Mein Projekt befasst sich mit der Applikation von Lösungsbeschichtungen auf Halbleiterwafer und der Optimierung der Prozessparameter. Ziel ist es, die Genauigkeit der Schichtdickenmessung zu verbessern, eine gleichmäßige Schichtdicke zu erzielen und die Standardabweichung der Schichtdicke zu minimieren, um eine einheitlichere Schichtdickenmessung über die gesamte Waferoberfläche zu gewährleisten. Die in JMP verwendeten Werkzeuge umfassen Versuchsplanung (DOE), die Methode der kleinsten Quadrate (Fit Least Squares) und die Integration eines Parameterprofilers mit Rausch-/Standardabweichungssimulator, um die optimalen Einstellungen zu ermitteln.
Mein Name ist Nicholas. Ich bin Ingenieur bei Medtronic und arbeite häufig mit JMP. In diesem Vortrag geht es um Spin-Codierung und die zugehörige Technologie. Ich erkläre, wie wir mit JMP ein Versuchsdesign (DOE) erstellen und anschließend ein Anpassungsmodell entwickeln, um mithilfe des Profilers die Schichtdicke der Waferbeschichtung zu optimieren und gezielt einzustellen.
Zur Einführung: Wie bereits erwähnt, verwenden wir in dieser Präsentation JMP, um die Halbleitercodierung zu veranschaulichen. Die Funktionsweise dieser Technologie, wie Sie im Diagramm oben links sehen, besteht darin, eine Lösung zentral auf den Wafer aufzutragen. Dieser Wafer befindet sich auf einem rotierenden Sockel – ein Verfahren, das als Spin-Coating bezeichnet wird. Anschließend werden verschiedene Profile verwendet, die jeweils mit bestimmten Geschwindigkeiten und über einen bestimmten Zeitraum laufen.
Üblicherweise beginnen wir mit einem langsamen ersten Schritt, bei dem die Lösung gleichmäßig auf der gesamten Oberfläche verteilt wird. Anschließend erhöhen wir die Geschwindigkeit für eine längere Zeit und erzielen so – abhängig von der gewählten Geschwindigkeit – unterschiedliche Schichtdicken in der Beschichtung.
Ziel dieses Versuchs, und das, was wir im Rahmen unseres Versuchsdesigns definieren wollen, ist es, mithilfe des Versuchsdesigns verschiedene Schichtdicken zu erzielen und zu verstehen, wie sich Prozessfenster für die verschiedenen Schleuderdrehzahlen und die abgegebenen Volumina auf unsere codierte Schicht auswirken können, sowohl hinsichtlich der Gleichmäßigkeit über die gesamte Waferoberfläche als auch der resultierenden Schichtdicke.
Sie sehen hier rechts die verschiedenen Einflussfaktoren. Wir führen ein Versuchsdesign mit sechs Faktoren durch. Wir legen unsere unteren und oberen Grenzwerte fest, die wir in der Demo erläutern werden, um zu zeigen, wie sie im Versuchsdesign angewendet werden. Im Wesentlichen geht es darum, mithilfe dieser Fenster ein Modell zu erstellen und einen guten R²-Wert zu erzielen. Dieser Wert gibt an, wie gut das Modell Ausreißer vorhersagt. Anschließend nutzen wir diesen Wert, um bestimmte Ergebnisse, wie z. B. die Dicke, anzupassen und gezielt zu optimieren, um die Variabilität der Oberfläche bzw. die Gleichmäßigkeit zu minimieren.
Diese Details werden wir genauer erläutern, sobald wir mit der Demo beginnen. Links sehen Sie eine Übersicht über die Dicke unserer Beschichtung. Mithilfe einer Konturgrafik versuchen wir, eine möglichst gleichmäßige Oberfläche zu erzielen. So erkennen wir mögliche Spitzen und Tiefen. Anschließend betrachten wir ein Anpassungsmodell, in dem alle Messdaten aus dem Versuchsdesign (DOE) grafisch dargestellt werden. Ich vermute, dass hier eine gewisse Stapelung vorliegt, weshalb die Bereiche so groß sind. Außerdem gab es bei einem unserer Wafer einige Ausreißer. Darauf gehe ich in den nächsten Folien ein.
Aus diesen Messungen und Analysen erstellt JMP dann ein Profil, dessen Zielwerte man festlegen kann, beispielsweise 10 Mikrometer oder 10.000 Nanometer Dicke, wie hier zu sehen. Außerdem werden die Faktoren angepasst, um die Standardabweichung über die Waferoberfläche zu minimieren. Darauf gehe ich gleich noch genauer ein.
Hier ist eine kurze Übersicht des Versuchsdesigns (DOE). Wenn wir all diese Werte – die niedrigsten und höchsten Werte unserer sechs Faktoren – zusammentragen, erhalten wir eine Tabelle mit allen Durchläufen. Dies ist der von uns durchgeführte Durchlauf. Ich werde jetzt wahrscheinlich die Demo starten und JMP öffnen. Einen Moment. Wenn ich die Durchführung eines Versuchsdesigns Schritt für Schritt erklären sollte, gehen wir normalerweise folgendermaßen vor: … Einen Moment. Klassisch … Nein, Entschuldigung. Benutzerdefiniertes Versuchsdesign. Es befindet sich hier oben.
Dieser Faktor öffnet ein Popup-Fenster, in dem Sie Ihre Ausgabe- und Eingabewerte eingeben können. Für diese Konfiguration hatten wir unsere Zieldicke. Ich habe dort eine Antwort für unsere Ausgaben hinzugefügt. Ich wollte eine bestimmte Dicke erreichen. Das ist unser Antwortname: Dicke, Zielwert. Unser unterer Bereich liegt bei 8.000 und unser oberer bei 12.000 Nanometern. Dies sind die Nanometer Dicke der Beschichtungsschicht. Ich kann ein „M“ für die Einheiten hinzufügen.
Dann betrachten wir auch die Gleichmäßigkeit. Ich sehe mir die Standardabweichung der Dickenmessungen über den gesamten Wafer an; das bezeichnen wir als Gleichmäßigkeit. Wir wollen diese so gering wie möglich halten. Eine höhere Standardabweichung bedeutet eine größere Streuung. Dafür gibt es keine direkte Einheit.
Jetzt haben wir hier unsere Faktoren. Wir hatten sechs verschiedene, kontinuierliche Faktoren: das Dosiervolumen, die Dosierdrehzahl und die Drehzahl. Wir drehen den Wafer während des Dosierens. Wir drehen den Wafer während des Dosierens. Wir haben die Drehzahl für Umdrehung 1 und die Drehzahl für Umdrehung 2 bzw. die Zeit für Umdrehung 1 und dann die Drehzahl für Umdrehung 2 und die Zeit für Umdrehung 2. Dieser Schritt ist ein dreistufiger Faktor. Wir haben das Dosieren, das Drehen des Wafers und die erste Umdrehung, bei der wir die Lösung verteilen. Dann kommt die zweite Umdrehung, bei der wir uns auf die präzise Verteilung konzentrieren... Oh nein, Entschuldigung.
Die Dosiergeschwindigkeit beschreibt das Auftragen bzw. Verteilen der Lösung auf dem Wafer. Im ersten Durchgang erhöhen wir die Drehzahl, um eine bestimmte Schichtdicke zu erreichen. Dieser Schritt ist entscheidend für die gewünschte Schichtdicke. Im zweiten Durchgang, dem letzten Schritt mit nochmals starker Drehzahlerhöhung, werden Ablagerungen an den Rändern entfernt. Der Wafer wird kurz bewegt, um überschüssige Lösung am Rand zu beseitigen.
Für diesen Aufbau werde ich versuchen, das Ganze etwas schneller durchzugehen. Wir haben ein Volumen von 8,5 bis 10,5 Millilitern verwendet. Die Drehzahl lag zwischen 100 und 400 U/min, um die Lösung gleichmäßig zu verteilen. Anschließend haben wir die Drehzahl auf 500 bis 700 U/min erhöht, um eine bestimmte Viskosität zu erreichen. Dadurch wurde die Lösung verdünnt. Dieser Vorgang dauerte 40 bis 60 Sekunden.
Unser letzter Test war die extrem schnelle Drehzahlmessung. Wir wussten, zumindest zu Beginn dieses Projekts, nicht genau, welche Drehzahl optimal ist. Wir haben einen recht großen Bereich von 1200 bis 2400 U/min getestet, allerdings nur über zwei bzw. sechs Sekunden. Die Prozessfenster sind recht groß. Wir erwarten daher bei extremen Werten sehr unterschiedliche Ergebnisse. So haben wir im Wesentlichen unsere Versuchsplanung, die X- und Y-Koordinaten eingerichtet. Ich klicke auf „Weiter“.
Ich trage unsere Einheiten kurz ein. Wir haben Umdrehungen pro Sekunde und die Zeit, die... Entschuldigung. Umdrehungen pro Minute als Einheit für die Geschwindigkeit und Sekunden als Einheit für die Zeit ist. Das Volumen wird in Millilitern angegeben. Die Geschwindigkeit wird ebenfalls in Umdrehungen pro Minute (U/min) angegeben. Normalerweise füge ich eine zweite Interaktion hinzu, um das Modell robuster zu machen. Dadurch wird auch deutlich, wie die einzelnen Variablen miteinander interagieren. Man könnte zwar auch Interaktionen dritter und vierter Ordnung hinzufügen, aber das wäre etwas übertrieben. Für dieses Modell brauchen wir das nicht.
Für unseren Build haben wir uns letztendlich für 24 Wafer entschieden. Das Schöne an JMP ist, dass es die Mindestanforderung und den Standardwert anzeigt. In der Halbleiterindustrie arbeiten wir mit Kassetten, die jeweils einen Wafer aufnehmen, und unsere Kassetten fassen bis zu 24 Wafer gleichzeitig. Wir liegen also genau zwischen dem Standardminimum von 24 Wafern. Das entspricht exakt der Anzahl, die wir für den Testlauf benötigen. Genau so würden wir unsere Geräte bestücken. Ich kann das dann einstellen. Wir lassen 24 Wafer durch den gesamten DOE-Prozess laufen, und dann klickt man auf „Design erstellen“.
JMP berechnet das sehr schnell und gibt eine Tabelle mit allen Faktoren und den Ergebnissen aus. Hier sehen Sie die Ausführungsreihenfolge (1–24) und die einzelnen festgelegten Faktoren. Zuerst führen wir die Berechnungen für den ersten Wafer durch und wenden dabei jeden dieser Kontrollfaktoren an. Anschließend wiederholen wir diesen Vorgang für alle 24 Wafer. Sie können sich dann die Leistungsanalyse ansehen und die Stabilität des Systems beurteilen. Sie liegt bei 60, könnte also noch etwas besser sein, ist aber für unsere Zwecke dieser ersten Prozessfensteranalyse ausreichend.
Ich klicke jetzt auf „Tabelle erstellen“. Die Reihenfolge der Durchläufe wurde zufällig festgelegt, und dadurch wird diese Tabelle hier erzeugt. Wir haben alle unsere Faktoren, wie in der letzten Tabelle dargestellt, und außerdem werden uns die Optionen für die Dicke und die Standardabweichung angezeigt. Ich habe versehentlich einen dritten Faktor hinzugefügt, was mir nicht aufgefallen ist. Den können wir vorerst ignorieren. Dicke und Standardabweichung sind jedoch Ausgabewerte.
Wenn ich die bereits erhobenen Daten verwenden würde, sähen die Ergebnisse folgendermaßen aus: Wir haben die mittlere Dicke der Wafer und die Standardabweichung über alle Wafer hinweg. Dies sind lediglich die durchschnittlichen Datenpunkte aus diesem Datensatz. Tatsächlich erfassen wir etwa 1400 Datenpunkte pro Wafer. Das ist eine beträchtliche Menge. Ich kann Ihnen hier zeigen, dass wir eine sehr umfangreiche Tabelle mit allen Datenpunkten haben.
Ich habe das so eingerichtet: Wir haben hier unsere sechs Kontrollfaktoren, die tatsächliche Dicke des Wafers als Datenpunkt auf der X- und Y-Achse, den Mittelwert und die Standardabweichung über alle Wafer. Anschließend betrachte ich das Ganze üblicherweise wie eine PGA-Rolle – praktisch, grafisch und analytisch.
Zuerst gehen wir die praktischen Schritte durch und betrachten alle Datensätze. Ich zeige Ihnen hier ein Konturdiagramm unseres Oberflächenprofils, das bereits auf der vorherigen Folie dargestellt wurde. Jeder dieser Datenpunkte stellt eine XY-Koordinatenmessung zur Dickenbestimmung dar. Wir erfassen zwar viele Daten über den gesamten Wafer, wissen aber, dass es an einigen Kanten unkritische Bereiche gibt. Es gibt keine kritischen Bauteile, die wir aus diesem Wafer herausschneiden müssten. Diese Datenpunkte können wir daher ausschließen.
Ich habe die Daten bereits durchgesehen und einige unkritische Datenpunkte ausgeblendet. Am einfachsten geht das, indem Sie nach der Datenanzeige auf das kleine Diagramm in der Kopfzeile klicken. Daraufhin wird Ihnen eine Übersichtstabelle mit den Daten aller Spalten angezeigt. Überprüfen Sie zunächst, ob alle Wafer-IDs vorhanden sind. So erkennen Sie sofort Ausreißer. Dies kann Ihnen helfen, die Daten zu bereinigen, falls bekannte Ausreißer oder Defekte auftreten.
Von dort aus würden wir dann zur grafischen Darstellung wechseln. Dazu würde ich auf „Diagramm“ und anschließend auf „Diagramm-Generator“ gehen. Hierfür betrachten wir die Oberflächenprofile über den gesamten Wafer. Wir haben unsere XY-Koordinaten, und ich würde mir die Dicke ansehen. Ich würde die Dicke als Farbe für jeden Datenpunkt festlegen und sie dann in eine Kontur umwandeln. Aktuell werden alle unsere Wafer angezeigt. Ich gebe die Wafer-ID in das Feld ein, und mir werden alle Wafer angezeigt, die produziert wurden – von 1 bis 24. Ich kann sie hier alle kategorisiert sehen.
Man sieht, dass die Schichtdicken in diesem DOE-Experiment stark variieren. Wir haben Werte von 2000 Nanometern bis 13.000 Nanometern untersucht, je nachdem, wie die Zielkontrollfaktoren eingestellt waren. Unser Hauptaugenmerk liegt jedoch darauf, Bereiche mit starker Inhomogenität zu identifizieren. Hier sehen wir, dass die Schichtdicke im Zentrum deutlich höher ist als am Rand. Das deutet auf eine geringe Gleichmäßigkeit hin.
Eine weitere Möglichkeit, das zu testen, ist Folgendes: Ich glaube, die Option befindet sich unter „Analysieren“. Ich erstelle ein individuelles Kontrolldiagramm. Ich muss mich erinnern, wo ich das gespeichert habe. So, jetzt geht's los. Kontrolldiagramm-Generator. Damit können wir die Dicke als Y-Achse und die Wafer-IDs verwenden. Oh, Moment, nicht die Wafer-IDs. Genau, machen wir das. Dann verkleinere ich den Bereich, sodass er auf etwa … versuchen wir es mit 10.000 oder 11.000 geht. Null. Okay, ich muss den Wert etwas erhöhen. Nehmen wir etwa 15.000. Denn ich glaube, unser größter Wafer hatte etwa 13.
Hier sehen Sie, wie die Datenpunkte auf die einzelnen Wafer aufgeteilt sind. Manche Wafer weisen eine sehr schlechte Gleichmäßigkeit auf, andere sind etwas besser. Um Zeit zu sparen, zeige ich Ihnen jetzt ein bereits vorhandenes Diagramm, in dem die Daten auf die einzelnen Wafer aufgeteilt sind. Ich habe es vor einiger Zeit erstellt, aber sobald es geladen ist, können Sie es ansehen. Hier ist auch unser individuelles Datendiagramm. Es ist ebenfalls auf die einzelnen Wafer aufgeteilt, und Sie sehen den X-Wert, den Mittelwert sowie die obere und untere Kontrollgrenze für jeden Wafer.
Wenn man das hier vergleicht mit... Moment, ich versuche es so anzupassen, dass es gut auf den Bildschirm passt. Aber wir haben das hier, und dann öffne ich auch noch die Kontrollkarte. Ups, die falsche. Wenn wir uns einige dieser Wafer ansehen, zum Beispiel diesen hier, dann sieht es so aus, als ob die Gleichmäßigkeit über die gesamte Fläche sehr schlecht ist. In dieser Karte kann ich diese Datenpunkte hervorheben. Dadurch sehe ich dann... Ich dachte, es würde hier angezeigt werden.
Normalerweise werden beim Markieren dieser Datenpunkte die zugehörigen Daten angezeigt. Da die Ansicht noch verkleinert ist, ist dies möglicherweise nicht sichtbar. Ich habe die Liste hier. Es handelt sich um den 09-D3-Wafer. Wie Sie sehen, ist der 09-D3-Wafer in der Mitte sehr dick und am Rand dünner. Ein weiterer Wafer mit ungewöhnlichen Datenpunkten war der 11-D3. Hier gab es einige Ausreißer, die als extreme Werte erscheinen. Wir sind uns nicht ganz sicher, warum diese Werte vorhanden sind. Sie gehörten nicht zu den ausgeschlossenen Datenpunkten.
Aber ich glaube, es war 11-D3. Wenn ich mir das mal genauer ansehen würde … Entschuldigung, der Computer spinnt gerade etwas. Ich zeige es mal etwas größer an. Bei 11-D3 gab es einige Datenpunkte mit kleinen Ausreißern, die Probleme auf der Waferoberfläche verursachten. Ansonsten sah es im mittleren Bereich ziemlich ähnlich aus. Hier können wir untersuchen, warum diese ungewöhnlichen Datenpunkte auftreten und die Ursache ermitteln.
Das ist ein großer Vorteil der grafischen Darstellung in JMP. Man kann damit die Ursachen analysieren und beispielsweise herausfinden: Was verursacht das? Befinden sich Verunreinigungen oder Ablagerungen auf der Oberfläche, als wir die Messungen durchgeführt haben? Oder gibt es etwas anderes, das die Messdaten beeinflusst?
Sobald wir eine aussagekräftige grafische Analyse erhalten haben, können wir ein Anpassungsmodell erstellen, um zu verstehen, wie gut die Datenpunkte zusammenpassen. Für die Analyse des Anpassungsmodells verwenden wir die Daten. Die Dicke dient als Ausgabegröße. Diese tragen wir in die Y-Achse ein, zusammen mit der Standardabweichung. Auf diese Weise können wir eine Funktion erstellen, die die Steuerungsparameter berücksichtigt und bestimmte Ausgabegrößen gezielt beeinflusst. Genau das tun wir im Wesentlichen mit diesem Anpassungsmodell.
Damit können wir dann einen Profiler öffnen, mit dem wir verschiedene Kontrollfaktoren anpassen und die erwarteten Ergebnisse sehen können. Dicke und Standardabweichung sind die Ausgabewerte. Das sind unsere sechs Kontrollfaktoren. Ich füge sie hinzu. Okay, ja, das passt. Wir starten das. Normalerweise verwende ich dafür die Standard-Least-Squares-Methode. Diese Methode liefert ein optimales Modell, um alle Kontrollfaktoren bestmöglich auf die Ausgabewerte abzustimmen. Wir starten das.
Das ist das Ergebnis. Wie Sie hier sehen, haben alle unsere Daten einen signifikanten Einfluss auf die Ergebnisse. Das war zu erwarten. Wir haben einen recht breiten Prozessbereich berücksichtigt. Im Grunde können wir keine Faktoren entfernen, um unsere Gleichung zu vereinfachen. Wir müssen sie alle einbeziehen.
Wenn wir uns die Zusammenfassung der Anpassung ansehen, sehen wir, dass unser R²-Wert 0,909 beträgt. Das ist ein hoher R²-Wert. Der mittlere quadratische Fehler liegt bei 502. Da wir das Versuchsdesign (DOE) auch mit Wechselwirkungen erstellt haben, könnten wir diese ebenfalls hinzufügen. Ich fange jetzt von vorne an und mache das auch. Wir erstellen ein Anpassungsmodell, wählen die Dicke, die Standardabweichung und die sechs Kontrollfaktoren aus. Diese füge ich hinzu. Mist, schon wieder! Ich entferne sie. Wenn ich diese ausgewählt hätte, könnte ich die Makros verwenden und eine Faktorielle bis zum Grad durchführen. Ich hatte hier einen zweiten Grad, und so erhalten wir unsere zweiten Wechselwirkungen.
Wenn ich das jetzt ausführe, fügen wir unseren Ausgaben auch die Dicke und die Standardabweichung hinzu. Ich lasse es laufen. Okay, die Liste ist deutlich länger. Alle Wechselwirkungen sind auch enthalten. Wie gesagt, alles ist signifikant, daher kann ich die Gleichung nicht vereinfachen. Aber wenn wir uns die Zusammenfassung der Anpassung ansehen, erhalten wir jetzt einen Wert von 0,97 oder 0,965. Wir haben einen deutlich besseren Schätzer, um diese Datenpunkte vorherzusagen.
Ich kann hier auf diesen kleinen roten Knopf klicken, und dann können wir den Profiler hinzufügen. Ich führe dort ein Profil durch. Anschließend lasse ich ihn unten erscheinen. Wir können einige dieser Fenster schließen, um die Ansicht zu vereinfachen. Hier ist die Zusammenfassung. Ich hätte das wohl zuerst erklären sollen. Wir haben unsere Antwortvariable für die Dicke … oder unsere Antwortvariable für die Dicke, mit einem Bestimmtheitsmaß (r²) von 0,967. Unsere Fähigkeit, die Dicke vorherzusagen, ist also ziemlich gut. Dann haben wir noch ein r² für unsere Standardabweichung, das ebenfalls 0,965 beträgt. Auch hier besteht eine sehr starke Korrelation für die Vorhersage.
Ich glaube, wir haben das hier eingefügt. Oh, da muss noch etwas Platz dafür sein. Okay, egal. Ich denke, wir konzentrieren uns jetzt auf den Profiler. Mal sehen, ob ich das Fenster besser anpassen kann. Beim Vorhersageprofiler sehen Sie hier unsere Kontrollfaktoren auf der X-Achse und die Dicke und Standardabweichung, also unsere Ausgabewerte, auf der Y-Achse. Ich möchte diesen Profiler so einstellen, dass er die verschiedenen Sollwerte vorhersagt.
Sie gehen nun in den Optimierungs- und Wünschbarkeitsmodus. Dort werden Wünschbarkeitsfunktionen angewendet. Dadurch wird eine Spalte für die Wünschbarkeit hinzugefügt. Wenn Sie einen Wert finden, bedeutet das, dass dieser am wünschenswertesten ist. Es besteht eine sehr starke Korrelation, dass die von Ihnen festgelegten X-Werte diese Zielwerte erreichen. Zuvor müssen Sie jedoch Ihre Wünschbarkeitswerte festlegen.
Bei der Dicke möchte ich den Zielwert erreichen. Hier nehmen wir den Mittelwert als Zielwert. Ich sage mal 9.000. Runden wir einfach auf 10, also 10.000 als Zielwert, dann 12.000 als Maximalwert, 20.000 als Untergrenze und 8.000 als Maximalwert. Wir wollen innerhalb dieses Bereichs bleiben. Das ist schon mal gut. Die Standardabweichung wollen wir minimieren.
Da wir nur minimieren und uns auf den unteren Grenzwert konzentrieren, lasse ich diese Zahlen unverändert. Wie Sie sehen, ergibt die aktuelle Konfiguration mit diesen Ausgaben für die Dicke einen Wert von etwa 8,3. Sie sehen, dass dies nicht dem gewünschten Wert entspricht. Die Standardabweichung ist etwas zu hoch. Nachdem Sie nun den gewünschten Wert festgelegt haben, können Sie JMP anweisen, diesen zu maximieren.
Das Programm nimmt die eingegebenen Daten und passt sie so an, dass optimale Ergebnisse erzielt werden. Um die gewünschte Dicke von fast 10.000 Nanometern zu erreichen und die Standardabweichung zu minimieren, müssen wir folgende Kontrollfaktoren einstellen. Einige Werte weichen leicht ab, daher passe ich sie auf 12.000 an. Diesen Wert ändere ich beispielsweise auf 550. Es handelt sich um Werte, die in unser Gerät eingegeben werden können.
Um das Ganze noch etwas zu verfeinern, füge ich der Vorhersagbarkeit gerne etwas Rauschen hinzu. Man kann einen Simulator verwenden und etwas zufälliges Rauschen einstreuen. Die Zufälligkeit dieses Rauschens wird aus der Quadratwurzel abgeleitet, die Sie hier sehen. Der mittlere quadratische Fehler beträgt 303 für die Dicke und etwa 21 für die Standardabweichung. Genau das wird verwendet, um das Rauschen im System zu erzeugen.
Für unsere Steuerung, insbesondere für die Lautstärke, gilt: Die Lautstärke variiert in der realen Fertigungspraxis. Wir werden nie eine absolut konstante Lautstärke erreichen. Es gibt Störfaktoren, die diese beeinflussen. Ich werde hier ein wenig zufälliges Rauschen in den Eingangsparameter einbauen. Ansonsten sind die Drehzahlen und Zeiten für diese Datenpunkte ziemlich konstant und fest, daher kann ich sie beibehalten.
Wenn Sie hier auf „Simulieren“ klicken, erzeugen Sie im Wesentlichen eine Fähigkeitsvariabilität und ein besseres Verständnis dafür, wo sich dieses Rauschen und diese Variabilität auf Ihre Gleichung auswirken. Das Tolle daran ist, dass Sie einfach herumexperimentieren und diese Werte anpassen können. Angenommen, ich möchte diesen Wert auf acht ändern und sehen, wie sich das auf die Ergebnisse auswirkt und wie sich das auf unser Ziel auswirkt. Dann können Sie auch... Ändern wir diesen Wert wieder auf 10,5. Sie sehen, wie sich der Schnappeffekt, die sehr hohe Geschwindigkeit, stark auf unser Ergebnis auswirkt. Wenn Sie diesen Wert anpassen, sehen Sie, wie sich die Dicke verändert, und jetzt liegen wir nicht mehr im Zielbereich.
Wenn Sie beispielsweise eine andere Schichtdicke anstreben, können Sie die Dickeneinstellungen einfach zurücksetzen. Angenommen, 9.000 Nanometer wären optimaler. Diesen Wert können wir anpassen und beibehalten. Anschließend können Sie den Optimierer erneut ausführen, ihn maximieren, und die Einstellungen werden automatisch angepasst. Wir erreichen dann eine Schichtdicke von etwa 9.000 Nanometern.
Ja, ich denke, das war alles, was ich in dieser Präsentation behandeln wollte: die Durchführung eines Versuchsdesigns (DOE), um unsere Prozessfenster und -bereiche zu verstehen und deren Einfluss auf die Ergebnisse zu analysieren. Anschließend können wir anhand dieser Zielwerte einen Sollwert festlegen. Mit diesem Anpassungsmodell erstellen wir dann unsere Gleichung. Während wir weiterhin Wafer herstellen, können wir diese Datenpunkte in die Tabelle einfügen und das Anpassungsmodell aktualisieren. Dadurch erhalten wir eine immer stärkere Korrelation für unser Vorhersageprofil. Damit ist meine Präsentation abgeschlossen.
