
PRODUCT CLASSIFICATION
产品分类
更新时间:2026-09-16
浏览次数:7TGV 玻璃通孔先进封装,对通孔形貌、侧壁质量、尺寸精度、内部缺陷检测要求很高。检测设备选型不能只看单一参数,需要结合产线工艺节点、样品特性、检测效率综合评估,下面梳理选型时需要重点关注的核心指标。
小类:关键尺寸测量精度包含通孔直径、孔深、锥度、孔位偏移量等参数。TGV 孔径大多比较微小,设备的测量精度要匹配产品设计公差。同时关注重复性,同一位置多次测量的数据离散程度,保证批次对比稳定。小类:剖面与三维形貌重构能力TGV 通孔是立体结构,二维图像只能观察表面。需要确认设备能否完成三维形貌重建,获取通孔侧壁轮廓、底部凹陷、表面凸起信息。部分设备仅支持表面二维扫描,很难识别孔内立体缺陷。
小类:缺陷类型覆盖范围TGV 常见缺陷包含通孔侧壁裂纹、孔洞、残留残渣、侧壁粗糙度异常、边缘崩缺、金属化层剥离。选型时核对设备可以识别的缺陷清单,区分表面缺陷与孔内壁深层缺陷。部分光学设备难以穿透深孔,孔底缺陷容易漏检。小类:检出率与误报水平高检出率可以减少不良品流出;较低的误报率,能够降低人工复检工作量。这两项指标需要结合实际样品做验证,在不同缺陷尺寸下评估设备表现。
小类:样品规格适配确认可支持的玻璃基板厚度、基板尺寸,以及通孔深宽比。TGV 深宽比差异大,深孔会带来光信号衰减,影响成像质量。同时考虑基板是否已经完成金属化,金属反光会干扰光学检测信号。小类:非破坏性检测要求先进封装基板成本较高,优先选择非接触、无损伤检测方式。避免检测过程划伤基板表面,或是改变样品原有结构。
小类:检测速度区分单点检测时长和整片基板扫描总耗时。实验室设备精度高,但扫描速度偏慢,不一定适合量产线。量产选型需要平衡精度和产能,匹配前后工序节拍。小类:自动化对接功能量产场景关注自动上下料、基板对准、坐标导航功能。设备是否支持和 MES 系统对接,自动上传检测数据、缺陷坐标,方便不良品定位追溯。
小类:图像算法能力算法负责缺陷识别、尺寸计算、自动分类。查看算法是否支持自定义缺陷判定规则,方便根据产品工艺调整阈值。小类:数据存储与溯源检测图像、测量数据、缺陷信息需要完整保存,满足半导体制程追溯要求。支持数据导出、报表生成,方便工艺人员做趋势分析。
小类:使用环境要求高精度检测设备对震动、温湿度、洁净度有要求,评估车间现场条件是否满足设备安装规范。小类:维护与校准确认设备日常校准方式、耗材更换周期。设备维护难度、备件供应情况,会影响产线停机时长。
只看重分辨率指标,忽略深孔环境下实际成像效果,分辨率参数在平面样品表现良好,放到高深宽比 TGV 孔内会出现信号衰减。单纯追求高检测速度,造成缺陷漏检,带来品质风险。忽略基板金属反光影响,光学方案没有提前做样品验证,上线后才发现数据不稳定。
TGV 先进封装检测设备选型,核心是匹配通孔深宽比、保证三维尺寸测量和孔内缺陷检出能力,再根据研发小批量或者量产场景,平衡检测速度、自动化与数据追溯能力。