MétaCan
Menu
Retour à la cohorte
Enregistrement W4411861781 · doi:10.1016/j.rineng.2025.105965

Reliability analysis based on cascaded-Foster thermal networks for systems-in-package (SiP)

2025· article· en· W4411861781 sur OpenAlexaff
Djallel Eddine Touati, Aziz Oukaira, Mohamed Ali, Ahmad Hassan, Yvon Savaria, Ahmed Lakhssassi

Notice bibliographique

RevueResults in Engineering · 2025
Typearticle
Langueen
DomaineEngineering
Thématique3D IC and TSV technologies
Établissements canadiensPolytechnique MontréalUniversité de MonctonUniversité du Québec en Outaouais
Organismes subventionnairesnon disponible
Mots-clésReliability (semiconductor)Reliability engineeringSystem in packageComputer scienceEngineeringTelecommunicationsPhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

This paper presents a fast and comprehensive method for reliability prediction of 3D System-in-Package (3D SiP) technologies. The proposed approach accounts for both critical wear-out failure mechanisms and mission-specific profiles. A novel reliability assessment framework is introduced to address the limitations of traditional methods, which often overlook the variability in failure mechanisms and wear-out rates across different layers within the same mission profile. A key contribution of this work is the coupling between the mission profile and dominant wear-out rates, enabling simultaneous consideration of multiple failure mechanisms, such as those affecting through-silicon vias (TSVs) and solder joints, under real-time operating conditions. The framework offers a multilayer analysis that uses unified units for each layer and incorporates a precise thermal model, enabling the rapid prediction of thermal behavior throughout the system's lifetime. Additionally, the proposed method can be easily integrated into circuit simulators and utilized as a real-time reliability estimator. This capability enables researchers and engineers to further investigate interactions between failure mechanisms across different layers of the SiP under realistic and dynamic operational conditions. By identifying the dominant failure mechanism in each layer, the method supports early-stage design decisions to mitigate potential reliability issues. The reliability estimation process involves selecting the mechanism with the shortest predicted lifespan for each layer and constructing the overall reliability curve using a series configuration of the reliability block diagram. Long-term mission profiles are translated into thermal loads through a cascaded Foster thermal network, with Monte Carlo simulations applied to determine the system's failure distribution.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,006
Tête enseignante GPT0,215
Écart entre enseignants0,208 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResults in EngineeringMême sujet3D IC and TSV technologiesTravaux en français237 207