應用類神經網路與SECS以建構化學研磨參數預測模型

  • 熊 大綱

學生論文: Master's Thesis

摘要

化學機械研磨CMP (Chemical Mechanical Polishing) 成為近年來半導體製造之平坦化製程中的重要步驟,研磨設備對於研磨精密程度與研磨參數的精準控制也日益關鍵。在晶圓平坦化研磨製程中,晶圓研磨厚度受?多研磨參數的影響,包括研磨軸轉速、研磨墊轉速、研磨頭下壓力與研磨液流速四個因子。故本研究設計一預測模型,以類神經網路為方法來探討晶圓研磨厚度與各參數間的影響關係,以獲得CMP機台最佳化的研磨加工參數。 本研究透過半導體通訊協定 (Semiconductor Equipment Communication Standard SECS)實際蒐集CMP機台研磨製程參數,採用倒傳遞網路(Back Propagation Network BPN)來建置研磨參數預測模型,接著透過 MATLAB R2015b建構預測模型,搭配訓練資料與此模型模擬之均方誤差 (Mean Square Error MSE) 的結果作較佳化的調整,進而取得最適參數值。 透過本研究之CMP參數預測模型可以獲得研磨厚度參數精準值,其主要貢獻為: 1 與原始研磨數據相比,研磨厚度平均誤差從 4 41% 縮小為 2 48%。 2 有效降低機台耗損與保養頻率,每年節省新台幣 540 萬元研磨耗材購買。 3 每月平均降低 40 小時機台保養時間並提升 1 5% CMP 研磨機台產能。
獎項日期2016 九月 5
原文Chinese
監督員Jrjung Lyu (Supervisor)

引用此

應用類神經網路與SECS以建構化學研磨參數預測模型
大綱, 熊. (Author). 2016 九月 5

學生論文: Master's Thesis