OES-Datenerfassung in reaktiven HPPMS-Prozessen und Datenanalyse mittels künstlicher neuronaler Netze

Physical Vapour Deposition (PVD)-Prozesse finden sich in einer Vielzahl von modernen Fertigungsketten wieder. Dabei tragen sie durch den Schutz des Grundwerkstoffes zur Verlängerung der Lebensdauer von Bauteilen oder der Produktivitätssteigerung von Werkzeugen bei. Ein häufig genutztes Verfahren zur Abscheidung solcher Beschichtungen ist das Magnetronsputtern, innerhalb dessen neben dem Magnetronsputtern mit Gleichstrom (dcMS) das High Power Pulse Magnetronsputtern (HPPMS)-Verfahren zunehmend an Bedeutung gewonnen hat. Für dcMS/HPPMS-Prozesse existiert, gemäß dem aktuellen Stand der Forschung und Technik, keine Prozessüberwachung für Batchprozesse. Zur Überwachung der Prozesse eignet sich vor allem das Plasma, da dieses die zur Schichtbildung notwendigen Teilchen transportiert. Ziel dieser Arbeit ist es, eine Prozessüberwachung auf Basis der optischen Emissionsspektroskopie (OES) zu entwickeln. Zunächst werden grundlegende Zusammenhänge zwischen der chemischen Zusammensetzung des Beschichtungsplasmas und der resultierenden Schichtchemie untersucht. Im Anschluss erfolgt die Prüfung der Übertragbarkeit der Erkenntnisse auf Prozesse unter industriellen Bedingungen. Dazu zählen eine Tischrotation sowie eine aktivierte Heizung. Hierbei wird insbesondere auch untersucht, ob und durch welche OES-Intensitätsverhältnisse Rückschlüsse auf die Prozessstabilität gezogen werden können. Abschließend werden Potenziale künstlicher neuronaler Netzwerke (KNN) zur Prozessauslegung sowie zur Prozessüberwachung aufgezeigt. Hierzu findet auf Basis von Anlagendaten einer industriellen dcMS/HPPMS-Batchanlage eine Prognose von Schicht- sowie Plasmaeigenschaften statt. Diese Prognosen werden auf Basis von Versuchen validiert.