활성 의약품 성분(API) 입자에 원자층 코팅을 적용하면 입자 표면을 맞춤화하여 API 입자의 성능을 향상시킬 수 있습니다. Applied의 하드웨어 팀은 이러한 표면적이 넓은 입자에 코팅을 적용하기 위한 자체 개발 장비를 설계했습니다.
실험 담당자로서 프로젝트에서 우리의 주요 역할은 레시피를 최적화하고, 얻은 데이터를 바탕으로 하드웨어 팀에 더 나은 설계를 위한 피드백을 제공하는 것입니다. 이 발표에서는 하드웨어 부품 중 하나의 서로 다른 설계에서 얻은 두 가지 공정 데이터 세트를 논의합니다. 목표는 두 데이터 세트를 비교하여 변동이 최소화된 설계를 찾는 것입니다. 이를 위해 JMP의 히스토그램 및 연속 적합 도구를 사용하여 두 경우 모두에 대한 공정 매개변수의 분포와 분포 유형을 확인합니다. 정규 분위수 그림을 사용하여 데이터 세트의 정규성 변동 여부를 확인합니다. JMP의 이상치 탐색 기능을 사용하여 이상치 분석을 수행하고, 이를 통해 데이터 비교를 위한 단방향 분석을 진행합니다. 얻은 데이터를 바탕으로 최적의 옵션을 선택하고 업그레이드를 제안합니다. 이상치 탐색은 데이터 세트의 변동성을 파악하는 데 도움이 됩니다.
안녕하세요 여러분. 저는 네하 굽타이고, 어플라이드 머티리얼즈 인도 법인에서 근무하고 있습니다. 발표를 시작하기 전에 간단히 제 소개를 드리겠습니다. 저는 공정 엔지니어로서, 어플라이드 머티리얼즈의 연구 개발 프로젝트를 담당하고 있습니다.
이번 연구는 제목과 마찬가지로 '하드웨어 레이어 변경에 따른 프로세스 파라미터 변화'라는 주제로 진행되었습니다. 발표를 시작하기 전에, 이 연구와 발표 기회를 주신 JMP 팀에 감사의 말씀을 전하고 싶습니다.
그럼 제 발표를 시작하겠습니다. 앞서 말씀드렸듯이 저는 반도체 산업 회사인 Applied Materials India Private Limited에 근무하고 있으며, 저희 회사는 원자층 코팅(ALC) 분야의 전문성을 보유하고 있습니다. 저희는 이 원자층 코팅 기술을 인접 시장 분야인 제약 분야에 적용하고자 노력하고 있습니다.
저희는 의약품 입자에 대한 원자층 코팅(ALC) 전문 기술을 활용하여 이러한 입자의 특성, 특히 수직 구조의 의약품 입자의 특성을 개선하고자 했습니다. 이미 개념 증명을 완료했습니다. 소규모 실험을 통해 입자에 ALC 코팅을 적용하면 유동성, 생체 이용률 등을 향상시킬 수 있음을 보여주었습니다.
이제 우리가 해야 할 일은 규모 확장을 하는 것입니다. JMP에 대해 더 자세히 설명하기 전에, 지금까지 우리가 해온 것은 JMP를 기술 분야, 기술 전문성, 기술적 발견을 설명하는 도구로 활용하는 것이며, JMP는 이를 지원해 왔습니다. 앞서 언급했듯이, 이 입자 코팅의 경우 입자의 특성을 개선할 수 있습니다.
우리의 최종 제품이자 궁극적인 목표는 코팅입니다. 코팅 품질은 좋아야 합니다. 코팅 품질이 좋아야 더 나은 결과를 낼 수 있습니다. 코팅 품질은 여러 변수의 영향을 받습니다. JMP에는 이러한 영향을 시각적으로 보여주는 훌륭한 도구인 원인-결과 다이어그램이 있습니다.
일반인 입장에서, 최종 제품이 여러 변수나 요인의 영향을 받는다는 것을 어떻게 보여줄 수 있을까요? 바로 이 인과관계 도표를 이용하면 됩니다. 이 도표는 코팅 품질이 공정, 특히 분말 교반에 의해 영향을 받는다는 것을 보여줍니다. 왜냐하면 표면적이 넓기 때문입니다.
일반적인 ALD 공정은 분말이 아닌 충전재에 적용됩니다. 분말의 표면적은 얇은 충전재보다 훨씬 넓습니다. 따라서 공정 변수, PADL의 영향, 분말 교반, 반응을 위한 화학 물질 투입 방식, 잔류물 제거 방법, 그리고 이 두 영역 사이의 거리가 미치는 영향, 전체 화학 반응에 대한 온도의 영향 등 모든 요소가 중요합니다.
이것들은 코팅 품질에 영향을 미치는 몇 가지 매개변수입니다. 만약 제가 이것을 매개변수라고만 말하면 아무도 이해하지 못할 것입니다. 하지만 제가 지금 보여드린 원인-결과 다이어그램을 보여드리면 훨씬 더 잘 설명할 수 있을 것입니다.
다시 본론으로 돌아가서, 코팅 품질은 여섯 가지 매개변수의 영향을 받습니다. 현재 우리는 공정이 이미 정립되었기 때문에 헤드스페이스에 집중해 왔습니다. 소규모로 진행한 이번 실험은 개념 증명으로서 이미 완료되었습니다. 공정은 이미 확립되었고, 이제 남은 것은 하드웨어입니다. 하드웨어가 어떤 역할을 할 것인지가 관건입니다.
입자가 바닥에 놓여 있고, 도포 주입 시스템을 사용하거나 화학 물질이 그 안으로 들어간다고 가정해 보겠습니다. 입자가 목표 지점에 도달하는 데 너무 오랜 시간이 걸리거나, 반대로 너무 짧은 시간이 걸리면 공정 변수, 압력, 잔류물 제거율 등 모든 것이 이 거리에 따라 달라집니다. 저희는 테스트 스탠드를 사용하여 이 거리를 측정하고 있습니다.
우리는 이 장비를 다양한 구조를 시험해 볼 수 있는 테스트 스탠드라고 불렀습니다. 이 구조는 기본적으로 챔버 내의 리드 디자인을 의미하며, 첫 번째 리드를 사용하여 헤드스페이스를 조절하거나 줄일 수 있습니다. 속이 빈 리드는 헤드스페이스 크기를 늘릴 수 있습니다. 헤드스페이스가 클수록 화학 물질 농도가 높아지고 잔류물 제거율이 낮아질 수도 있고 그렇지 않을 수도 있습니다. 이 부분을 확인해야 합니다.
그러한 우려 때문에, 우리는 주요 설계 요소가 코팅 품질에 미치는 영향을 파악하기 시작했습니다. 이를 위해 특정 요소에 대한 데이터를 수집했습니다. 이 레시피를 실행하여 입자를 코팅할 때 입력해야 하는 몇 가지 매개변수가 있으며, 우리는 이러한 매개변수를 기록하고 분석에 사용했습니다.
그 점에서 가장 먼저 고려해야 할 것은 압력 변화입니다. 거리가 멀어질수록 반응이 더 많이 일어날 수 있고, 반응 시간이 길어지면 화학 반응의 체류 시간도 늘어나 압력 변화도 더 커질 것입니다.
정상성 검사를 통해 이를 확인할 수 있습니다. 두 리드 사이의 압력 변화를 측정하여 사이클에 따른 변화를 살펴보았습니다. 사이클이 증가함에 따라 압력이 크게 증가하는지, 아니면 적게 증가하는지 확인했습니다. JMP에서는 정상성 검사와 이상치 식별을 위한 박스 클롯 기능을 사용했습니다.
이것이 바로 JMP의 장점입니다. 이상치를 탐지하는 것뿐만 아니라, Y와 X의 관계를 분석하여 이상치의 근본 원인까지 파악할 수 있습니다. 이 Y와 X의 관계를 선형 다항식으로 나타내면 이상치와 데이터 세트 간의 관계를 분석할 수 있습니다. 이를 통해 이상치를 식별하거나 이상치의 근본 원인을 찾아낼 수 있습니다.
세 번째 단계는 [00:06:14] 두 가지 설계 데이터 세트를 비교하는 것이었습니다. 즉, 우리가 수집한 데이터를 비교한 것입니다. 그런 다음 우리의 가설, 즉 기술적으로 타당하거나 앞으로 어떻게 진행될지에 대한 가설을 확인했습니다. 이제 결과를 말씀드리겠습니다.
먼저, 말씀드린 대로 두 가지 디자인이 있습니다. 첫 번째 디자인은 헤드스페이스가 더 높은 디자인으로, 흔히 디자인 1이라고 부릅니다. 다른 하나는 디자인 2인데, 보시다시피 데이터가 더 균일하거나 정규 분포에 가깝습니다. 차이가 거의 없다고 할 수 있습니다.
하지만 여기서 설계도와 해당 박스플롯을 보시면, 이상치가 많이 나타나는 것을 확인할 수 있습니다. 다시 본론으로 돌아와서, JMP의 강력한 도구인 이상치 검사를 통해 q-인자나 꼬리 분위수를 변경하여 이상치를 확인하거나, 분석 범위를 좁혀서 이상치인지 판단할 수 있습니다. 이상치가 주변 이상치인지, 공정 이상치인지, 아니면 극단적 이상치인지를 판별할 수 있습니다.
우리의 경우, 극단적인 이상치를 찾고 있습니다. 이 극단적인 이상치는 설계 1에서만 발견되었고, 여유 공간이 더 적은 설계 2에서는 발견되지 않았습니다. 여유 공간이 적은 설계에서는 이상치가 나타나지 않습니다. 이 부분은 나중에 더 자세히 논의하겠습니다.
하지만 그 전에, 극단적인 이상치에 대해서는 근본 원인을 파악하려고 노력했습니다. Y와 X의 선형 회귀, 다항식 회귀, 그리고 다양한 차수의 다항식 회귀를 시도해 봤습니다. 하지만 선형 회귀든 다항식 회귀든 이 두 가지 특정 원인에 대해서는 어떤 것도 효과가 없다는 것을 알게 되었습니다. 그러다가 비모수적 군집 밀도 분석, 즉 유의성이라는 또 다른 방법을 알게 되었습니다.
비모수적 방법이므로 신뢰구간은 모수적 방법과 마찬가지로 95%가 됩니다. 하지만 현재 연구에서는 보시다시피 두 개의 서로 다른 클러스터가 존재하기 때문에 두 가지 다른 모델이 있음을 보여줍니다. 이 두 클러스터는 서로 다르며, 이 클러스터는 기본적으로 두 가지 메커니즘이 작용하고 있음을 나타냅니다.
제 기술 이론에 비추어 설명드리자면, 처음에는 공정이 선형적으로 또는 특정 기울기로 증가해야 했지만, 이후에는 변동이 생겼습니다. 전체적으로 공정이 왜곡된 것입니다. 이것이 바로 저희의 기술적 문제입니다. 기술적인 관점에서 생각해 보면, 챔버 내에서 헤드스페이스가 높다는 것은 분말에서 화학물질 제거 또는 주입 지점까지의 거리가 너무 멀다는 것을 의미합니다. 거리가 너무 멀면 화학물질과 잔류물의 체류 시간이 매우 길어지게 되는데, 이는 초기 사이클에는 영향을 미치지 않더라도 이후 사이클에 상당한 영향을 줄 수 있습니다.
이는 점진적으로 층이 쌓여가는 과정이기 때문에 완전한 공정으로 이어질 수 있습니다. 한 층이 쌓이고, 그 다음 두 번째 층이 쌓이고, 세 번째 층이 쌓이는 식입니다. 이러한 층상 구조에서 첫 번째 층에 응축이 많이 발생하면 위쪽 층의 응축이 크게 진행될 것입니다. 이것이 우리가 세운 가설입니다. 그리고 이 가설을 바탕으로 관리도를 사용하여 그래프를 그려보니, 주기에 따른 이동 범위를 확인할 수 있었습니다. 관리도는 정말 유용한 도구 중 하나입니다.
여기 이동평균선에서 초기 사이클을 보시면, 초기 사이클이 다른 수준에 있다가 갑자기 급격한 변화, 즉 급격한 하락이 나타나는 것을 알 수 있습니다. 이는 이동평균선에서 발생하는 급격한 하락을 다시 한번 확인시켜 줍니다.
기본적으로 가설과 전체 데이터는 공정이 정상적으로 시작되었음을 시사했습니다. 처음 몇 주기 동안은 공정이 정상적으로 진행되었습니다. 하지만 헤드스페이스가 많아 체류 시간이 길어지면서 공정이 불안정해졌고, 이로 인해 코팅 품질에 많은 문제가 발생했습니다. 분산 분석(ANOVA) 결과도 실험 데이터와 동일한 결과를 보여주었습니다.
이는 동일한 가설에 대한 통계적 증거이며, 어떤 메커니즘이 작용하는지를 보여줍니다. 첫 번째 설계의 경우 코팅 상태가 악화되고 있지만, 그 메커니즘은 무엇일까요? 이 메커니즘을 증명하기 위해, 이동 범위 차트를 통해 공정의 편차를 확인할 수 있습니다.
마지막으로, 우리는 이 두 리드를 일원 분산 분석(ANOVA)을 통해 비교하고 통계적으로 동일한지 다른지 확인했습니다. 통계적 관점에서 일원 분산 분석 결과, 두 리드는 매우 큰 차이를 보였습니다. 즉, 두 변이체가 동일하다는 우리의 가설은 성립하지 않았습니다. 따라서 이 두 리드는 유사하지 않다고 결론지을 수 있습니다.
전반적으로, 본 연구의 결론은 JMP를 도구로 사용하여 설계 1의 코팅 품질이 공정 변동으로 인해 불량하다는 가설을 입증했다는 것입니다. 이는 이동 범위 차트를 통해 확인할 수 있습니다. 이상치가 많이 나타나는데, 이는 앞서 제시한 다중 모델 적합 결과와 일치합니다. 마지막으로, 이 두 가지 결과는 동일하지 않습니다.
마지막으로, 이 발표를 마무리하면서 제게 이 내용이 어떻게 도움이 될지 여쭤보겠습니다. 제가 공정 엔지니어로서 어떤 작업을 수행하고 데이터를 수집하고 분석하여 작동 방식을 파악했지만, 이를 이해관계자나 고객에게 어떻게 전달해야 할까요? 이를 위해서는 뒷받침할 만한 자료를 제시해야 하기 때문입니다.
저는 이러한 데이터를 가지고 있으며, 이를 통해 높은 헤드스페이스로 인한 드리프트 현상 가설을 확신할 수 있습니다. 따라서 새로운 장비가 개발될 때 헤드스페이스를 줄여 설계에 맞게 조정해야 한다는 결론을 내릴 수 있습니다.
이 JMP 도구는 제 가설을 입증하고 올바른 디자인을 결정하는 데 큰 도움이 되었습니다. 제가 사용한 도구에 대한 설명은 여기까지입니다. 마지막으로, 팀원들과 지도교수님인 찰스, 그리고 멘토이신 수크티께 감사드립니다. 또한, 다시 한번 기회를 주신 JMP 팀에도 감사드립니다. 감사합니다.
