第五章 實驗建構與結果分析
第三節 確認實驗
圖 43 曝光能量與顯影速度對於均勻性趨勢分佈圖
表 22
參數搜尋值與參數設定值 烤箱溫度
(℃)
烤箱時間 (min)
滾輪溫度 (℃)
曝光能量 (mJ/cm2)
顯影速度 (m/min) 田口方法
最佳化參 數
100 17.5 95 100 0.6 機台設定
參數 100 18 95 100 0.6
烤箱溫度 (℃)
烤箱時間 (min)
滾輪溫度 (℃)
曝光能量 (mJ/cm2)
顯影速度 (m/min) 第一階段
最佳化參 數
95.974 10.131 94.823 119.639 0.488 機台設定
參數 96 10 95 120 0.49
烤箱溫度 (℃)
烤箱時間 (min)
滾輪溫度 (℃)
曝光能量 (mJ/cm2)
顯影速度 (m/min) 第二階段
最佳化參 數
95.7218 10.5 103.8858 82.2233 0.4042 機台設定
參數 96 11 104 82 0.4
以表22中三個階段之最佳化方法所找出之機台設定參數，各進行微影實驗製程30 次，並量測其直徑及均勻性，如表23所示。並依照三組最佳化參數所得之直徑與均勻 性繪製出折線圖作比較，如圖44及圖45所示：
表 23
最佳化參數30筆之測量值
田口方法最佳參數 第一階段最佳化 第二階段最佳化
RUN 直徑 均勻性 RUN 直徑 均勻性 RUN 直徑 均勻性
1 38.13 10.10 1 42.16 9.38 1 44.58 4.23 2 38.73 12.58 2 41.92 8.06 2 44.56 3.82 3 37.13 9.97 3 41.71 9.67 3 45.23 3.85 4 38.65 10.25 4 41.91 9.30 4 45.02 4.27 5 37.35 9.92 5 42.75 9.66 5 44.77 4.28 6 38.69 12.43 6 42.75 8.26 6 44.35 4.23 7 38.48 12.19 7 41.82 8.04 7 44.74 3.85 8 37.96 10.26 8 42.53 9.31 8 44.55 3.88 9 38.65 12.42 9 42.76 7.55 9 44.83 3.98 10 37.70 10.28 10 42.36 7.86 10 44.53 4.06 11 38.65 10.08 11 42.54 7.92 11 44.28 4.26 12 37.35 12.49 12 42.29 9.53 12 44.75 3.84 13 38.69 9.99 13 42.65 8.03 13 44.64 3.89 14 38.76 10.10 14 41.78 7.46 14 44.91 3.82 15 38.71 12.59 15 42.84 9.24 15 45.25 3.98 16 38.34 12.17 16 42.88 9.28 16 44.40 4.26 17 37.55 10.03 17 42.94 9.28 17 44.72 4.11 18 37.13 12.41 18 41.95 8.32 18 44.57 3.88 19 38.15 10.34 19 42.27 9.29 19 45.17 4.02 20 37.65 9.92 20 42.50 7.87 20 44.77 4.08 21 38.55 10.29 21 42.56 9.24 21 44.50 3.92 22 38.68 9.86 22 42.87 7.92 22 44.33 4.14 23 37.16 12.45 23 42.60 8.06 23 44.29 3.79 24 37.13 12.12 24 41.98 7.45 24 45.06 3.89 25 38.15 12.58 25 42.55 8.09 25 44.94 4.27 26 37.65 10.01 26 42.38 9.99 26 45.10 4.34 27 38.69 10.03 27 42.57 7.83 27 44.95 3.95 28 38.76 10.09 28 42.01 9.40 28 44.35 4.15 29 38.71 12.16 29 43.20 9.61 29 44.43 3.85 30 38.34 12.43 30 42.21 9.82 30 44.54 4.05 平均值 38.14 11.08 平均值 42.42 8.69 平均值 44.70 4.03 標準差 0.60 1.17 標準差 0.40 0.82 標準差 0.29 0.17
圖 44 品質特性(直徑)製程參數最佳化方法比較圖
圖 45 品質特性(均勻性)製程參數最佳化方法比較圖
製程能力綜合指標(Cpk)是一個評估製程穩定度重要的指標，在微影製程中設定最 低Cpk值基本門檻為1.5，若Cpk值小於1.5，則無法有較高效益的產出且可能會生產出 許多不良品。因此針對直徑以製程綜合能力指標Cpk值作為分析此三組最佳參數之製 程能力指標。而本研究產品規格是依照業者所給予產品均勻性之水準 4±1做為品質特
1.田口方法最佳參數
Cpk 值= Smaller [(45-38.14)/3*0.6, (38.14-40)/3*0.6]
= Smaller[3.811,1.033]
= 1.033
2.BPNNS/N+GA 第一階段最佳化
Cpk值= Smaller [(45-42.41)/3*0.39, (42.41-40)/3*0.39]
= Smaller[2.213,2.059]
= 2.059
3.BPNNPQ+PSO 第二階段最佳化
Cpk值= Smaller [(45-44.7)/3*0.029, (44.7-40)/3*0.29]
= Smaller[3.448,5.402]
= 3.448
經由實際實驗30次量測及計算後整理出表24及表25。由表24可知，對於品質特性 均勻性而言，經過第二階段最佳化之均勻性明顯優於田口方法，平均均勻性值由11.08 降低至4.03且摽準差也由1.17降至0.17，均勻性值大提升了63.62%。
表 24
最佳化結果分析比較表(均勻性)
翹曲 平均值(μm) 標準差
田口方法最佳參數 11.08 1.17
第一階段最佳化
BPNNS/N+GA 8.69 0.82
第二階段最佳化
BPNNPQ+PSO 4.03 0.17
由表24可知，對於品質特性直徑而言，經過第二階段最佳化之直徑平均值44.7較 田口方法之直徑平均值38.14更逼近目標值且Cpk值也從1.033提升至3.448，標準差從 1.17降至0.17，表示經過兩階段最佳化不僅使直徑更逼近目標值、均勻性也較高，製 程也更為穩定。
表 25
最佳化結果分析比較表(直徑)
直徑 平均值(um) 標準差 Cpk值
田口方法最佳參
數 38.14 0.6 1.033
第一階段最佳化
BPNNS/N+GA 42.42
0.40 2.059 第二階段最佳化
BPNNPQ+PSO 44.70 0.29 3.448
第六章 結論與建議
一、結論
導光板模仁的生產成本會直接影響微影參數設定之決策，尤其生產前之參數設定 往往需要具有大量經驗之現場工程師，根據以往的經驗法則或利用試誤法，尋找可用 之製程參數，不過此種方法浪費過多時間及成本，且尋找到之製程參數也非最佳組 合，不符合經濟效益。由於田口方法之搜尋方式為一個非連續型離散式最佳化，故本 研究針對直徑及均勻性兩種品質特性，使用田口實驗法進行微影實驗，找出最初製程 參數組合，並運用田口實驗數據建構S/N比預測器並結合基因演算法使製程趨於穩 定，之後再建立品質預測器同時結合粒子群演算法，搜尋出第二階段最佳化製成，有 效的找出可同時符合品質特性且穩定之製程最佳參數組合。經過本研究之兩階段最佳 化搜尋得到參數組合進行實際微影製程實驗。結果顯示，兩階段最佳化之參數組合針 對直徑Cpk值3.448較高於田口方法最佳參數Cpk值1.033，針對均勻性標準差也從原本 的1.17降低至0.17整體均勻性標準差提升了63.62%。
二、未來研究方向
在未來研究中為了避免參數範圍設定錯誤或是方向錯誤，可先在實驗前先將光阻 本身特性加以彙整，利用先前實驗並搭配類神經網路進行預測參數趨勢，並運用最佳 化方法，找出更準確之初始值，運用此組初始值設定實際田口微影實驗之範圍，更可 以縮小實際田口實驗之範圍，找出更準確之參數組合。並在最佳參數搜尋時利用本研 究兩階段最佳化之架構，利用第一階段最佳化之S/N比預測器結合基因演算法及第二 階段最佳化之品質預測器結合粒子群演算法，進行多次迭代，找出更能同時符合產品 規格及製程穩定度之製程參數。
參 考 文 獻
李輝煌(2008)。田口方法-品質設計原理與實務。台北市：高立圖書有限公司。
吳復強(2005)。產品穩健設計-田口方法之原理與應用。台北市：全威圖書有限公司。
吳志政(2008)。高彩度組合式背光模組之最佳化效能設計。未出版之碩士論文，私立 南台科技大學機械工程所，台南縣。
徐瑞富(2005)。以田口方法改善金線偏移之銲線製程問題。未出版之碩士論文，私立 中原大學機械工程研究所，桃園縣。
張斐章、張麗秋(2005)。類神經網路-理論與實務。台北市：台灣東華書局股份有限公 司。
楊國榮(2005)。以田口法探討導線架電漿改質製程參數之最佳化。未出版之碩士論 文，私立華梵大學機電工程研究所，台北縣。
楊明棋(2007)。電化學微電極製程之最佳化參數分析。未出版之碩士論文，國立中央 大學機械工程研究所，桃園縣。
游昇鑫(2006)。應用田口方法於球柵陣列封裝之量測參數最佳化設計。未出版之碩士 論文，私立大同大學機械工程學系(所)，台北市。
陳興華、林國偉(2004)。LCD 背光模組導光板成型模具精密蝕刻加工技術，工業材料 207期，105-118。
Chen, W. C., & Chen, S. P. (2009). Optimization of photolithography process for a LGP molding stamper. International Conference on Engineering and Business Management, 7, 4622-4625.
Chen, W. C., Hsu, Y. Y., Tai, P. H., & Hsieh, L. F. (2010). A systematic optimization approach for assembly sequence planning using Taguchi method, design of experiment, and back-propagation neural network. Expert Systems with Applications, 37, 716-726.
Chen, W. C., Lai, T. T., & Wang, M. W. (2011). An optimization system for LED lens densig. Expert Systems with Applications, 38, 11976-11983.