• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Sensors (Basel Switzerland) >Dimension Reduction of Multivariable Optical Emission Spectrometer Datasets for Industrial Plasma Processes
【2h】

Dimension Reduction of Multivariable Optical Emission Spectrometer Datasets for Industrial Plasma Processes

机译：工业等离子工艺的多变量发射光谱仪数据集的降维

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A new data dimension-reduction method, called Internal Information Redundancy Reduction (IIRR), is proposed for application to Optical Emission Spectroscopy (OES) datasets obtained from industrial plasma processes. For example in a semiconductor manufacturing environment, real-time spectral emission data is potentially very useful for inferring information about critical process parameters such as wafer etch rates, however, the relationship between the spectral sensor data gathered over the duration of an etching process step and the target process output parameters is complex. OES sensor data has high dimensionality (fine wavelength resolution is required in spectral emission measurements in order to capture data on all chemical species involved in plasma reactions) and full spectrum samples are taken at frequent time points, so that dynamic process changes can be captured. To maximise the utility of the gathered dataset, it is essential that information redundancy is minimised, but with the important requirement that the resulting reduced dataset remains in a form that is amenable to direct interpretation of the physical process. To meet this requirement and to achieve a high reduction in dimension with little information loss, the IIRR method proposed in this paper operates directly in the original variable space, identifying peak wavelength emissions and the correlative relationships between them. A new statistic, Mean Determination Ratio (MDR), is proposed to quantify the information loss after dimension reduction and the effectiveness of IIRR is demonstrated using an actual semiconductor manufacturing dataset. As an example of the application of IIRR in process monitoring/control, we also show how etch rates can be accurately predicted from IIRR dimension-reduced spectral data.
机译：提出了一种新的数据降维方法，称为内部信息冗余减少（IIRR），该方法可应用于从工业等离子体工艺中获得的光发射光谱（OES）数据集。例如，在半导体制造环境中，实时光谱发射数据对于推断有关关键工艺参数（例如晶片蚀刻速率）的信息可能非常有用，但是，在蚀刻过程步骤的持续时间内收集的光谱传感器数据与目标过程的输出参数很复杂。 OES传感器数据具有高维度（光谱发射测量中需要精细的波长分辨率，以便捕获涉及等离子体反应的所有化学物种的数据），并且在频繁的时间点采集全光谱样本，以便可以捕获动态过程变化。为了最大程度地利用收集到的数据集，必须使信息冗余最小化，但是重要的要求是，减少后的数据集必须保持可直接解释物理过程的形式。为了满足此要求并在不造成信息损失的情况下实现尺寸的高度减小，本文提出的IIRR方法直接在原始可变空间中运行，识别出峰值波长发射及其之间的相关关系。提出了一种新的统计数据，均值确定比率（MDR），以量化尺寸减小后的信息损失，并使用实际的半导体制造数据集证明了IIRR的有效性。作为IIRR在过程监视/控制中的应用示例，我们还展示了如何从IIRR尺寸减小的光谱数据中准确预测蚀刻速率。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号