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

Schulze, Christoph Franz Robert; Dahlmann, Rainer; Bobzin, Kirsten

doi:44071

OES-Datenerfassung in reaktiven HPPMS-Prozessen und Datenanalyse mittels künstlicher neuronaler Netze = OES data acquisition in reactive HPPMS processes and data analysis using artificial neural networks

Schulze, Christoph Franz Robert^RWTH*

2025

VerantwortlichkeitsangabeChristoph Franz Robert Schulze

ImpressumDüren : Shaker Verlag 2025

Umfang1 Online-Ressource : Illustrationen

ISBN978-3-8440-9904-1

ReiheSchriftenreihe Oberflächentechnik ; 83

Dissertation, RWTH Aachen University, 2024

Druckausgabe: 2025.- Auch veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak04

Hauptberichter/Gutachter
Bobzin, Kirsten (Thesis advisor)^RWTH* ; Dahlmann, Rainer (Thesis advisor)^RWTH*

Tag der mündlichen Prüfung/Habilitation
2024-10-02

Online
DOI: 10.18154/RWTH-2025-01997
URL: https://publications.rwth-aachen.de/record/1005785/files/1005785.pdf

Einrichtungen

Lehrstuhl und Institut für Oberflächentechnik im Maschinenbau (419010)

Projekte

Inhaltliche Beschreibung (Schlagwörter)
HPPMS (frei) ; KNN (frei) ; PVD (frei) ; Plasmadiagnostik (frei)

Thematische Einordnung (Klassifikation)
DDC: 620

Kurzfassung
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. Mittels des HPPMS-Verfahrens können Beschichtungen mit einer dichten Morphologie sowie einer sehr guten Verschleiß- und Oxidationsbeständigkeit abgeschieden werden. Auf diese und andere Eigenschaften haben viele Faktoren einen Einfluss, wie Kathodenparameter, Gasflüsse und die Rotation der Substrate innerhalb der Beschichtungskammer. Abweichungen in HPPMS-Prozessen, etwa durch den Verschleiß oder die Abnutzung von Komponenten wie den Targets, können zu Änderungen der Schichteigenschaften führen. 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. Die vorliegende Dissertation beschäftigt sich daher mit der Datenerfassung in HPPMS- sowie dcMS/HPPMS-Prozessen in großskaligen Batchanlagen. Ziel dieser Arbeit ist es, eine Prozessüberwachung auf Basis der optischen Emissionsspektroskopie (OES) zu entwickeln. Diese ist minimalinvasiv und beeinflusst somit nicht den Beschichtungsprozess. 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.

Physical Vapour Deposition (PVD) processes can be found in a large number of modern production chains. By protecting the base material, they contribute to extending the service life of components or increasing the productivity of tools. A frequently used process for depositing such coatings is magnetron sputtering, within which the High Power Pulse Magnetron Sputtering (HPPMS) process has become increasingly important alongside with direct current Magnetron Sputtering(dcMS). The HPPMS process can be used to deposit coatings with a dense morphology and very good wear and oxidation resistance. Many factors have an influence on these and other properties, such as cathode parameters, gas flows and the rotation of the substrates within the coating chamber. Deviations in HPPMS processes, for example due to the wear or abrasion of components such as the targets, can lead to changes in the coating properties. According to the current state of research and technology, there is no process monitoring for dcMS/HPPMS batch processes. Plasma is particularly suitable for monitoring the processes, as it transports the particles required for layer formation. This dissertation therefore deals with data acquisition in HPPMS and dcMS/HPPMS processes in large-scalebatch systems. The aim of this work is to develop a process monitoring system based on optical emission spectroscopy (OES). This is minimally invasive and therefore does not influence the coating process. First, fundamental relationships between the chemical composition of the coating plasma and the resulting coating chemistry are investigated. Subsequently, the transferability of the findings to processes under industrial conditions will be tested. These include activated table rotation and activated heating. In particular, it will also be investigated whether and through which OES intensity ratios conclusions can be drawn about the process stability. Finally, the potential of artificial neural networks (ANN) for process design and process monitoring is demonstrated. For this purpose, a prediction of coating and plasma properties is made on the basis of system data from an industrial dcMS/HPPMS batch system. These predictions are validated on the basis of experiments.

OpenAccess:
PDF
(additional files)