La industria de los semiconductores se enfrenta a un problema que va más allá de la precisión de la simulación al intentar construir un gemelo digital para un paquete avanzado: ¿cómo mantener el modelo vinculado al paquete que realmente se fabricó, y no solo al paquete que los ingenieros pretendían diseñar? Un análisis publicado por Semiconductor Engineering el 17 de septiembre de 2026 indica que la respuesta requiere reunir los datos de diseño, fabricación, materiales, ensamblaje, pruebas y funcionamiento en una única representación actualizable.
La cuestión cobra mayor importancia con la expansión de los chips pequeños o chiplets y la integración heterogénea. Un chiplet puede estar descrito, probado y funcionar correctamente en un paquete determinado, pero reutilizarlo dentro de un sustrato diferente, con otra interfaz térmica o dentro de un presupuesto de potencia superior puede cambiar por completo su entorno eléctrico, térmico y mecánico. Por ello, el modelo del paquete no puede detenerse en los límites del chip o die.
El empaquetado forma parte aquí de la arquitectura del sistema
Kenneth Larsen, director sénior de gestión de productos en Synopsys, distingue entre un gemelo digital de un proceso de fabricación front-end dentro de una fábrica con un flujo controlado y un gemelo digital del paquete, que debe representar un sistema distribuido entre el silicio, el sustrato, los materiales, el ensamblaje, la variación de fabricación, las pruebas y los datos de fiabilidad. Esto no significa que modelar la fábrica sea fácil, sino que la naturaleza del problema en el empaquetado es más amplia por el número de partes y contextos que deben vincularse.
Los equipos disponen de herramientas eficaces para analizar por separado el comportamiento eléctrico, térmico y mecánico, pero ejecutar estas herramientas en paralelo no crea un gemelo digital integrado. El valor aparece cuando los modelos utilizan los mismos supuestos y datos, y después reciben los resultados de fabricación para cambiar con cada revisión del paquete. De lo contrario, el gemelo se convierte en una herramienta de verificación tardía, en lugar de ayudar en las decisiones de diseño antes de comprometerse con un apilamiento determinado o con un producto nuevo.
El problema no es solo la falta de datos
Joon Ahn, vicepresidente de tecnología de la información y automatización de fábricas a escala mundial en Amkor, afirma que un gemelo completo requiere una visión que se extienda desde la fabricación de la oblea hasta el ensamblaje, las pruebas y, posteriormente, el funcionamiento del sistema. Sin embargo, los datos necesarios están distribuidos entre las fábricas, los proveedores de sustratos y materiales, las empresas de ensamblaje y pruebas OSAT y los clientes. La entidad encargada del ensamblaje puede recibir información sobre las dimensiones del chip y los resultados de las pruebas de la oblea sin mapas detallados de la densidad de potencia o de la tensión localizada.
Asimismo, el sustrato puede llegar dentro de las especificaciones nominales sin datos sobre la deformación real de cada lote, mientras que la hoja de datos del material no necesariamente revela su comportamiento dentro del dispositivo final. Las descripciones del mismo objeto físico difieren entre los distintos ámbitos: el fabricante de chips puede describir el comportamiento del chip de una manera, el proveedor del sustrato de otra y el proveedor de materiales puede proporcionar propiedades medidas bajo condiciones específicas. CP Hung, vicepresidente de investigación y desarrollo corporativo en ASE, señaló que las transferencias más difíciles no siempre son las que carecen de datos, sino las que trasladan datos entre diferentes disciplinas de ingeniería.
Esto se complica aún más porque los datos pueden incluir propiedad intelectual sensible. Según Sanjiv Bhatt, director sénior de marketing y desarrollo empresarial en Mitsubishi Chemical Group, los proveedores y las empresas conservan conocimientos que no desean compartir por completo. Por tanto, un formato de archivo común no resolverá el problema de los datos que no se han medido ni del contexto que no se ha transferido.
¿Qué cambia cuando comienza la fabricación?
Los ejemplos incluidos en el artículo muestran que el modelo nominal puede ser preciso, pero no necesariamente describe el producto fabricado. Esto resulta especialmente evidente en la fotónica, donde pequeños cambios en las dimensiones, el grosor de las películas o la forma de las paredes laterales pueden afectar a la pérdida óptica o a la respuesta espectral. Eric Guichard, vicepresidente sénior y director general de la unidad TCAD de Silvaco, afirma que el diseño optimizado según la forma dibujada no representa necesariamente el dispositivo fabricado cuando se introducen variaciones de producción a gran escala.
El problema no se limita a la fotónica. La humedad, la concentración de los materiales de limpieza, un grabado incompleto o las propiedades de un material nuevo también pueden afectar al rendimiento. Además, las propiedades de los materiales de empaquetado no siempre son cifras constantes; el coeficiente de expansión térmica, el módulo de elasticidad y la fuerza de adhesión pueden cambiar con el procesamiento, la temperatura, el tiempo y el grado de curado. Por ello, el modelo necesita conocer las condiciones de validez de cada valor, no solo almacenar el valor.
Los modelos acoplados requieren una calibración continua
Los efectos dentro del paquete no se comportan de forma independiente. La corriente genera calor, el calor cambia la resistencia y estos cambios vuelven a modificar la distribución de potencia, lo que exige repetir los cálculos eléctricos y térmicos hasta alcanzar la convergencia. Las variaciones de fabricación también pueden interactuar de forma no lineal, de modo que el efecto de un conjunto de desviaciones sea mayor o diferente de la suma de sus efectos individuales.
Por esta razón, los puntos de unificación más difíciles se encuentran en las interfaces entre materiales, estructuras, procesos, proveedores y decisiones del sistema, y no necesariamente dentro de cada disciplina física por separado. Dos modelos pueden ser correctos dentro de sus respectivos ámbitos, pero sus supuestos pueden no coincidir al intentar integrarlos en una única representación.
Los trabajos de Intel en interconexión híbrida ofrecen un ejemplo del papel de las mediciones en la mejora del modelo; los datos experimentales de deformación pueden introducirse en un modelo de elementos finitos y, posteriormente, el modelo refinado puede utilizarse para explorar cambios difíciles de probar en la práctica. Sin embargo, medir únicamente la deformación no basta. Ahn propone que el conjunto de calibración incluya mediciones de las uniones y protuberancias, la posición del chip, las propiedades del sustrato, los materiales de relleno y molde y la interfaz de gestión térmica, además de mediciones térmicas y pruebas eléctricas.
Hung considera que la medición no debería realizarse indiscriminadamente en cada paso, sino en los puntos en los que cambia el estado del paquete, como la unión, el moldeo, el curado, el adelgazamiento del chip y las transiciones térmicas. La calibración tampoco sigue necesariamente un calendario fijo; según Hanlin Chen, científico investigador y líder de equipo en Brewer Science, debe repetirse cuando una nueva arquitectura de paquete o sustrato, un nuevo presupuesto térmico o un nuevo flujo de fabricación sitúe el material fuera del rango de condiciones en el que se validó el modelo.
¿Por qué importa esta noticia?
La conclusión editorial de estos datos es que el éxito del gemelo digital del paquete no se mide por su capacidad para producir un resultado preciso una sola vez, sino por su capacidad para mantener su validez mientras cambian el producto, los materiales y la fabricación. Esto impone una carga práctica a las cadenas de suministro formadas por múltiples empresas: las mediciones deben vincularse a su contexto, deben definirse las condiciones de validez de los modelos y debe repetirse la calibración cuando el paquete cambie realmente.
Los modelos reducidos o las alternativas basadas en inteligencia artificial pueden acelerar el análisis, pero no eliminan la necesidad de conocer los límites de su uso. Como advierte Larsen, un modelo rápido, si pierde su contexto, puede convertirse en una forma rápida de tomar una decisión equivocada. Las preguntas abiertas siguen relacionadas con la cantidad de datos que los socios pueden compartir, la manera de unificar los supuestos en las interfaces y la selección de los puntos de medición que generen el mayor valor sin hacer inviable el ciclo de fabricación.