碳化硅衬底切割自动对刀系统与进给参数的协同优化模型

一、引言

碳化硅（SiC）衬底凭借优异性能在半导体领域地位关键，其切割加工精度和效率影响产业发展。自动对刀系统决定切割起始位置准确性，进给参数控制切割过程稳定性，二者协同优化对提升碳化硅衬底切割质量与效率意义重大。然而，当前研究多将二者独立分析，难以满足高精度切割需求，亟需构建协同优化模型。

二、自动对刀系统与进给参数协同优化的挑战

2.1 动态交互复杂

自动对刀系统确定的初始位置精度，会因进给过程中切割力、热效应导致衬底变形而改变；同时，进给参数设置不当，如进给速度过快，会使切割过程振动加剧，影响对刀系统的反馈精度，二者间存在复杂的动态交互关系 。

2.2 多参数耦合影响

对刀系统的光学参数、机械结构参数，与进给参数中的进给速度、切割深度等相互耦合。一个参数的调整会引发其他参数关联变化，难以精准把控各参数间的协同作用，增加优化难度 。

三、协同优化模型构建

3.1 模型架构设计

以碳化硅衬底切割质量（表面粗糙度、切割尺寸精度）为目标函数，将自动对刀系统参数（激光波长、光学元件焦距等）和进给参数（进给速度、切割深度）作为自变量。基于有限元分析和实验数据，建立参数与目标函数间的非线性关系模型，综合考虑切割过程中的物理现象，如热传导、材料去除机制 。

3.2 数据驱动方法

收集大量不同对刀参数和进给参数组合下的切割实验数据，运用机器学习算法（如神经网络、支持向量机）对数据进行训练，挖掘参数间的潜在规律，实现模型参数的动态优化与更新，提升模型对复杂工况的适应性 。

四、协同优化策略

4.1 分级优化

先通过单因素实验确定对刀系统参数和进给参数的可行范围，再进行多参数组合优化。采用遗传算法、粒子群算法等智能优化算法，在可行范围内搜索最优参数组合，平衡计算效率与优化精度 。

4.2 实时反馈调整

在切割过程中，利用传感器实时采集衬底变形、切割力等数据，反馈至协同优化模型。模型根据实时数据动态调整对刀系统参数和进给参数，实现参数的自适应优化，确保切割过程始终处于最优状态 。

高通量晶圆测厚系统运用第三代扫频OCT技术，精准攻克晶圆/晶片厚度TTV重复精度不稳定难题，重复精度达3nm以下。针对行业厚度测量结果不一致的痛点，经不同时段测量验证，保障再现精度可靠。​

我们的数据和WAFERSIGHT2的数据测量对比,进一步验证了真值的再现性：

（以上为新启航实测样品数据结果）

该系统基于第三代可调谐扫频激光技术，相较传统双探头对射扫描，可一次完成所有平面度及厚度参数测量。其创新扫描原理极大提升材料兼容性，从轻掺到重掺P型硅，到碳化硅、蓝宝石、玻璃等多种晶圆材料均适用：​

对重掺型硅，可精准探测强吸收晶圆前后表面；​

点扫描第三代扫频激光技术，有效抵御光谱串扰，胜任粗糙晶圆表面测量；​

通过偏振效应补偿，增强低反射碳化硅、铌酸锂晶圆测量信噪比；

（以上为新启航实测样品数据结果）

支持绝缘体上硅和MEMS多层结构测量，覆盖μm级到数百μm级厚度范围，还可测量薄至4μm、精度达1nm的薄膜。

（以上为新启航实测样品数据结果）

此外，可调谐扫频激光具备出色的“温漂”处理能力，在极端环境中抗干扰性强，显著提升重复测量稳定性。

（以上为新启航实测样品数据结果）

系统采用第三代高速扫频可调谐激光器，摆脱传统SLD光源对“主动式减震平台”的依赖，凭借卓越抗干扰性实现小型化设计，还能与EFEM系统集成，满足产线自动化测量需求。运动控制灵活，适配2-12英寸方片和圆片测量。