数据驱动的方法建模微型制造化学传感器制造
Bradley S Chew1,2, Nhi N Trinh3,2, Dylan T Koch4,2
1Department of Mechanical and Aerospace Engineering, One Shields Avenue, University of California Davis, Davis, California 95616, United States.
Analytical chemistry
|December 29, 2023
概括
一个新的统计模型确保了用于挥发性有机化合物 (VOC) 分析的气体微型预缩器芯片 (μPC) 的质量控制. 关键的制造因素,如吸附剂质量和加热器电阻显著影响芯片性能.
科学领域:
- 材料科学 材料科学 材料科学
- 化学工程是化学工程的重要组成部分.
- 分析化学 分析化学
背景情况:
- 微型预缩器芯片 (μPC) 对于检测挥发性有机化合物 (VOC) 至关重要.
- 扩大μPC芯片生产规模需要强大的质量分析 (QA) 和质量控制 (QC) 方法.
- 现有的质量保证/质量控制方法可能无法充分解决微型制造工艺的复杂性.
研究的目的:
- 开发和验证基于统计模型的方法,用于规模化μPC芯片制造的质量保证/质量控制.
- 为了确定影响μPC芯片性能的关键制造参数.
- 在大规模生产过程中实现实时QA/QC.
主要方法:
- 开发了一个统计模型,用于QA/QC的μPC芯片性能.
- 一批30个晶圆芯片的生产批量经历了严格的化学性能测试.
- 用主要组件分析 (PCA) 和多变量回归模型进行数据分析.
主要成果:
- 在PCA中的前两个主要成分解释了74.28%的化学测试差异.
- 在118个可行的芯片中,有111个位于95%的置信区间内.
- 吸附剂质量,加热电阻和RTD电阻被确定为影响化学性能的关键制造参数.
结论:
- 开发的统计模型有效地评分了单个芯片的性能,并确定了有影响力的制造参数.
- 这种以数据为导向,以模型为基础的方法代表了生产微型化学传感器的新方法.
- 未来的大规模生产可以利用统计抽样进行实时QA/QC.
