MétaCan
Menu
Retour à la cohorte
Enregistrement W2939999353 · doi:10.1002/9781119313991.ch17

Process and Equipment for eWLB

2019· other· en· W2939999353 sur OpenAlexaff
Edward Fürgut, Hirohito Oshimori, Hiroaki Yamagishi

Notice bibliographique

Revuenon disponible
Typeother
Langueen
DomaineEngineering
Thématique3D IC and TSV technologies
Établissements canadiensInfineon Technologies (Canada)
Organismes subventionnairesBundesministerium für Bildung und Forschung
Mots-clésBall grid arrayCompression moldingWaferMicroelectronicsManufacturing engineeringMolding (decorative)Computer scienceProcess (computing)Reliability (semiconductor)Process engineeringMechanical engineeringEngineeringMaterials scienceElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Today, semiconductor devices with rapidly changing features are the basis for applications that deliver comfort, communication, mobility, environmental, and medical care. New requirements for reliability or environmental constraints are the driving factors to develop new materials, processes, and equipment. The development of new encapsulation methods including processes and materials allowed manufacturing of high performance, reliable, and cost-efficient microelectronic devices. This chapter provides a short history of molding, highlighting that the introduction of compression molding was a major change for semiconductor assembly and packaging. It describes why compression molding was the key for the implementation of the innovative extended wafer-level ball grid array (eWLB) technology in 2006. The chapter also describes the compression molding process for the new fan-out technology and the principle challenges. Finally, processing solutions that enable fully automatic compression molding with newly developed equipment are described. The new compression molding system was a significant breakthrough in semiconductor assembly and packaging technology.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,259

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0780,072

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,008
Tête enseignante GPT0,223
Écart entre enseignants0,215 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujet3D IC and TSV technologiesTravaux en français237 207