Applicazione dello schema di progettazione dell'esperimento vincolato e della valutazione del metodo di progettazione nello sviluppo del processo BKM PECVD e creazione di modelli predittivi_Christy PanAltoparlanti: Cristo Pan , Ingegnere di processo, Materiali applicati
l'argomento del discorso: Applicazione dello schema di progettazione dell'esperimento vincolato e della valutazione del metodo di progettazione nello sviluppo del processo BKM PECVD e creazione del modello predittivo
Riepilogo:
Le proprietà del film del PECVD applicato nei processi con ossido di metallo sono fondamentali per visualizzare le prestazioni del dispositivo. L'uniformità dello spessore del film, lo stress e il tasso di deposizione sono tutti attributi chiave del processo. L'esplorazione della complessa scienza della deposizione di film sottili di ossido di metallo richiede un approccio strutturato e sistematico al DOE per portare a termine il lavoro in modo efficiente e senza intoppi, risparmiando tempo e costi. Prima dell'inizio del processo di messa a punto del DOE, eseguire un test R&R per garantire una buona qualità dei dati e ridurre al minimo le dimensioni dell'esperimento DOE. Inoltre, il rumore sigma R&R del misuratore viene confrontato con il rumore di regressione RMSE per isolare il rumore di misurazione dal rumore residuo di regressione. A causa dei vincoli di budget DOE, abbiamo confrontato (1) DOE L27 Taguchi, (2) DOE fattoriale parziale classico, (3) DOE personalizzato e (4) screening deterministico (DSD) basato su 21-27 scale sperimentali di dimensioni simili) vari metodi DOE della superficie di risposta in DOE. Dai risultati, DSD ha mostrato la migliore ortogonalità (mappa dei colori di correlazione), uniformità di previsione e potenza su scala sperimentale uguale o inferiore. Il design DSD piegato può migliorare notevolmente la rotazione dei DOE alla più piccola scala sperimentale. I vincoli di progettazione sono discussi anche in questo articolo. Abbiamo trovato un vincolo di progettazione dovuto ai limiti fisici del plasma, il cui effetto può essere minimizzato progettando la struttura del DSD. Per identificare un approccio più sicuro al rischio in termini di vincoli di progettazione, abbiamo anche studiato l'analisi della potenza, le mappe dei colori, le matrici di grafici a dispersione, la varianza di previsione e le proporzioni dello spazio di progettazione per valutare la struttura di progettazione DSD in base a vincoli di progettazione. La prossima sfida è come evitare qualsiasi overfitting del modello. Basato sulla modellazione della regressione dei minimi quadrati, il modello predittivo può essere modificato rimuovendo o aggiungendo fattori al livello di rischio alfa desiderato. Tuttavia, è difficile determinare con chiarezza se la soglia per il livello di significatività del termine dell'effetto debba essere fissata a 0,05 oa 0,10. Abbiamo osservato un comportamento di overfitting quando si utilizzano soglie di valore p più elevate. I risultati dell'ANOVA possono indicare se l'overfitting è significativo aggiungendo termini più insignificanti al modello. Dopo aver rimosso i termini di effetto con valori p più elevati nel modello, è possibile ottenere valori p ANOVA inferiori e un rischio ridotto di overfitting (R-quadrato più elevato). Dopo aver stabilito la funzione di trasferimento, eseguire un'analisi della sensibilità globale utilizzando il profilatore di previsione per classificare le sensibilità delle variabili di input. I risultati dell'analisi di sensibilità oggettiva di JMP erano coerenti con l'espansione funzionale della qualità soggettiva (House of Quality). Per simulare la variazione generale della produzione a lungo termine attraverso le funzioni di trasferimento, eseguiamo simulazioni Monte Carlo, incorporando la variazione del rumore per tutti i fattori chiave, per calcolare il tasso di difetto non conforme. Design robusto che utilizza il profiler JMP per trovare finestre di processo non sensibili (ottimizzate con la prima derivata). La convalida del modello è stata eseguita verificando che le impostazioni dei parametri di processo ottimali rientrassero nella regione dell'alto potere predittivo basato sul grafico a dispersione dell'uniformità. Secondo il modello Monte Carlo, le impostazioni di processo ottimali possono ottenere prestazioni fuori specifica dello 0% circa. Gli strumenti JMP sono potenti e possono essere di grande aiuto nel miglioramento e nella convalida dei processi.
ANOVADOEDSDModellazioneSimulazione Monte CarloTaguchi DOEdesign sperimentaleanalisi degli scostamentiDisegno TaguchiProgetto di screening definitivoSimulazione Monte Carlomodellazione predittivaRe: Applicazione dello schema di progettazione sperimentale vincolato e della valutazione del metodo di progettazione nello sviluppo del processo PECVD BKM e nella creazione del modello di previsione_Pan Yanqi (Christy Pan)Ben fatto! È necessaria una condivisione così meravigliosa!
Re: PECVD BKM工艺开发及其预测模型建立中的应用_潘燕琦( Christy Pan)Orgoglioso di Christy
Carlo
