6月20日DEKRA iST德凯宜特现身力挺SMTA台湾分会于所举办的「人工智能产品的PCBA先进制程与检验测试技术论坛」，由互连工程部彭思尧经理以「AI产品的可靠度验证与挑战」为题，分享面对AI技术快速发展的趋势时，如何透过可靠度验证与失效分析手法，强化人工智能装置于高效运算与多元复杂应用下的稳定性，论坛现场交流热烈，彭思尧经理亦与现场的产学研先进深入互动，激荡多元技术观点。
AI技術與產品趨勢AI技术与产品趋势
彭思尧经理于会中分享AI技术五大趋势，说明人工智能如何驱动产业创新。
- 为了提升效率及降低成本而导入各种不同训练模型及技术。
- 无论在何种领域都可运用AI自动完成复杂及多任务的工作流程。
- 多系统运用协同合作来达到更强的协作潜能，尤其在智能医疗及智能家居等应用。
- 由于多系统整合，故需结合不同的模型，如语音、数据、影像，来达到AI多模态的普及化。
- 由于边缘运算更加强大，故可以让设备可对接收到的资料实时处理与分析，强化AI应用的效能。
彭思尧经理强调资料(Data)是技术关键的资产，唯有良好的资料搜集与应用，才能发挥AI最大价值。
随着应用场景日益多元，AI技术广泛应用于智能制造、智能医疗、智能家居与智慧汽车等领域，AI服务器成为支撑技术的关键核心基础，不同于传统服务器，AI 服务器不仅搭载CPU，更整合高效能GPU，其强大的运算能力正是支持语音识别、图像处理等应用的关键，彭经理进一步指出，PCB(印刷电路板)是所有电子组件运作的关键核心，不同于模块零件或内存可独立更换，PCB一旦失效或损坏，必须整板报废重制；因此PCB的设计与制造质量，将影响整体AI系统的可靠度与寿命，也是未来产业升级与可靠度管理必须考虑的关键环节。
失效分析流程與步驟失效分析流程与步骤
AI 产品设计需从结构、材料到封装进行全面评估，以掌握潜在风险并提升实际应用时的稳定性与寿命。彭思尧经理于会中指出，唯有结合系统化的失效分析（Failure Analysis），才能准确厘清问题根源，加以改善，强化产品可靠度。现场亦藉由实际案例，说明完整的分析流程与技术手法。
当AI芯片样品收集回来后，第一步会进行3D X-Ray+CT利用X-Ray非破坏性扫描，再利用计算机建立立体影像模型即计算机断层扫描，另用其来判读内部异常位置，并与客户确认后续观察的关键区域，随后针对目标位置执行破坏性切片分析(Cross-section)，逐层观察材料结构与潜在瑕疵，并结合显微观测与图像比对进行判读。
彭思尧经理强调，从外观破损难以准确判定 Root Cause，唯有透过结合非破坏与破坏性手法的专业失效分析流程，才能有效定位问题、提供具体改善方向。这也凸显了可靠度验证与失效分析在 AI 高阶应用中所扮演的关键角色。
AI产品可靠度的挑战与验证方法
随着 AI 应用快速发展，系统产品对高可靠度的需求日益提升。彭思尧经理指出，从组件选用、PCB layout到SMT制程，电子产业普遍导入JEDEC与 IPC 等国际标准，如J-STD-001用于焊接制程、IPC-A-610作为外观检查依据，并搭配环境应力、振动与锡须(Tin Whisker)等测试方法，相应验证方案的导入，不仅确保产品质量，也可评估制程改善的成效。
除标准导入外，非破坏与破坏性分析手法同样重要。透过X-Ray 扫描、切片分析(cross-section)、SAT/SAM超音波扫描等方式，可及早发现内部潜在缺陷，进行改善以提升良率。以Substrate为例，国际大厂对其耐热能力要求高于IPC标准，须经8至10次Reflow且无脱层(delamination)现象，并导入SAT/SAM技术提升检测效率与准确度。
会中彭思尧经理亦指出三大常见失效机制：锡须(Tin Whisker)、电化学迁移(ECM)与导电性阳极细丝物(CAF,Conductive Anodic Filament)。其中，CAF 为PCB材料内部异常，ECM则可能发生于任何金属接口，锡须则为镀纯锡表面因应力产生的金属细丝。根据JESD201标准，高安全应用如军用与医疗禁止使用镀纯锡组件。
此外，随着高速运算与大数据需求攀升，PCB制程亦面临更高精度挑战，例如Backdrill stub length设计需从±7mil缩减至±2mil，对准度(Registration)也从D+8提升至D+4，对制程控制要求大幅提升，亦促使可靠度验证设计需更加缜密。彭思尧经理看到目前AI芯片上板后从红墨水测试的结果，建议导入IPC-9708标准，可以从Pad设计、材料选择到Reflow Profile定义来选择对自家产品最好的材料流程即生产条件。而对于PCBA阶段对于常见的Die 损伤或焊点异常问题，也可结合AI图像辨识辅助分析，提升检测效率与判读精度。
總結
AI产品的快速发展带来了前所未有的技术挑战，从材料选择、封装设计到制程验证，每一环节都至关重要。彭思尧经理总结指出：「数据即价值。唯有在每一制程节点导入系统化的验证机制，并长期累积可靠度数据，才能在高频、高密度应用中，挑选出最适材料与工艺参数，真正打造高质量、高可靠度的AI系统。」
DEKRA iST德凯宜特长期深耕可靠度验证与失效分析领域，协助产业伙伴有效掌握产品风险并持续优化，确保AI系统在高负载、高复杂度环境下的稳定运作。未来，DEKRA iST 将持续秉持「Problem Solved」为客户解决问题的核心价值，与业界携手前行，共同提升产品的质量与竞争力！
DEKRA iST德凱宜特顧問團隊提供專業諮詢，讓所有在產品驗證上遇到的問題都能迎刃而解PROBLEM SOLVED。
如需更深入的相關資訊或服務，歡迎來信至諮詢信箱📧sos@dekra-ist.com
