본 연구는 p-type single-crystalline float zone (FZ) 웨이퍼를 이용한 고효율 태양전지 제조 공정상의 공정 모델링과 최적화 기술에 대하여 서술 하였다. 태양전지 제조 공정 중 중요한 4가지의 공정: 1)Emitter formation; 2)Anti-Reflection-Coating (ARC); 3)Screen ...

본 연구는 p-type single-crystalline float zone (FZ) 웨이퍼를 이용한 고효율 태양전지 제조 공정상의 공정 모델링과 최적화 기술에 대하여 서술 하였다. 태양전지 제조 공정 중 중요한 4가지의 공정: 1)Emitter formation; 2)Anti-Reflection-Coating (ARC); 3)Screen-printing; 4)Contact formation 중에서 제조비용을 줄여주며, 성능을 증대 시키는데 중요한 contact formation 공정을 모델링을 하고, 최적화 하였다. 본 논문에서는 공정에 소요되는 시간과 비용을 줄이기 위해 실험계획법 (design of experiments: DOE) 중 중심합성계획 (central composite design)을 이용하여 24개의 요인 (factorial), 8개의 축점 (axial points), 3개의 중심점 (center points)과 실험의 범위를 증가시키기 위한 6개의 임의점 (random points)으로 실험계획을 수립하였다. 접촉형성 (contact formation) 공정 이후에는 실험 결과를 사용하여 신경망 (neural network)으로 모델링을 하였다. 수립된 신경망 모델을 바탕으로 유전자 알고리즘 (genetic algorithm)을 이용하여 다양한 조합의 공정파라미터를 합성하는 방법으로 최적화를 수행 하여 고효율의 태양전지를 구현 할 수 있는 최적의 공정 조건을 수립하였다.

This research presents modeling and optimization techniques for high efficiency solar cell process on single-crystalline float zone (FZ) wafers. Among a sequence of multiple steps of fabrication, the followings are the most sensitive steps for the con ...

This research presents modeling and optimization techniques for high efficiency solar cell process on single-crystalline float zone (FZ) wafers. Among a sequence of multiple steps of fabrication, the followings are the most sensitive steps for the contact formation: 1) Emitter formation by diffusion; 2) Anti-reflection-coating (ARC) with silicon nitride using plasma-enhanced chemical vapor deposition (PECVD); 3) Screen-printing for front and back metalization; and 4) Contact formation by firing. In order to increase the performance of solar cells in terms of efficiency, the contact formation process is modeled and optimized using neural networks and genetic algorithms, respectively. This paper utilizes the design of experiments (DOE) in contact formation to reduce process time and fabrication costs. The experiments were designed by using central composite design which consists of 24 factorial design augmented by 8 axial points with three center points. After contact formation process, the efficiency of the fabricated solar cell is modeled using neural networks. Established efficiency model is then used for the analysis of the process characteristics and process optimization for more efficient solar cell fabrication.

본 연구는p-type single-crystalline float zone (FZ) 웨이퍼를 이용한 고효율 태양전지 제조 공정상의 공정 모델링과 최적화 기술에 대하여 서술 하였다. 태양전지 제조 공정 중 중요한 4가지의 공정: 1)Emitter formation; 2)Anti-Reflection-Coating (ARC); 3)Screen- ...

본 연구는p-type single-crystalline float zone (FZ) 웨이퍼를 이용한 고효율 태양전지 제조 공정상의 공정 모델링과 최적화 기술에 대하여 서술 하였다. 태양전지 제조 공정 중 중요한 4가지의 공정: 1)Emitter formation; 2)Anti-Reflection-Coating (ARC); 3)Screen-printing; 4)Contact formation 중에서 제조비용을 줄여주며, 성능을 증대 시키는데 중요한 contact formation 공정을 모델링을 하고, 최적화 하였다. 본 논문에서는 공정에 소요되는 시간과 비용을 줄이기 위해 실험계획법 (design of experiments: DOE) 중 중심합성계획 (central composite design)을 이용하여 24개의 요인 (factorial), 8개의 축점 (axial points), 3개의 중심점 (center points)과 실험의 범위를 증가시키기 위한 6개의 임의점 (random points)으로 실험계획을 수립하였다. 접촉형성 (contact formation) 공정 이후에는 실험 결과를 사용하여 신경망 (neural network)으로 모델링을 하였다. 수립된 신경망 모델을 바탕으로 유전자 알고리즘 (genetic algorithm)을 이용하여 다양한 조합의 공정파라미터를 합성하는 방법으로 최적화를 수행 하여 고효율의 태양전지를 구현 할 수 있는 최적의 공정 조건을 수립하였다.

본 연구에서는 태양전지의 공정 중 contact formation을 위한 belt furnace공정을 최적화 하기 위해서 실험계획법과 신경회로망 모델링 방법 및 최적화를 위한 유전자 알고리즘 등을 반도체 공정 분야에 도입하였다. 본 연구에서 개발된 최적 공정조건 탐색 방법은 기존의 ...

본 연구에서는 태양전지의 공정 중 contact formation을 위한 belt furnace공정을 최적화 하기 위해서 실험계획법과 신경회로망 모델링 방법 및 최적화를 위한 유전자 알고리즘 등을 반도체 공정 분야에 도입하였다. 본 연구에서 개발된 최적 공정조건 탐색 방법은 기존의 반도체 공정 분야에서 사용하던 방법에 비해서 매우 체계적이며 학문적으로 검증된 방법이다. 또한 최적 공정조건을 찾기 위한 시간과 노력을 경감시킴으로서 많은 비용을 절감할 수 있다. 본 연구에서 개발된 방법을 반도체 공정 장비를 개발하는 기업에서 활용하게 되면 적은 비용으로 장비의 특성 및 최적 조건을 찾을 수 있게 되며, 또한 반도체 공정 기업에서도 충분히 활용할 수 있는 방법이다. 본 방법을 사용함으로써 공정의 특성의 분석할 수 있게 되며, 또한 공정 반응 메카니즘을 이해하는데 도움을 줄 수 있다.