Thèse de doctorat en Micro-électronique
Sous la direction de Jean-Pierre Couderc.
Soutenue en 1998
à Toulouse, INPT .
Ce travail présente la mise au point d'un capteur logiciel à base de réseau de neurones pour la régulation thermique et la conduite des réacteurs de LPCVD, horizontaux à parois chaudes, l'un des appareils les plus utilisés dans l'industrie de la micro-électronique. Les objectifs de ce travail étaient, dans un premier temps, d'élaborer des modèles neuronaux, puis de les utiliser pour la modélisation et la représentation des phénomènes se produisant dans ce type d'équipement. Les deux cas traités sont ceux de dépôt de silicium pur et dopé in situ au bore, par pyrolyse de silane. Par rapport aux travaux antérieurs, l'inconvénient que présente cette approche est la nature non prédictive des modèles neuronaux mais elle offre par contre l'avantage d'une très grande rapidité de calcul. Une fois développés, les modèles neuronaux peuvent non seulement être exploités pour effectuer n'importe quel travail de conception de réacteur nouveau, mais sont aussi utiles pour des tâches où la rapidité de calcul est essentielle comme l'optimisation et la commande. Des applications relevant de ce dernier domaine ont été développées dans la deuxième partie du travail. Pour réaliser le contrôle d'un profil spatio-temporel à l'intérieur du réacteur, un contrôleur neuronal représentant la dynamique inverse du procédé fut développé pour la régulation thermique du réacteur, qui à partir des informations passées et présentes délivrées par des thermocouples implantés dans le réacteur et des informations passées des PID, permet de prévoir au cours du temps, les consignes à appliquer aux trois PID du procédé pour suivre un profil de température donne à l'intérieur du réacteur. Ce contrôleur neuronal (modèle neuronal inverse du procédé) a été couplé au modèle neuronal modélisant le dépôt de silicium à l'intérieur du réacteur pour constituer un capteur logiciel, permettant la conduite de ce type d'équipement. La conduite du réacteur de LPCVD a été réalisée pour un seul type de dépôt, le dépôt de silicium pur. Le type et le nombre d'informations d'entrée de chacun de ces réseaux de neurones, l'architecture des réseaux, la nature des bases d'apprentissage, ainsi que la technique de modification des paramètres de ces réseaux ont été étudies. L'exploitation systématique de ces modèles neuronaux et la confrontation des résultats de calcul avec des essais expérimentaux se sont révélées riches d'enseignements et permettent d'envisager la mise au point de nouveaux procédés industriels très performants.
Pas de résumé disponible.