應用類神經綱路於半導體氧化製程最佳化之研究

陳文欽 ； 蔡志弘 ； 劉康勇

《品質月刊》 41卷6期 (2005/06) Pp. 70-76

https://doi.org/10.29999/QM.200506.0014

摘要

在半導體廠的環境中，監控系統的發展，已經達到很完善的程度，機台設備的製程資料和品質特性蒐集已經具有相當完整歷史資料了。但由於人員流動率高和產品製程具有高變異特性，導致製程參數和產品品質之控制無法像過去一般，長期依賴工程師的直覺與經驗。本研究利用類神經網路優越的逼近能力、主成份分析法的參數壓縮特性和田口實驗計畫法的參數設計建立一套製程參數的分析方法應用於半導體中的氧化製程，本研究建立了四種模式，包含倒傳遞神經網路(Back-propagation Neural Network, BPNN)、主成份倒傳遞神經網路(Principal component Analysis BPNN, PCABPNN)、徑向基神經網路(Radial Basis Function Network, RBFN)和主成份徑向基神經網路(Principal Component Analysis RBFN, PCARBFN)。實驗的結果顯示出各模式在不同的績效準則皆有優劣，由於RBFN模式具有預測誤差小、訓練學習和回想速度快的優勢，因此符合半導體業界的需求，因此本研究建議使用RBFN模式做為製程最佳化之模式。

關鍵字

倒傳遞神經網路 ； 徑向基神經網路 ； 主成份分析 ； 田口實驗計畫法 ； 製程最佳化

參考文獻

陳文欽、何宗軒()。

陳文欽、許壽文、劉康勇()。

楊景程(2001)。射出成型機最佳參數之預測(碩士論文)。台灣科技大學纖維及高分子工程系。

Bhatikar, R.,Mahajan, L.(2002).Artificial Neural-Network-Based Diagnosis of CVD Barrel Reactor.IEEE Transactions on semiconductor.15,71-78.

Ojala, P.,Saarinen, J.,Elo, P.,Kaski, K.(1995).Novel technology independent neural network approach on device modeling interface, Circuits, Devices and Systems.IEE Proceedings.142(1),74-82.