hdp cvd原理的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列地圖、推薦、景點和餐廳等資訊懶人包

半導體化學氣相沉積膜厚之預測使用神經網路

為了解決hdp cvd原理的問題，作者楊順惟 這樣論述：

化學氣相沉積(Chemical Vapor Deposition, CVD)被廣泛的應用在半導體製程中，最主要的功用可作為蝕刻製程的阻擋層、蝕刻製程或化學機械研磨的停止層、元件隔絕或絕緣所需的絕緣層。而化學氣相沉積則是依據製程配方裡的製程參數沉積出所需的薄膜厚度。而薄膜厚度的品質也會影響後續製程的能力與限制，並進一步的影響到產品的變異，導致良率降低。在目前的半導體廠中對於膜厚的監測與控制，多以統計製程管制(Statistical process control, SPC)與工程製程管制(Engineering process control, EPC)作為對於膜厚的監測與控制，在實際上的經驗

是SPC尚需經過人員以其經驗值作為調整製程參數的依據，所以膜厚的品質會依據不同的人員經驗而有不同的結果，而 EPC會因為有製程上的雜訊(如前程製程的變異)或因為本身的演算法而產生過度控制的情形發生，均會導致製程中產品產生變異。 本研究即是以神經網路具有自我學習的功能，並利用倒傳遞神經網路(Back propagation)根據機台製程中的參數來預測膜厚。資料的來源係依據半導體CVD實際生產機台中的製程參數，並依據量測機台所得的結果所取得。機台中會影響產品變異的製程參數包括不同種類的氣體流量、液體流量、製程壓力、製程溫度以及製程間距等，利用田

口式品質工程實驗法建立化學氣相沉積機制的模型來研究並找出對於膜厚品質較具影響的製程參數作為倒傳遞神經網路的輸入，並以其輸出作為膜厚的預測結果，提供給工程人員作為調機的依據，並可藉此判斷產品是否產生變異。 本研究之目的如下：一、節省有經驗之工作人員的調機時間，可將時間致力於其它研究課題上。二、節省無經驗之工作人員的錯誤學習法。三、減少錯誤調機機率，提升良率。四、減少機台停頓時間，提升產量。五、當產品產生變異時可及時管制產品並及時停機減少損失。 本研究之結果如下：一、利用田口式品質工程實驗法，找出對於膜厚品質較具影響的製程參數作為倒傳遞類神經網路的輸入。二、製程參數對膜厚的影響程度。三、建立一類神

經網路模型得到較佳的膜厚預測結果。