Anwendung maschinellen Lernens für die intelligente Fertigung
Chemnitzer Forschungsteam der TU Chemnitz und des Fraunhofer ENAS veröffentlicht umfassendes Review zum Einsatz maschinellen Lernens im chemisch-mechanischen Planarisieren
-
Tom Rothe (l.) und Georg Winkler gehören zur ESF-Plus-Nachwuchsforschungsgruppe „Übertragbare wissensbasierte Prozessmodelle für eine flexible Fertigung“ (WiProFlex) . Foto: privat
Das chemisch-mechanische Planarisieren (CMP) ist ein hochpräziser Schlüsselprozess der Halbleiterfertigung. Ein Forschungsteam der Technischen Universität Chemnitz und des Fraunhofer-Instituts für Elektronische Nanosysteme (ENAS) hat den Einsatz des maschinellen Lernens (ML) im CMP in einem umfassenden Übersichtsartikel analysiert. „Beim CMP entsteht durch das Zusammenspiel chemischer und mechanischer Prozesse eine hohe Komplexität. Weil Messungen teuer und aufwendig sind, werden Produktionsfehler oft erst spät erkannt, während Unterschiede zwischen Produkten, Anlagen und Standorten die Prozesskontrolle zusätzlich erschweren. Leistungsfähige, robuste ML-Methoden können hier helfen, Ausschuss zu verringern und die Produktion zu optimieren.“, erläutert Tom Rothe, Doktorand an der Professur Smart Systems Integration.
Die inhaltliche Analyse von 81 Artikeln (2012–2024) systematisiert verfügbare CMP-Daten in einer Taxonomie und strukturiert bestehende ML-Ansätze aus der Literatur entlang zentraler Einsatzfelder - von virtueller Metrologie, also der modellbasierten Messwertvorhersage aus Prozess- und Sensordaten, über Zustandsüberwachung und Qualitätsprognose bis hin zur modellgestützten Regelung. Darüber hinaus bietet der Beitrag Leitlinien für Datenerhebung, Feature-Gestaltung, Modellauswahl und -implementierung und diskutiert die prägenden Herausforderungen in der Anwendung: Datenknappheit und Heterogenität, Anforderungen an Reproduzierbarkeit, Interpretierbarkeit und Übertragbarkeit sowie die Integration von Physik und Domänenwissen. Damit bietet die Arbeit eine praxisnahe Orientierung sowohl für CMP-Technologinnen und -technologen als auch für ML-Ingenieurinnen und -ingenieure in der Halbleiterfertigung.
„ML bietet enorme Potenziale – aber ebenso eine stetig wachsende Anzahl möglicher Modellklassen, Trainings- und Validierungsstrategien. Diese Vielfalt erzeugt Entscheidungsdruck und fördert Fallstricke wie Datenlecks oder überoptimistische Einschätzung von Trainingsergebnissen. Die rasante Entwicklung im Bereich des maschinellen Lernens macht es selbst für ML-Forschende herausfordernd, einen Überblick zu behalten – für Anwenderinnen und Anwender aus anderen Domänen ist das nahezu unmöglich. Mit unserem Review möchten wir den Zugang erleichtern und aufzeigen, welche Möglichkeiten und offenen Fragen existieren“, betont Georg Winkler, Doktorand an der Professur Wissenschaftliches Rechnen.
Fragen nach Modell-Belastbarkeit, Wissensintegration und dem Umgang mit einer herausfordernden Datenlage treten branchenübergreifend auf. Die Kombination aus Daten-Taxonomie, geordneter Anwendungsübersicht sowie prüfbaren Leitlinien für die Umsetzung macht die Publikation auch jenseits des CMP Prozesses zu einem relevanten Orientierungspunkt für die intelligente Produktion – und lädt zum Vertiefen der Details im Artikel ein.
Die Arbeit entstand in der ESF-Plus-Nachwuchsforschungsgruppe „Übertragbare wissensbasierte Prozessmodelle für eine flexible Fertigung“ (WiProFlex) an der TU Chemnitz und wurde mit Mitteln des Europäischen Sozialfonds (ESF Plus) sowie des Freistaats Sachsen gefördert.
Publikation: Georg Winkler, Tom Rothe, Mudassir Ali Sayyed, Linda Jäckel, Jan Langer, Harald Kuhn, Martin Stoll, Machine learning in chemical–mechanical planarization: A comprehensive review of trends, applications, and challenges, Advanced Engineering Informatics, Volume 68, Part B, 2025, 103663, https://doi.org/10.1016/j.aei.2025.103663.
Weitere Informationen erteilen Georg Winkler Tel. +49 (0)371 531-39449 , E-Mail georg.winkler@mathematik.tu-chemnitz.de und Tom Rothe Tel. +49 (0)371 531-31155, E-Mail tom.rothe@etit.tu-chemnitz.de.
(Autorinnenen und Autoren: Linda Jäckel, Georg Winkler, Tom Rothe)
Mario Steinebach
13.08.2025
