Applied Data Science: Weiterentwicklung einer modellbasierten Prozesssteuerung in der
Halbleiter-Produktion im Bereich chemisch-mechanisches Polieren.
Unternehmen
Als einer der führenden Waferhersteller ist Siltronic global ausgerichtet und unterhält Produktionsstätten in Asien, Europa und den USA. Siliziumwafer sind die Grundlage der modernen Halbleiterindustrie und die Basis für Chips in allen Anwendungsbereichen der Elektronik – von Computern über Smartphones bis hin zu Elektroautos und Windkraftanlagen.
International und kundennah setzt das Unternehmen konsequent auf Qualität, Präzision, Innovation und Wachstum. Die Siltronic AG beschäftigt rund 3.900 Mitarbeiter in 10 Ländern und ist seit 2015 im Prime Standard der Deutschen Börse gelistet. Die Aktien der Siltronic AG sind in den beiden Börsenindices SDAX und TecDAX vertreten. Ausgangssituation
Um die aus den stets kleiner werdenden Strukturgrößen moderner Prozessoren resultierenden
Anforderungen an die Wafer-Geometrie zu erfüllen, stellt die Siltronic 300mm- Siliziumwafer
mit Dickenvariationen auf der Nanometer-Skala her.
Ein wesentlicher Schlüsselprozess hierzu
ist das chemisch-mechanische Polieren (CMP). Hier werden anhand einer Wafer-Vormessung
und der Kenntnis des momentanen CMP-Anlagenverhaltens für jeden einzelnen Wafer
Prozessparameter berechnet und verwendet, die eine optimale Geometrie des Wafers nach
dem CMP-Prozess zum Ziel haben. Während diese automatisierte Steuerung bislang einen
Schwerpunkt auf die Optimierung der Bereiche nahe des Wafer-Randes setzte, soll nun auch
die Steuerung der globalen Geometrie über den gesamten Wafer weiter verfeinert werden.
Problemstellung
Im Rahmen des studentischen Projektes sollen Algorithmen untersucht und entwickelt werden, die es einerseits erlauben, das Polierprofil des CMP-Prozesses aus den verwendeten CMP-Prozessparametern vorherzusagen und andererseits bei Vorgabe eines Ziel-Polierprofiles die hierfür erforderlichen Prozessparameter zu berechnen. Hierbei müssen sowohl komplexe Wechselwirkungen zwischen den Prozessgrößen/Wafer-Eigenschaften als auch Abnutzungs-
/Verbrauchs-Effekte an den Anlagen berücksichtigt werden.
Zur Entwicklung der Modelle stehen Daten aus der Produktion und Daten aus gezielten Versuchsreihen zur Verfügung.
Lösungsansatz
Phase 1: Einarbeitung in die Anlagen und Prozesse des CMP-Bereichs, Betreuung im
Fachbereich CMP. Kennenlernen der System- und Datenlandschaft sowie der verwendbaren
Software zur Modellierung. Betreuung in Team Process Control / Data Science.
Phase 2: Kennenlernen und Review des bereits bestehenden Steuerungsszenarios.
Phase 3: Sichtung und Verständnis der zur Verfügung stehenden Daten.
Phase 4: Entwicklung von prädiktiven Modellen aus den Daten der Versuchsreihen,
Entwicklung eines invertierten Modells zur Verwendung in der Prozesssteuerung.
Phase 5: Ggf. Umsetzung in der Automatisierungs-Umgebung zusammen mit den Experten
und Begleitung erster Pilot-Tests.
Standort
Durchführung und Betreuung vor Ort am Siltronic Entwicklungsstandort Burghausen.
In der Arbeit sollen die Belange aller 300mm-Standorte berücksichtigt werden.
Die Arbeit in virtuellen Teams über die Standorte hinweg ist gängige Praxis der Siltronic.
Besondere Anforderungen
Interesse an technischen und technologischen Aspekten im Umfeld der
Halbleiterindustrie
Erfahrung in chemischer (Spuren-)Analytik – ideale Teamgröße (1 –) 2Kenntnisse im Umgang mit Datenbanken, Datenanalyse, Statistik