蝕刻製程之相關文獻

目前在導光板模仁成形製程中以蝕刻製程廣泛被應用，而導光板模仁製程分為微 影製程與化學蝕刻製程，其製程參數控制更直接影響產品品質與成本。微影製程包含 了三個主要步驟：光阻塗佈、曝光和顯影。為了達到更高的解析度，微影技術中也會 用到一些烘烤和冷卻的步驟。以目前製作模仁之微影製程技術來說，整個微影技術流 程需要七道步驟：清洗原材、預烤、光阻塗佈、軟烤、曝光、顯影和硬烤等。通常此 製程參數控制不佳時會造成圖形轉寫失敗、轉寫率不佳及尺寸變異過大等成形缺陷，

就必須重工把光阻剝除，不斷的重複之前的流程直到通過檢查為止。接著再將微影成 型之半成品模仁進行化學蝕刻製程，化學蝕刻製程包含了四個主要步驟：蝕刻、光阻 剝除、清洗和硬烤等。以目前製作模仁之化學蝕刻製程技術來說，此製程參數控制不 佳時會造成產品成型失敗、尺寸變異過大等問題，將無法通過品檢且無法重工而造成 浪費。為了提高良率與減少成本，蝕刻製程控制因子之參數設定就更加重要。

由於蝕刻製程可應用在多種材料上，且化學蝕刻液種類眾多，因此有許多學者致 力於研究各種化學蝕刻液與材料之相互影響以及製程中相關之物理現象。陳興華、林 國偉(2004)指出蝕刻廠受限於設備及未曾投入大量研發於高精度微影技術，所以在金 屬蝕刻模仁均有品質穩定性與供貨穩定性兩大問題，其提出金屬模仁蝕刻深度之精度 不佳之可能來源，分別為：金屬模仁材質、光罩繪製品質、曝光設備品質、微影製程 品質、蝕刻與剝模品質及金屬模仁板夾持使用情形。Zhuang et al. (2005)使用濕蝕刻 製程針對GaN、AlN和SiC三種材料做了相關研究，發現在溫度在75℃左右時，各種蝕 刻液對於GaN與AlN之蝕刻速率變異不大，在此溫度下幾乎沒有一種蝕刻液能有效的

對GaN進行蝕刻，而由研究結果得知，高溫的KOH、NaOH是少數對GaN有較佳蝕刻 效果的蝕刻液。廖建翔(2006)以稀釋王水與草酸兩種蝕刻液，分別對AZO薄膜進行蝕 刻，並探討蝕刻表面與蝕刻後之電阻率，由研究結果得知，AZO薄膜於王水其蝕刻速 率極快，因此造成蝕刻時間上較難控制，而形成嚴重底切與尺寸失真之現象，但其蝕 刻表面無殘留物。以草酸進行蝕刻，在製程時間上較容易控制，但蝕刻表面留下了大 量的殘留物，經由分析得知此殘留物為氧化鋅，且量測蝕刻後之電阻率均有些許上 升。蔡明翰(2007) 指出化學蝕刻製程中最嚴重也最常見的問題為光阻下方基材的底 切問題，通常底切的形成與蝕刻行為的等向性與蝕刻速率有絕對的關係；另一問題為 水坑效應，此效應使得蝕刻表面會產生均勻性不佳之結果，以上問題可透過改變蝕刻 液之流速、噴灑方式、反應溫度、傳動速度以及噴嘴與基材之間距進行改善，其提出 以平板式噴嘴於液面上或下直接噴灑板材表面，改變蝕刻液流動方式藉此排除水坑效 應。洪嘉良(2009)以不同濃度的HCl與KOH分別對AZO薄膜進行蝕刻，觀察其蝕刻後 之表面粗糙度並量測可見光之穿透率，由研究結果得知，HCl 對於AZO具有較高的 蝕刻能力，在短時間內即會使AZO完全溶解，以濃度2.5%之KOH對AZO進行蝕刻120 秒，蝕刻後量測在可見光範圍內能得到較佳的穿透率。以上研究主要針對材料與製程 方式進行研究分析，其透過簡單的實驗得到材料與蝕刻液之間的相關性，以及探討如 何改善過去的製程以提升蝕刻品質。

然而透過材料的分析能得到適合的蝕刻液與材料組合以及較佳的製程方式，但無 法得到蝕刻製程參數與產品品質之相關性，若使用不適當之製程參數組合將會導致產 品缺陷的產生與製程不穩定等現象。在過去許多學者採用實驗設計方法探討製程參數 與品質之相關性研究，Sheu (2001)指出蝕刻速率與溫度成正比，溫度越高蝕刻速率越 快，但基材之表面粗糙度越高，其研究指出此現象可透過攪拌來改善。其提出一個蝕 刻製程最佳化之方法，在溫度超過30℃時線寬為20nm，並透過ODE技術與超聲波攪 拌降低粗糙度。Kim et al. (2004)將濕蝕刻製程應用於PQR，蝕刻之重要製程控制因子 為：蝕刻液體積比、溫度、攪拌強度和蝕刻時間，並探討其蝕刻後之表面粗糙度。

Wilke et. al. (2005)經由SIMODE軟體模擬矽基材上微針頭陣列成型之蝕刻製程，藉由 此模擬結果設計光罩，模擬使用之材料為矽，蝕刻液為KOH，其模擬設定製程參數 為蝕刻液濃度與溫度，由模擬結果分析得知，所需針頭高度為300μm，因考慮矽晶圓 面原子密度高，以及受材料與蝕刻的限制，故採用750X750μm之陣列設計光罩，且透 過實際測試證明，此方法可設計出適合之光罩。Sakwe (2006)針對參雜n-type與p-type 兩種型態的碳化矽以KOH蝕刻液做蝕刻製程參數最佳化，由實驗結果分析得知，溫 度是重要的製程控制因子，而最佳蝕刻溫度與時間分別為530℃、5分鐘與500℃、5 分鐘。Chen et al. (2009)於導光板模仁成型(Stamper)之微影製程最佳化中提出，在進 行導光板模仁微影製程中之重要控制因子為，烤箱溫度、烤箱時間、滾輪溫度、曝光 能量、顯影速度等，利用田口直交表實驗，找出符合品質特性目標之製程參數組合，

實驗結果顯示，此方式可得到一組最佳參數組合且同時滿足直徑與均勻性之品質需 求。

以上研究透過模擬軟體或實驗設計得到製程參數與目標品質之相關性，然而從這 類實驗中得到的參數為離散型之組合，得到參數組合皆於實驗水準上，未能找出最佳 製程參數組合，因此必須結合實驗設計、預測器與最佳化相關理論的應用，藉由數值 模擬來搜尋最佳製程參數組合。Han et al. (2005)利用基因演算法搜尋蝕刻製程最佳參 數設定，並將此參數設定做為RBFN預測之輸入資料，以Al的蝕刻率、選擇性以及Si 的蝕刻率、齒型角與側邊粗糙度為輸出，建構蝕刻製程之製程改善預測模型，再以 GA-RBFN與統計回歸模型做比較，研究結果發現GA-RBFN較其他方法有更明顯的改 善。Chen et al. (2006)將14個半導體乾蝕刻製程因子當作輸入，再將蝕刻製程所量測 到的蝕刻深度之最大值、最小值、平均值等數據當作輸出，以倒傳遞類神經網路建立 模型，最後證實此系統能有效預測蝕刻深度。Chen et al. (2010)對塑膠射出製程參數 進行最佳化之探討，其利用田口實驗法所得之數據資料使用倒傳遞類神經網路建立品 質預測器，並結合基因演算法與於塑膠射出成形製程參數最佳化，於實驗中得知限定 製程參數範圍落於最佳S/N 比之±1/2個田口實驗水準時，基因演算法結合品質預測器

所求得之參數組合解優於田口實驗計畫所找出之製程參數組合。Chen et al. (2011)對 LGP網點進行最佳化之研究，其運用TracePro光學模擬軟體來進行二次光學分析，並 利用倒傳遞神經網路建立光學透鏡之品質預測器，有效預測LED光學透鏡的發光角度 與均勻度，節省後續光學分析所需花費之時間，並結合基因演算法與倒傳遞神經網路 求出全域最佳解。然而在過去研究中只對品質進行製程參數最佳化，並未針對製程穩 定性做進一步的探討，故使整個製程穩定性與品質無法達到最佳狀態。

因此本研究提出一套兩階段蝕刻製程最佳化系統，第一階段為 S/N 比最佳化，以 S/N 比預測器結合基因演算法搜尋最佳製程參數組合，使品質穩定性最佳，達到製程 穩定之狀態；第二階段將以品質預測器與 S/N 比預測器結合粒子群演算法搜尋最佳製 程參數組合，進一步達到規格要求。透過本研究之兩階段最佳化系統所找出之製程參 數組合不僅整個製程更為穩定且 LGP 微結構符合尺寸規格(深度與均勻性)，且提升整 體微結構之均勻性。