臺灣博碩士論文加值系統

PECVD在半導體及TFT-LCD製程中，為一極重要的成膜技術，其中電漿乃為最重要的關鍵之一，由於PECVD製程中含有許多無法預測的變數，當電漿受異常狀況(壓力異常、射頻供應器異常、製程氣體供輸異常、成膜環境異常等)影響時，輕者可能造成設備當機，重者可能致使產品的損失及設備稼動率的下降。因此，為了探討此種非穩定製程下的異常變數，針對設備參數的實際訊號進行偵測診斷與分類的模擬分析，再藉由模擬分析的結果診斷出故障種類。
小波理論之小波轉換具對時-頻區域化訊號進行分析的優點，可滿足對PECVD這種隨時間改變的訊號進行波形拆解分析，本論文擷取TFT-LCD中PECVD的實際反射功率訊號進行分析，利用小波近似與細節對原始波形拆解後，透過訊息理論中的失真率計算方法去產生正常反射功率訊號與故障反射功率訊號的波形特徵值，之後，再結合競爭式類神經網路的競爭式學習法去推論不同訊號的集群分類後來達到故障診斷的機制。
在此，除了利用小波理論對波形進行分析外，另外，尚針對反射功率訊號在取樣前後的差分值計算來檢測反射功率訊號在連續時間上的變化差異，並以此差異的加總之總變化率透過競爭式類神經網路進行故障的分類。由結果的比較得知，本論文在電磁閥故障及射頻供應器的故障診斷上可產生較準確的診斷結果。

The plasma-enhanced chemical vapor deposition (PECVD) process is always an important technology for the thin-film deposition in the semiconductor and TFT-LCD fabrications. Plasma, in PECVD, is a key parameter for the success of deposition. In case the plasma is subject to any abnormal influences such as deviant pressure, faulty RF generator, unstable gas supply, or abnormal deposition environment, it may lead to equipment breakdown and cost loss. Certainly, the overall equipment effectiveness (OEE) reduces. Therefore, this thesis presents a systematic approach of fault diagnosis for PECVD process.
Wavelet transform can give a time-frequency localization of the signal for further analysis. In this study, the signals collected from PECVD equipment were decomposed using Daubechies wavelet basis functions. The corresponding wavelet and scaling function coefficients were then obtained. In addition, the feature residuals were calculated by the principle of distortion rate which is commonly used in the information theory. Finally, incorporating with the artificial neural network, different faults can be correctly clustered.
In the mean time, beside to use the formula of Wavelet Transform to execute the waveform analysis, I do also aim to the reflection power signal to measure the differential of variance tolerance by difference method in front and post of sampling time point for the data used to exam the reflection power signal in continuity timing deviation. The squawks or malfunction analysis is using summarize differences total change rate through the CL- ANN (Competitive Learning Artificial Neutral Network) works.
From the conclusion to analysis the squawk or malfunction to solenoid valve and radio frequency power supply, it can get more accuracy in judgment or diagnosis.

目錄
中文摘要 …………………………………………………………………....I
英文摘要 …………………………………………………………………..III
誌謝 ……………………………………………………………………….VI
目錄 ………………………………………………………………………...V
圖目錄 …………………………………………………………………….IX
表目錄 ………………………………………………………………........XII
第一章 緒論 …………………………………………………………...1
1.1 前言 ……………………………………………………….....1
1.2 研究動機和目的 ………………………………………….....2
1.3 文獻回顧 ………………………………………………….....3
1.4 論文組織架構 …………………………………………….....6
第二章 薄膜沉積之化學氣相沉積與設備介紹 ...........................................8
2.1 薄膜沉積 ………………………………………………….....8
2.1.1 物理氣相沉積 ………………………………………......8
2.1.2 化學氣相沉積 …………………………………………11
2.2 CVD設備裝置介紹 ………………………………………………..13
2.2.1 設備本體與傳送介紹 …………………………………13
2.2.2 RF系統 ………………………………………………..15
2.2.3 電磁閥 …………………………………………………..17
2.2.4 成膜腔體 ………………………………………………17
第三章 基礎理論說明 …………………………………………………….22
3.1 故障診斷與分類之流程 …………………………………...22
3.2 傅統訊號分析 ……………………………………………...22
3.2.1 傅立葉轉換 ……………………………………………23
3.2.2 短時傅立葉轉換 ………………………………………24
3.3 小波理論 …………………………………………………...26
3.3.1 小波轉換 ………………………………………………27
3.3.2 多尺度分析 ……………………………………………31
3.3.3 小波包 …………………………………………………33
3.4 訊號特徵建立 ……………………………………………...34
3.5 類神經網路-競爭式學習法 ………………………………………..37
第四章 研究結果討論 …………………………………………………….41
4.1 前言 ………………………………………………………...41
4.2 模擬訊號擷取說明 …………………………………………….42
4.3 模擬分類與結果 …………………………………………45
第五章 結論與展望 ……………………………………………………….58
5.1 結論 ………………………………………………………...58
5.2 未來展望 …………………………………………………...58
參考文獻 ……………………………………………………………..60

圖目錄

圖 2.1 常用之Sputter簡易裝置 ………………………..………10
圖 2.2 常用之集串型濺鍍機 ……………………………..……....10
圖 2.3 TFT-LCD五道光罩示意圖 ………………………………...12
圖 2.4 KAI-800設備Overview ……………………………………14
圖 2.5 CVD-RF系統關係圖 ………..………………………..........15
圖 2.6 RF內部細項圖 ………………………………………..........16
圖 2.7 KAI-800電磁閥 ……………...………………………….....17
圖 2.8 Reactor示意圖 ……………...………………………….......18
圖 2.9 Ribbon連接示意圖 …………………………………….......18
圖 2.10 Floating grid示意圖 ………………………………………19
圖 2.11 Floating grid上下差異圖 …………………………………19
圖 2.12 分散板之間隔Pin ………………………………………...20
圖 2.13 Reactor內之螺絲分怖圖 …………………………………21
圖 3.1 故障偵測與診斷模擬系統流程圖 ………………………..23
圖 3.2 傅立葉轉換示意圖 ……………………………………......24
圖 3.3 STFT之窗口函數示意圖 ………………………………...25
圖 3.4 短時傅立葉轉換示意圖 ……………………………….....26
圖 3.5 小波轉換訊號分解圖 ……………………………….........28
圖 3.6 小波轉換-尺度與時間之訊號 ……………………………..28
圖 3.7 Morlet Wavelet……………………………………………….29
圖 3.8 小波包分解示意圖 …………………………………….....33
圖 3.9 競爭式類神經網路架構 ……………………………….......40
圖 4.1 非穩定動態製程之異常雜訊變化圖 .……………………..42
圖 4.2 GI製程Reflection Power變化圖 …………………………43
圖 4.3 SE製程Reflection Power變化圖 ………………………...44
圖 4.4 CH製程Reflection Power變化圖 ………………………..44
圖 4.5 Normal Data之原始波形(Training Data) ………………...46
圖 4.6 Normal Data-細節(Training Data) ………………..............47
圖 4.7 Normal Data-近似(Training Data) ………………..............47
圖 4.8 Generator故障之原使波形(Testing Data) …………………49
圖 4.9 Generator故障-細節(Testing data) ………………...............49
圖 4.10 Generator故障-近似(Testing data) ……………….............50
圖 4.11 Solenoid故障之原始波形(Testing Data) ………………....51
圖 4.12 Solenoid故障-細節(Testing Data) ………………..............51
圖 4.13 Solenoid故障-近似(Testing Data) ………………..............52
圖 4.14 各類型故障之群聚現象 ……………….............................53
圖 4.15 故障分類結果 ……………….............................................53
圖4.16 故障分類結果-差分法未取絕對值 ….................................55
圖4.17 故障分類結果-差分法取絕對值 ….....................................56

表目錄

表 2.1 CVD壓力與特性表 ..………………...………………….....11
表 2.2 設備各部名稱 …………………………………………...........14
表 4.1 三大故障與Reflection Power變化表 ……………………..45
表 4.2 三種特徵值產生方法之分類準確度 ……………………57

參考文獻

[1] 顧鴻壽, “光電液晶平面顯示器-技術基礎及應用” ，新文京開發出版股份有限公司.2004.
[2] Kim.B and May.G.S , “Real-time diagnosis of semiconductor manufacturing equipment using a hybrid neural network expert system,” IEEE Trans. Comp. Pack. Manufact. Technol., v 20, n 1, p 39-47, Jan, 1997.
[3] Lambrou, T. ; Kudumakis, P. ; Speller, R. ; Sandler, M. ; Linney, A. ,“ Classification of Audio Signals Using Statistical Features on Time And Wavelet Transform Domains, ” ICASSP, IEEE International Conference on Acoustics, Speech and Signal Processing - Proceedings, v 6, p 3621-3624, 1998
[4] Goumas, Stefanos K. ; Zervakis, Michael E. ; Stavrakakis, G. S. , “ Classification of Washing Machines Vibration Signals Using
Discrete Wavelet Analysis for Feature Extration, ” IEEE Transactions on Instrumentation and Measurement, v 51, n 3, June, p 497-508, 2002
[5] Oohama, Yasutada. , “ Rate-Distortion Theory for Gaussian Multiterminal Source Coding Systems With Several Side Information at the Decoder , ” IEEE Transactions on Information Theory, v 51, n 7, p 2577-2593, July, 2005
[6] Zhang, Jian. ; Yu, Sheng-Sheng. ; Zheng, Xin-Wei. ,“ The Computation Model of Code Error Distortion Based on the Rate-Distortion Theory, ” ICESS 2005 - Second International Conference on Embedded Software and Systems, p 595-598, 2005
[7] 飛思科技產品研發中心, “小波分析理論與MATLAB 7實現＂，電子工業出版社.2005.
[8] 中華映像管, “CVD製程介紹”.
[9] 中華映像管, “PVD設備介紹”.
[10] 中華映像管, “CVD設備介紹”.
[11] UNAXIS, “KAI-800 PECVD System Instructions,”.
[12] 陳源杰, “應用小波理論於薄膜製程之射頻功率故障偵測＂，中原大學碩士論文，2004.
[13] 林昆達, “小波理論與類神經網路在橋樑非破壞檢測之應用＂，中原大學碩士論文，2003.
[14] 王瀚德, “小波理論與類神經網路應用於潮汐預測與補遺＂，國立中山大學碩士論文，2002.
[15] 單維彰, “凌波初步”，全華科技圖書股份有限公司，2000.
[16] M. Rao.R. and S. B.A. ,“Wavelet transforms: introduction to theory an application,” Addison-Wesley, 1998.
[17] Daubechies, “Wavelets do wavelets come from—A personal point of view, ”Proc.IEEE,1996.84(5):510~513.
[18] 黃俊穎, “應用小波理論於化學氣相沉積設備之故障偵測與分類”，中原大學碩士論文，2006.
[19] 魏明果, “應用小波分析”，北京理工大學出版社.2005.
[20] C.E.S. , and W. Weaver, (1949), “Mathematical Theory of Communication,” University of Illinois Press, IL.
[21] L.C.T and L.G.C.S, “NEURAL FUZZY SYSTEMS,” Pearson Education Taiwan Ltd , p304-307 , 1996.
[22] 陳威志, “燃料電池參數設計知識庫之發展”，華樊大學碩士論文，2004.