(3.236.222.124) 您好!臺灣時間:2021/05/08 06:36
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:邱瑞隆
研究生(外文):David Chiu
論文名稱:應用類神經網路理論於化學氣相沉積設備之故障偵測與分類
論文名稱(外文):Fault Detection and Classification of PECVD Equipment Using Neural Network
指導教授:張永鵬張永鵬引用關係
學位類別:碩士
校院名稱:中原大學
系所名稱:機械工程研究所
學門:工程學門
學類:機械工程學類
論文種類:學術論文
論文出版年:2009
畢業學年度:97
語文別:中文
論文頁數:66
中文關鍵詞:類神經網路化學氣相沉積故障偵測
外文關鍵詞:Artificial Neural NetworkChemical Vapor DepositionFault Detection
相關次數:
  • 被引用被引用:1
  • 點閱點閱:339
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
現今,再TFT產業的發展中,薄膜製程為其極為重要的角色,其中變態化學氣相沉積製程為非金屬薄膜製程中舉足輕重的製程。化學氣相沉積的運用已有經數年的發展,而在TFT面板產業已逐漸變成主要的方式呈現,業界篩選出最有優勢的製作方式的製程。面對現今大尺寸面板的時代來臨,針對設備與TFT-LCD製程面都需要更為講究效益,因此降低機台故障率與提升製程良率為目前TFT業界的終極目標。本篇論文研究以類神經網路的理論為基礎以歐基里德原理為輔,偵測PECVD的設備上產生電漿的射頻供應系統的故障和PECVD設備的故障,並將故障種類做分類。因為目前機台雖會針對射頻供應系統的故障做感測,但發生故障的原因仍需現場的技術人員仔細的尋找,才能發掘真因。為此,本篇研究出如何在機台故障時偵測真正的故障位置,以縮短復機時間,提昇公司機台的嫁動率。
本研究利用PECVD的機台所得到的數據運用類神經網路訓練模擬機台正常模式並結合真實異常的資料,交互比對並訂定實際故障波型。利用SOFM原理與歐基里德原理仔細釐清確實的故障因子,來判別模糊區域的故障現象。可以確實彌補目前機台故障偵測的能力不足與強化預警的效果,不僅可以減少故障時判斷的時間增加嫁動率,也可以協助判斷製程不良導致的產品不良。
Currently, the thin film processes are the major process in the TFT industry. Among all the thin film processes, the chemical vapor deposition process, or CVD, is especially important for processing nonmetallic thin films. Although, over the years, different CVDs are developed and adopted in the manufacturing processes, a common and more advantageous CVD has emerged for the TFT panel display production process. As the large-size panel display becomes the mainstream product, manufacturers need to be particularly benefit and cost-conscious about the TFT-LCD manufacturing processes and equipments. Therefore, lowering the equipment faculty ratio and improving the product non-defect ratio become the urgent goals for all TFT-LCD manufacturers.
This study adopts the Artificial Neural Network theory, coupled with the Euclid principle, to detect possible faults for the PECVD equipments and their plasma RF supply subsystems. These commonly reported faults are then categorized. Although the PECVD equipments have a built-in fault detection mechanism for detecting the RF supply subsystem, the fault isolation process for root cause is still largely carried out by skilled on-site technicians. To improve the fault isolation process, this study adopts the regional analysis approach to correctly point out the equipment faulty location, reduce the equipment down time, and improve equipment utilization rate.
The proposed regional analysis approach first uses an Neural Network model to gather normal operational data and abnormal data of a PECVD equipment, and then compares and contrasts both data sets to generate practical faulty waveforms. This is achieved by using SOFM and Euclid principles to clarify the faulty factors and isolate fuzzy regions, which is a distinguished advantage of the regional analysis approach.
This approach can complement the equipment delectability and strengthen the warning function for a PECVD equipment. With this approach, the equipment down time can be significantly shortened and equipment utilization rate improved, and most importantly, the product defect rate, caused by inaccurate judgments for problem identification in the production process, can be drastically lowered.
中文摘要 …………………………………………………………………I
英文摘要 …………………………………………………………………II
誌謝 ………………………………………………………………………IV
目錄 ………………………………………………………………………V
圖目錄 ……………………………………………………………………VII
表目錄 ……………………………………………………………………VIII
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…………………………………………………………9
1.4 論文組織架構……………………………………………………10
第二章 薄膜沉積之化學氣相沉積與設備介紹…………………………12
2.1 化學氣相沉積 …………………………………………………13
2.2 化學氣相沉積設備介紹………………………………………14
2.3 化學氣相沉積製程介紹………………………………………14
2.4 何謂PECVD電漿………………………………………………15
2.4.1電漿放電形式………………………………………………16
2.4.2電漿環境……………………………………………………19
2.4.3電漿蝕刻……………………………………………………21
2.4.4濺鍍系統………………………………………………… 22
2.4.5電漿化學氣相沈積鍍膜……………………………………23
2.5 射頻供應器與匹配器介紹 ……………………………………24
2.6 成膜室介紹…………………………………………………26
2.7 電磁閥介紹…………………………………………………27
第三章 基礎理論……………………………………………………29
  3.1類神經網路簡介………………………………………………30
3.2類神經網路類型………………………………………………34
3.2.1監督式學習 …………………………………………34
3.2.2非監督式學習………………………………………35
3.3自組織特徵映射圖網路(SOFM)介紹………………………………35
3.3.1 SOFM類神經網路架構…………………………………………36
3.3.2 SOFM 演算法…………………………………………………38
3.4歐基里德距離介……………………………………………………39
3.5 綜合運用分析……………………………………………………40

第四章 系統訓練與分析與分析………………………………………41
4.1 系統訓練與製程參數…………………………………………41
4.2 類神經系統配製成條件與步驟設定……………………………41
4.3 系統分類與驗證………………………………………………42
4.4 結果與討論…………………………………………………………52
4.5 實際測試結果……………………………………………………53
第五章 結論與展望…………………………………………………………55
5.1 結論…………………………………………………………………55
5.2 未來展望………………………………………………………55
參考文獻……………………………………………………………………57



圖目錄
圖 1.1 TFT 中PECVD的三層……………………………………..……2
圖 1.2 TFT 各製程層次圖……………………………………………3
圖 1.3 TFT電極形與流向成圖……………………………………………3
圖 1.4 液晶驅動原理………………………………………………………4
圖 1.5 液晶驅動電路圖…………………………………………………4
圖 1.6 GS-short 發生原因………………………………………..…5
圖 1.7 PECVD因RF不良造成問……………………………………5
圖 1.8 反應室異常圖形……………………………………………..……7
圖 1.9 射頻供應器異常圖形….…………………………….……..7
圖 1.10 匹配器異常圖形……………………………...………………….8
圖 1.11 電磁閥異常圖形 …………………………...………………….9
圖 2.1 化學氣相沉積反應步驟………………………….….……..13
圖 2.2 KAI-800 各部Chamber介紹…………….…………………….14
圖 2.3 電漿反應實際圖……………………………………………… 16
圖 2.4 電漿產生階段…………………………………………………18
圖 2.5 電漿環境………………………………………………………20
圖 2.6 RF作動流程圖………..……….……….………………… 25
圖 2.7 射頻供應器與匹配器介紹………….……..………………25
圖 2.8 反應室製程反應………………………………………………27
圖 2.9 反應室內部組裝結構………………………………………27
圖 2.10 電磁閥的示意圖……………………………………………28
圖 3.1 類神經系統資料訓練與判斷系統流………………………29
圖 3.2 人類神經構造介紹…………………………………………31
圖 3.3 類神經函數介紹………………………………………………32
圖 3.4 神經網路各層…………………………………………………33
圖 3.5 監督式與非間督式學習法比較 ……………………………35
圖 3.6 自組織特徵映射圖網路……………………………………….36
圖 3.7 SOFM網路架構………………………………………………37
圖 3.8 SOFM拓樸層………………………………………………37
圖 3.9 SOFM神經元間的鄰近關…………………………………38
圖 3.10 歐基里德換算示意圖…………………………………….39
圖 3.11 系統運作流程……………………………………………….40
圖 4.1 各段製程波段介紹………………………………………….42
圖 4.2 健康橢圓落點區域介……………………………………….43
圖 4.3 射頻供應器異常資料輸入後統……………………………44
圖 4.4 射頻供應器異常時製程異常圖……………………………45
圖 4.5 匹配器異常資料輸入後統計………………………………46
圖 4.6 匹配器異常時製程異常圖形………………………………47
圖 4.7 反應室異常資料輸入後統計……………………………… 48
圖 4.8 反應室異常時製程異常圖形…………………………………49
圖 4.9 電磁閥異常資料輸入後統計……………………………… 50
圖 4.10 電磁閥異常時製程異常圖形……………………………………51
圖 4.11 各異常群聚集中區域……………………………………… 52
圖 4.12 程式判斷準確率…………………………………………………54
圖 4.13 RF Issue 改善狀況……………………………………………54

表目錄
表 2.1 PECVD製程特殊氣體一覽表…………………………………..….12
表 2.2 Thermal CVD & PECVD 電漿比較………………………………18
表 2.3 Thermal CVD & PECVD比較………………………………………24
表 3.1 類神經網路原理演進…………………….…………………….…30
表 4.1 射頻供應器異常資料於健康橢圓座標資…………………………..45
表 4.2 匹配器異常資料於健康橢圓座標資…………….………………..47
表 4.3 反應室異常資料於健康橢圓座標資料…………………………..49
表 4.4 電磁閥異常資料於健康橢圓座標資料……………………………..51
表 4.5 異常群聚區域位置資料(1) …………………………………… 53
表 4.6 異常群聚區域位置資料(2) …………………………………… 53
表 4.7 各異常群聚區域位置資料(3) ……………………………………53
[1] D.O , Hebb., “Organization of Behavior,” Wiley, New York ,1949.
[2] B. Kim, “Radio frequency transient match monitoring using a fast Fourier Transform for plasma diagnosis,” J. Vac. Sci. Technol. A, v19, n 2, pp 700-702, March/April, 2001.
[3] B. Kim and C. Lee. “Monitoring plasma impedance match characteristics in a multiple inductively coupled plasma process control,” J Vac. Sci. Technol. A, v 18, n 1, pp 58-62, Jan, 2000.
[4] 莊達人,“VLSI 製造技術",高立圖書,2002。
[5] 洪昭南, 電漿反應器, 化工技術, 1995 。
[6] 洪昭南, 郭有斌, 以化學氣相沉積法成長半導體薄膜, 化工技術, 2000。
[7] UNAXIS KAI-800 PECVD System Instructions.
[8] 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。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔