望想函數結合ANN與GA演算法於多品質特性打線接合製程之參數最佳化

Jing-Er Chiu; Min-Wei Hwang

doi:10.6220/joq.202312_30(6).0004

山西大学，您好！

感谢采购，人社期刊库｜人社论文库，期间：2025/01/01~2025/12/31

感谢试用，科学期刊库｜科学论文库，期间：2025/04/01~2025/06/30

浏览高级检索

关闭
检索检索高级检索出版物检索
浏览期刊主题浏览核心期刊浏览期刊拼音浏览

关闭

查询符号(半角)	查询符号意义说明
空格	表示为「AND」两个查询词之交集
双引号 ( " " )	片语以双引号标示开始及结束，而且只寻找出现顺序相同的字词，例： " image process "
?	表示一个字母切截，输入两个?表两个字母，依此类推，例：输入「Appl?」，查得结果应为appl e , appl y … ( 常用于英文字查询 )
*	表示不限字母切截，由0~n. 例：输入「appl*」，查得结果应为appl e , appl es , appl y , appl ied , appl ication … ( 常用于英文字查询 )
AND、OR、NOT	布尔逻辑组合关键字，用来扩大或缩小查询范围的技巧。 (1) AND ：缩小查询范围 (2) OR ：扩大查询范围(3) NOT：排除不相关的范围

DOI 是数位物件识别码（ D igital O bject I dentifier ）的简称，
为物件在网路上的唯一识别码，可用于永久连结并引用目标物件。

使用DOI作为永久连结

每个DOI号前面加上「 http://dx.doi.org/ 」便成为永久网址。
如以DOI号为 10.5297/ser.1201.002 的文献为例，此文献的永久连结便是： http://dx.doi.org/ 10.5297/ser.1201.002 。
日后不论出版单位如何更动此文献位置，永久连结所指向的位置皆会即时更新，不再错失重要的研究。

引用含有DOI的文献

有DOI的文献在引用时皆应同时引用DOI。若使用APA、Chicago以外未规范DOI的引用格式，可引用DOI永久连结。

DOI可强化引用精确性、增强学术圈连结，并给予使用者跨平台的良好使用经验，目前在全世界已有超过五千万个对象申请DOI。如想对DOI的使用与概念有进一步了解，请参考（）。

ACI:

数据来源：Academic Citation Index，简称ACI

台湾最大的引用文献资料库，目前收录台湾与港澳地区所出版的人文学、社会学领域学术期刊之书目资料与参考文献，总期刊量超过690种，每年定期公布收录期刊的影响指数(Impact Factor)等指标给大众，并提供专家学者与学术单位实用的计量与分析功能。

五年影响指数（5-Year Impact Factor）：某一期刊前五年所出版的文章在当年度的平均被引用次数。

公式：（前五年发表论文在统计年的被引用次数）÷（前五年论文产出论文总篇数）

例如：A期刊2017年之五年影响指数

(A期刊2012-2016年发表论文在2017年的被引总次数)/(A期刊2012-2016年发表的论文总数)

什么是预刊文章？

为提供读者最前线之学术资讯，于期刊文献获同意刊登后、纸本印制完成前，率先于网路线上发表之文章即为预刊文章。预刊文章尚未有卷期、页次及出版日期资讯，但可藉由DOI号识别。 DOI号是文献的数位身份证字号，不论预刊或正式出版皆不会改变，读者可点击DOI连结，或于DOI号前面加上「 http://dx.doi.org/ 」连结到文献目前最新版本。

如何引用预刊文章？

请使用预刊文章的线上发表日期及DOI号来引用该篇文献。

引用范例(视不同引文格式规范可能有所差异)：

作者姓名。文章篇名。期刊名称。 YYYY/MM/DD线上预先发表。

doi:DOI 号

来源数据

P443 - 463

社会科学 > 管理学

DOI： 10.6220/joq

书目管理工具

相关连结

问题回报

全文下载

望想函数结合ANN与GA演算法於多品质特性打线接合制程之参数最佳化

Multi-Response Optimization of IC Wire Bonding Process by Using ANN and GA Algorithm With Desirability Function

邱静娥(Jing-Er Chiu) ；黄敏溦(Min-Wei Hwang)

品质学报； 30 卷 6 期 (2023 / 12 / 30) ， P443 - 463

繁体中文;英文 DOI： 10.6220/joq.202312_30(6).0004

打线接合；多品质特性参数最佳化；反应曲面法；类神经网路；基因演算法； wire bonding ； multiple-response optimization ； RSM ； ANN ； GA

0 个人觉得这篇文章赞

摘要 │ 参考文献 (38) │ 国际计量

摘要〈TOP〉

并列摘要〈TOP〉

Wire bonding is an important process for integrated circuit packaging. Before wire bonding, an electrical test is performed to confirm that the circuit is functioning properly. In the electrical test, the needle probes touched the surface of each bond pad and leaves probe marks on the pond pad. If the area of the probe marks is too large, it will affect the adhesion during wire bonding and increase the defect rate. Therefore, if the probe mark area of a batch is too large, the packaging factory will reject the batch. However, refusal to batch will result in the loss of orders and damage the cooperative relationship between manufacturers. Therefore, when the probe mark area is close to the critical value, how to maintain the order and reduce the defect rate is an important issue. In order to find the optimal parameter settings for the batches of chips with larger probe mark areas and deal with multiple response problems, the central composite design of the response surface method is used to collect experimental data on multiple quality characteristics and key factor parameter levels in the wire bonding process. Neural network artificial neural network (ANN) model integrated with genetic algorithm (genetic algorithm, GA) is applied to find the best combination of parameters for the process. Desirability function (DF), weighted principal component analysis, and grey relational analysis are used to transform the multiple response to multiple performance characteristics index. The results showed that DF-ANN-GA model perform the best and the optimal parameter settings are bond power 88.74 mA, bond time 13.22 ms, bond force 10.58 gf, and bond temperature 184.12℃ .

参考文献 ( 38 ) 〈TOP〉

Ajith Arul Daniel, S.,Pugazhenthi, R.,Kumar, R.,Vijayananth, S.(2019).Multi objective prediction and optimization of control parameters in the milling of aluminium hybrid metal matrix composites using ANN and Taguchi-grey relational analysis.Defence Technology,15(4),545-556.
Chalisgaonkar, R.,Kumar, J.,Pant, P.(2020).Prediction of machining characteristics of finish cut WEDM process for pure titanium using feed forward back propagation neural network.Materials Today: Proceedings,25,592-601.
Chauhan, P.,Zhong, Z. W.,Pecht, M.(2013).Copper wire bonding concerns and best practices.Journal of Electronic Materials,42(8),2415-2434.
Chiu, J.-E.,Wang, C.-S.,Lu, S.-W.(2022).Multi-response optimization of IC wire bonding for large probe marks by the RSM and desirability function approach.The International Journal of Advanced Manufacturing Technology,123(7–8),1-13.
Costa, N. R.,Lourenço, J.,Pereira, Z. L.(2011).Desirability function approach: a review and performance evaluation in adverse conditions.Chemometrics and Intelligent Laboratory Systems,107(2),234-244.

国际计量

〈TOP〉

E-mail ：

文章公开取用时，将寄通知信至您填写的信箱地址