污染物都会被固体表面所吸附，导致表面因为氧化膜而污迹斑斑。

另外，基于加工精度的影响，因为加工精度不够，固体表面会存在宏观和微观的几何形状误差，粘贴的界面只是中几何面积的2％-7％，所以，严重降低了粘结剂对固体表面的保湿功能。

所以，针对器件封装的芯片焊接工艺，焊料中的空洞成为最严重的问题，不仅削弱了器件的散热能力、阻碍了与欧姆接触，更对功率器件的可靠性构成威胁。

由于芯片必须先焊接在引线框架上，然后将芯片连接到框架上，最后实施高温焊接，因为器件和粘合剂类型的差异性，也会呈现不同的焊接曲线和温度。3.2 优化措施确定在优化电源装置的焊接工艺之前，对该装置进行 x 射线扫描。结果表明，焊料空洞约占芯片面积的1%-7% 。

按照电源装置的有关规定，焊料里的空洞大小不超过芯片面积的百分之十才可定性为合格产品。可是在具体的运行实践显示，就算低于10%的空洞面积的器件可靠性也难以保障。本文的试验利用对时间曲线、焊接温度的优化，以减少焊料的空洞，明显提升了器件的可靠性、让使用寿命得以有效延长。

3.3 优化效果对比分析在进行芯片封装工艺优化之前，试验样品选择的片焊温度-时间曲线温度最高值358.9℃，熔融时间为37分钟，焊接后降温速率是9.71℃/秒；工艺实施优化后，芯片焊接温度-时间曲线的最高温度为358.3℃，需要39分熔融时间，焊接后的降温速率为8.95℃/秒。

提升相关工序的温度，可以促进芯片下悍膏的流动性，加速悍膏内空气的排出；而对焊后降温速率的降低，有助于对芯片的保护，最大限度避免芯片产生裂纹。针对优化措施前、优化措施后，随机分别抽取5个样品，利用Ｘ—Ray对焊料的空洞实施测量同时对两者的结果进行比较，结果显示，在工艺优化措施实施前焊料空洞量为1.4%-6.6%之间。

优化前，芯片焊接空洞的孔隙率不同，部分孔隙率甚至达到10% 的最大范围。而对芯片的焊接采用优化措施后的焊接曲线，器件的焊料空洞已经没有，表现显著的优化效果。焊接温度的提高会让热应力加强，但优化结果获悉，焊料的空洞更能够减少。

因为考虑到提升器件的可靠性，虽然极大的应力会因为焊接温度升高而加大，但空洞减少的价值和意义更大。同时测试优化前后的样品采用Undamped Inductive Loading进行测试，Uil 可以作为衡量设备阻力的参数。

测试原理如下： 将栅极电压施加到器件上后，由外部电源对电感器进行充电，直至电感器产生预期的电流测试值，从而完成电感器的充电过程; 电感器对器件进行反向放电，完成电感器的放电过程。感应器反向放电到设备，会导致器件的雪崩状态，以此测试器件的抗EOS能力。

对优化前后的两组样品，随机抽取15个样品进行 uil 检测，测试公式为：V DD =23V，V GS ＝10Ｖ，L＝0.3mH。同时，对物态方程的能量和电流进行了比较和分析。实验结果表明，eos的能量为279.3mj，平均电流为41.8a，没有焊接腔的 eos 的能量为307.6mj，平均电流为46.1a。

因此，无焊接腔器件必须具有较高的能量和电流才能导致 eos 失效，因此，没有焊点的器件比有焊点的器件具有更高的抗失效能力。4 结束语尽管目前对封装实效问题的研究已经成为热点，也取得了一定成效。但对于封装失效形成以及演化规律的研究才刚刚开始，以往的多数研究主要是基于对封装材料的研究，对金属与聚合物界面的影响关注甚少。

所以，对封装失效问题的后续的深入研究，必须在现有基础上进行关键的补充，研究领域应该注重封装功率器件整体的关注，要以器件与封装材料界面彼此作用前提下，综合试验研究与仿真建模研究的实践数据，对封装失效过程的形成、变化的轨迹以及多场耦合效应进行全面分析，找出功率器件实际使用寿命低于预期使用寿命的真正原因，为提升封装工艺以及器件的可靠性提供帮助。

4.1 大数据挖掘技术流程在前面分析过大数据挖掘的概念，即利用数据挖掘技术发现海量数据的特征，通过建立模型来发现数据间的关系，从而为企业发展提供参考。大数据挖掘的流程分为以下几个阶段：数据源 — —数据抽取 — —数据汇集与清洗 — —数据加工 — —数据分析 — —可视化，如图1所示。

4.2 利用大数据挖掘技术构建财务分析框架图利用大数据挖掘技术可以构建财务分析框架。构建思路如下：首先确定数据源。该数据源不仅仅指传统财务分析中的报表财务数据，还有很多非财务数据。其次是数据抽取和数据汇集与清洗，从而得到目标数据。从这些数据源中抽取出对企业有用的信息，或者企业需要分析的某一方面的数据。

例如，企业想通过分析员工的出差天数，或者差旅费来对公司成本进行控制，那么就需要从数据源中抽取相关数据。抽取这些数据之后，需对其进行去重，清洗，截取字段等工作，去除无用信息，保留有用数据。再次是数据挖掘。该步骤包括了数据加工和数据分析。

在该过程中，需要企业利用大数据平台中的语言和符号，利用规定的算法，模型等来对前一步骤筛选出的财务数据进行处理分析，发现数据内部存在的关系，从而为企业的商机预测和风险防控做铺垫。最后是数据可视化。

该步骤可以通过形象直观的内容来表现出财务分析结果的内容，从可视化图形中可以直观观察财务数据和各种指标走势，使得大数据挖掘技术的结果更加形象生动，并且容易被管理层所理解。根据以上分析，利用大数据挖掘技术构建财务分析框架图。

5 结语“互联网+”时代是万物互联的时代，也是海量数据和信息的时代，将大数据挖掘技术深入应用到企业财务分析领域还值得更深层次的研究。

当然，要把大数据挖掘技术应用于财务分析，还需要解决以下几个问题：

一是财务人员的技术问题。企业所雇佣的财务人员是否能够熟练运用大数据挖掘技术并进行财务工作的开展。

二是企业是大数据平台问题。自己搭建大数据平台耗时耗力，而企业通过第三方服务机构购买一些大数据平台又可能无法满足自己所有的工作需求。

三是完全依赖网络处理财务问题。大数据挖掘技术不可避免存在漏洞，也会有很多黑客技术盗窃数据信息，企业如果一味依赖大数据挖掘技术处理财务问题，企业财务乃至整体都会遇到更加严重的安全问题 ［4］ 。因此，企业需要从各个方面合理、安全的利用大数据挖掘技术，让其为自身所用，而非被其所困。

来源：轻工科技 2021年第37卷第7期

作者：陈逸晞

（以上文章系转载，并不代表电子发烧友的观点，如有涉及版权等问题，请联系我们以便处理）

编辑：jq