Die Filmeigenschaften von PECVD, die in Metalloxidprozessen angewendet werden, sind entscheidend für die Leistung von Anzeigegeräten. Gleichmäßigkeit der Filmdicke, Spannung und Abscheidungsrate sind Schlüsselattribute des Prozesses. Die Erforschung der komplexen Wissenschaft der Metalloxid-Dünnfilmabscheidung erfordert einen strukturierten und systematischen Ansatz für DOE, um die Arbeit effizient und reibungslos zu erledigen und gleichzeitig Zeit und Kosten zu sparen. Bevor der Prozess der Feinabstimmung des DOE beginnt, führen Sie einen Gage R&R-Test durch, um eine gute Datenqualität sicherzustellen und die Größe des DOE-Experiments zu minimieren. Zusätzlich wird das R&R-Rauschen des Messgeräts mit dem Regressionsrauschen RMSE verglichen, um das Messrauschen von dem Regressionsrestrauschen zu isolieren. Aufgrund von DOE-Budgetbeschränkungen verglichen wir (1) Taguchi L27 DOE, (2) klassisches partielles faktorielles DOE, (3) benutzerdefiniertes DOE und (4) deterministisches Screening (DSD) basierend auf 21-27 ähnlich großen experimentellen Skalen) verschiedene Antwortoberflächen-DOE-Methoden in DOE. Aus den Ergebnissen zeigte DSD die beste Orthogonalität (Korrelationsfarbkarte), Vorhersageeinheitlichkeit und Leistung bei gleichem oder kleinerem experimentellem Maßstab. Das gefaltete DSD-Design kann die Drehbarkeit von DOEs im kleinsten experimentellen Maßstab erheblich verbessern. In diesem Artikel werden auch Entwurfseinschränkungen erörtert. Wir fanden eine Konstruktionseinschränkung aufgrund der physikalischen Beschränkungen des Plasmas, deren Effekt durch die Gestaltung der Struktur des DSD minimiert werden kann. Um einen sichereren Umgang mit Risiken in Bezug auf Designbeschränkungen zu identifizieren, untersuchten wir auch Leistungsanalysen, Farbabbildungen, Scatterplot-Matrizen, Vorhersagevarianz und Designraumanteile, um die DSD-Designstruktur unter Designbeschränkungen zu bewerten. Die nächste Herausforderung besteht darin, eine Modellüberanpassung zu vermeiden. Basierend auf der Regressionsmodellierung nach der Methode der kleinsten Quadrate kann das Vorhersagemodell modifiziert werden, indem Faktoren auf der gewünschten Alpha-Risikostufe entfernt oder hinzugefügt werden. Dennoch ist es schwierig, eindeutig zu bestimmen, ob die Schwelle für das Signifikanzniveau des Effektterms auf 0,05 oder 0,10 gesetzt werden sollte. Bei der Verwendung höherer p-Wert-Schwellenwerte haben wir ein Overfitting-Verhalten beobachtet. ANOVA-Ergebnisse können anzeigen, ob Overfitting signifikant ist, indem dem Modell mehr insignifikante Terme hinzugefügt werden. Niedrigere ANOVA-p-Werte und ein reduziertes Risiko einer Überanpassung (höheres angepasstes R-Quadrat) können nach dem Entfernen von Effekttermen mit höheren p-Werten im Modell erhalten werden. Führen Sie nach dem Einrichten der Übertragungsfunktion eine globale Sensitivitätsanalyse mit dem Vorhersageprofiler durch, um die Sensitivitäten der Eingabevariablen zu ordnen. Die Ergebnisse der objektiven Sensitivitätsanalyse von JMP stimmten mit der Erweiterung der subjektiven Qualitätsfunktion (House of Quality) überein. Um die allgemeine Schwankung der langfristigen Produktion durch Transferfunktionen zu simulieren, führen wir Monte-Carlo-Simulationen durch, die die Rauschschwankung für alle Schlüsselfaktoren berücksichtigen, um die Rate fehlerhafter Fehler zu berechnen. Robustes Design mit JMP-Profiler zum Auffinden unempfindlicher Prozessfenster (optimiert mit erster Ableitung). Die Modellvalidierung wurde durchgeführt, indem überprüft wurde, ob die optimalen Prozessparametereinstellungen innerhalb des Bereichs mit hoher Vorhersagekraft basierend auf dem Einheitlichkeits-Streudiagramm lagen. Gemäß dem Monte-Carlo-Modell können die optimalen Prozesseinstellungen eine Leistung von ~0 % außerhalb der Spezifikation erreichen. JMP-Tools sind leistungsstark und können bei der Prozessverbesserung und -validierung eine große Hilfe sein.
